基于改进粒子群算法的制造车间WSN部署优化

针对制造车间环境下有向无线传感器网络节点的部署优化问题,以提高网络覆盖率为目标,提出了一种面向制造车间应用的有向感知模型,并设计了一种改进粒子群算法,改进算法惯性权重余弦自适应调整,同时学习因子基于惯性权重自行调节,并应用于有向感知模型求解优化,通过实验对比验证,设计算法具有较快的收敛速度以及全局寻优能力,有效提升了无线传感器网络覆盖率。     

交通信息采集无线传感器网络节点部署的微粒群优化方法

针对城市道路交通信息采集无线传感器网络节点部署优化问题,采用传感器网络连通性和覆盖性作为综合评价函数,以满足网络连通性和覆盖性为约束,建立节点部署的约束优化数学模型,并用罚函数法将其转化为无约束优化模型。采用微粒群算法求解,并用动态改变惯性权重方法作为改进算法解决微粒群算法的早熟收敛。以北京市二环以内的道路为例进行模拟实验,结果表明,微粒群算法及其改进算法使优化布局的评价函数值比初始手动布局提高1.71%和3.18%。微粒群算法及其改进算法能够优化交通信息采集的无线传感器网络节点布局。     

WSN中节点分布的协方差矩阵自适应优化策略

针对无线传感器网络(WSNs)中传感器节点的分布优化问题,提出了一种基于协方差矩阵自适应进化策略(CMA-ES)的网络节点分布优化方法。首先,以最大化网络的区域覆盖率为目标建立问题的求解模型,然后,采用CMA-ES算法对模型求解得到网络最优的节点位置分布方案。仿真对比实验表明:CMA-ES算法可以很好地解决无线传感器网络节点的分布优化问题,相比于传统遗传算法、基本粒子群算法和差分进化算法,表现出较快的寻优速度和更高的区域覆盖率。     

一种初始种群算法的应用研究

在求解一种铁路客运座位控制模型时,由于该模型是一种随机规划模型,采用了遗传算法对其进行求解。在选择初始种群算法时,本文应用了由王福林等人提出的一种新的初始种群算法,取得了比较好的效果,对求解其他约束优化问题时有一定的借鉴意义。     

球面四杆机构函数综合的带修复策略可行性规则差分进化算法

根据杆长限制条件,建立约束方程,进而得出求解球面四杆机构函数综合问题的非线性方程组,并将该方程组的求解转化为鞍点规划问题。以杆长协调、传动角、避免乱支缺陷等为约束条件,提出球面四杆机构近似函数综合的约束优化模型,再应用差分进化(Differential evolution,DE)算法求解该问题。在定义约束违反度和弱、强不可行解的基础上,提出处理约束条件的改进可行性规则,形成求解约束优化问题的可行性规则差分进化(Feasibility-rule-based DE,FRDE)算法。应用4个benchmark约束优化问题测试FRDE算法的优化性能,结果表明,其可靠性和稳健性指标优于对比算法。面向机构优化综合问题,将修复策略融入FRDE算法,发展为带修复策略的FRDE算法(Feasibility-rule-based DE algorithm with repair strategies,FRRDE)。给出5个函数综合实例。结果显示,优化模型和方法可行有效,且FRRDE算法的优化性能好于对比算法。     

基于维修时间窗的柔性作业车间调度优化研究

针对柔性作业车间调度和预防性维护的单目标集成优化问题,以最大完工时间为优化指标,建立了基于维修时间窗的集成优化模型,设计了混合“教与学”优化（HTLBO）算法求解该模型。提出一种“基于工序加工时间最短”的机器序列初始化策略,对部分初始种群进行初始优化,以提高部分初始解的质量,使得算法能够以较短的时间收敛。对文献中柔性作业车间调度的基准问题进行求解并比较其计算结果,初步证明该混合算法的可行性;针对集成维修时间窗的柔性作业车间调度优化模型,借鉴文献中的数据生成实例进行求解,并与其他算法进行比较,证明该混合算法的有效性。     

双轴倾角传感器姿态角测量的建模与标定

根据双轴