求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法（PSO）和变邻域下降搜索（VND）的混合粒子群算法（PSO-VND）,用以解决卸装一体化车辆路径问题（VRPSDP）。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索（VND）过程中使用3种不同的邻域结构：插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

基于混合粒子群优化算法的置换流水车间调度问题研究

针对最大完工时间最小的置换流水车间调度问题,提出一种粒子群优化算法与变邻域搜索算法结合的混合粒子群优化（hybrid particle swarm optimization,HPSO）算法。在该混合算法中,采用NEH启发式算法进行种群初始化,以提高初始解质量。运用基于随机键的升序排列规则（ranked-or-der-value,ROV）,将连续PSO算法应用于离散置换流水车间调度问题中,提出了一种基于关键路径的变邻域搜索算法,以进一步提高算法的局部搜索能力,使算法在集中搜索和分散搜索之间达到合理的平衡。最后,运用提出的混合算法求解Taillard和Watson基准测试集,并将测试结果与一些代表算法进行比较,验证了该调度算法的有效性。     

求解第Ⅰ类装配线平衡问题的离散粒子群优化算法

为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。     

求十面体变几何桁架机器人位置正解的改进粒子群算法

根据杆长约束条件,给出了求解6-DOF十面体变几何桁架并联机器人机构位置正解的无约束优化模型,并应用粒子群算法(Particle Swarm Optimization,PSO)求解此优化问题.针对PSO直接在整个解空间内寻优时很难求得全部位置正解的问题,提出了求并联机器人机构位置正解的改进粒子群算法--分区搜索粒子群算法(PSO Based on the Regional Search,PSObRS).数值实例表明,PSObRS能求出并联机器人机构的全部高精度位置正解.     

基于粒子群优化和变邻域搜索的混合调度算法

提出了用于解决作业车间调度问题的离散版粒子群算法.该算法采用基于工序的编码和新的位置更新策略,使具有连续本质的粒子群算法直接适用于调度问题.同时,针对粒子群算法容易陷入局部最优的缺陷,利用粒子群算法和变邻域搜索算法的互补性能,设计了粒子群-变邻域搜索算法、改进的粒子群算法、粒子群-变邻域搜索交替算法和粒子群-变邻域搜索协同算法4种混合调度算法.仿真结果表明,混合算法能够有效地、高质量地解决作业车间调度问题.     

基于PSO的模糊人工神经网络径流预报模型

粒子群优化(PSO，Particle swarm optimizer)算法是基于群智能的全局优化技术，它通过粒子间的相互作用，对解空间进行智能搜索，从而发现最优解。其优势在于操作简单，容易实现，并且功能强大。目前PSO已成为国际演化计算界研究的热点。本文将PSO与模糊优选人工神经网络进行融合，对流域年径流量进行智能预测，在对模糊优选神经网络训练中采取PSO算法和梯度下降算法相结合的方法，充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势，结果表明采用这种方法可以提高模糊优选人工神经网络的训练效率并且具有很好的推广能力。     

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。     

基于改进果蝇优化BP神经网络的磨矿粒度软测量

针对磨矿过程中磨矿粒度实现在线实时测量难度较大,仅能通过事后化验,具有较大的滞后性的问题,引入一种线性生成机制(LGMS)、混沌搜索、粒子群优化算法(PSO)和变邻域搜索算法(VNS)修正果蝇算法(IFOA),然后利用IFOA良好的搜索全局最优解的能力自适应地调整BP网络的权值和阈值建立磨矿粒度在线软测量模型。最后以某公司样本数据为例进行仿真验证,结果表明其鲁棒性和测量精度明显提高,且网络具有较强的收敛性能。     

基于T-S故障树和混合μPSO算法的可靠性优化方法

针对可靠性框图构造系统可靠度函数时需不交化处理的不足,提出了基于T-S故障树算法构造系统故障概率函数并结合可靠性费用函数构造可靠性优化模型的方法,降低了构造复杂系统可靠性优化模型的难度。针对微粒子群优化(μPSO)算法局部收敛性差、粒子群优化(PSO)算法全局搜索能力弱的不足,将μPSO算法和PSO算法进行综合,并结合死亡罚函数法构造了适应度函数,提出了混合μPSO算法,即μPSO-PSO算法。结合串联系统和桥式系统可靠性优化实例,考虑不同的粒子个数,证明了混合μPSO算法的优化结果比PSO算法、μPSO算法及PSO-μPSO算法的优化结果更为理想。     

带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法

为了同时实现总配送成本最低、车辆数最少和车辆行驶距离最短等目标,考虑车辆指派成本及运输路径成本的相对重要性,建立了带时间窗装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种混合离散粒子群求解算法。算法基于客户排列的直观无分段大路径解表示法,采用改进深度优先搜索分割法对问题解进行解码与评价;嵌入一种变邻域下降搜索程序并在个体粒子每次迭代时以一定概率选择执行,利用混合粒子群算法在多邻域深度搜索和在全局空间广度搜索进行寻优,同时应用模拟退火思想和比例选择性变异最差个体来改善个体搜索停滞现象。采用两个不同目标算例进行寻优测试,验证了所提算法的可行性和有效性。     

利用量子粒子群算法求解单级多资源约束生产批量计划问题

针对单级多资源约束生产批量计划问题,提出了基于量子粒子群算法求解该问题的方法。此算法将量子强大的领域搜索能力和基本粒子群算法(PSO)通过跟踪极值更新粒子的功能结合,能够改善粒子群算法后期搜索速度慢的问题。通过对其他文献的实例进行计算与比较,结果表明,在求解单级多资源约束生产批量计划问题时,量子粒子群算法(QP-SO)要优于退火惩罚混合遗传算法和传统的遗传算法。     

A hybrid genetic algorithm to minimize makespan for the single batch machine dynamic scheduling problem

This paper considers a single batch machine dynamic scheduling problem, which is readily found in the burn-in operation of semiconductor manufacturing. The batch machine can process several jobs as a batch simultaneously, within the capacity limit of the machine, and the processing time is represented by the longest processing time among all jobs in a batch. For a single batch machine problem with arbitrary job release time, we proposed an improved algorithm (merge-split procedure) to refine the solution obtained by the LPT-BFF heuristic, and two versions of a hybrid genetic algorithm (GA) are introduced in this paper. Each version of the hybrid GA diversifies job sequences using the GA operators in stage 1, forms batches in stage 2, and finally sequence the batches in stage 3. The difference is that merge-split procedures are involved in the second version of the hybrid GA. Computational experiments showed that the hybrid GA would obtain satisfactory average solution quality and the merge-split procedures would be good at reinforcing the solution consistency of the hybrid GA.     

基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划

针对白车身侧围点焊多机器人协调焊接任务,对焊接路径规划算法进行了研究。提出了一种适用于该任务的蚁群粒子群混合算法,以实现多机器人焊点分配均匀和单机器人焊接路径最优的焊接要求。通过分析白车身侧围焊点分布特点及多机器人协调焊接要求,建立白车身侧围点焊多机器人协调焊接任务数学模型。设计了基于蚁群粒子群混合算法的路径规划方案,在MATLAB中得到规划结果。利用机器人离线编程软件Robotstudio建立白车身侧围多机器人协调焊接工作站,对规划结果进行仿真实验。结果表明,该算法可实现焊点均匀分配,缩短焊接路径,有效提高焊接效率。     

Evaluation of fuel economy for a parallel hybrid electric vehicle

In this work, the fuel economy of a parallel hybrid electric vehicle is investigated. A vehicle control algorithm which yields operating points where operational cost of HEV is minimal is suggested. The operational cost of HEV is decided considering both the cost of fossil fuel consumed by an engine and the cost of electricity consumed by an electric motor. A procedure for obtaining the operating points of minimal fuel consumption is introduced. Simulations are carried out for 3 variations of HEV and the results are compared to the fuel economy of a conventional vehicle in order to investigate the effect of hybridization. Simulation results show that HEV with the vehicle control algorithm suggested in this work has a fuel economy 45% better than the conventional vehicle if braking energy is recuperated fully by regeneration and idling of the engine is eliminated. The vehicle modification is also investigated to obtain the target fuel economy set in PNGV program.     

结合零速检测的微惯性系统混合滤波研究

针对车载系统在运动过程中运行时间长、动态性能变化频繁、车载导航系统不同的非线性特点,本文提出通过零速检测方法确定其动态特性,针对检测结果提出了混合滤波算法,根据车载导航系统不同的动态特性采用本文提出的滤波方法有效的降低了载体在不同动态特性下的误差影响,特别在GPS缺失的情况下。实验表明该方法能有效提高车载系统动态定位,改善由非线性误差导致车载系统误差积累造成的影响。     

Multi-variable measurements and optimization of GMAW parameters for API-X42 steel alloy using a hybrid BPNN–PSO approach

This research addresses multi criteria modeling and optimization procedure for Gas Metal Arc Welding (GMAW) process of API-X42 alloy. Experimental data needed for modeling are gathered as per L₃₆ Taguchi matrix. Model inputs include work piece groove angle as well as the five main GMAW process parameters. The proposed back propagation neural network (BPNN) simultaneously predicts weld bead geometry (WBG) and heat affected zone (HAZ). Image processing technique along with Bridge Cam and AWS gauges are used to take accurate measurements of WBGs and HAZs. The adequacy of the developed BPNN is established through comparisons against measured process outputs. Measurements indicate that the BPNN model simulates GMAW process with average errors of 0.33 to 0.82%. Next, the BPNN model is implanted into a particle swarm optimization (PSO) algorithm to simultaneously optimize HAZ and WBG characteristics. The hybrid BPNN–PSO determines process parameters values and groove angle so as a desired WBG is achieved while HAZ is minimized. Verification tests demonstrate that the proposed BPNN–PSO is quite efficient for in multi-criteria modeling and optimization of GMAW.     

基于混合粒子群算法具有交货期瓶颈的作业车间调度问题

为了解决一类具有交货期瓶颈的作业车间调度问题,给出了基于订单优势的交货期满意度和交货期瓶颈资源确定方法,以工件拖期加权和最小为优化目标,建立了基于交货期满意度和瓶颈资源约束的作业车间调度模型;为了求解该调度模型,设计了一种基于模拟退火的混合粒子群算法,该算法采用随机工序表达方式进行编码,并在模拟退火算法中引入变温度参数来提高算法效率。通过随机仿真,分别采用PSO-SA、SA和PSO对所建立的调度模型进行求解,结果显示PSO-SA算法的广泛性好、求解效率高且算法的稳定性好,验证了模型和算法的有效性。     

基于混合顺序启发式算法的一维下料问题

针对一维下料问题,提出一种改进的混合顺序启发式算法。该算法修正了传统顺序启发式算法的待切子集选择策略,采用广度搜索算法在有限时间内解决终止条件问题,根据用户最大时间容忍度动态地改变参数。最后采用C#进行编程,实现了该算法,通过对比证明算法的有效性。该算法在马鞍山钢铁公司车轮分公司正式使用了两年多,使切割率提高4%。     

基于JIT的多目标总装准时物料配送方法研究

针对机械产品总装过程中的准时物料配送问题,从优化目标、约束条件及影响因素三方面考虑,提出以物料运输成本、物料运输时间、线旁库存三者综合为优化目标的多目标准时物料配送模型。给出优化目标的计算方法,并设计了混合粒子群算法,给出了使用此算法求解模型的具体实现过程。最终求解得到物料配送单用于指导配送,使决策者能够根据实际情况选择优化的偏好值。通过一个总装车间准时物料配送问题的实例验证了此模型和算法的有效性。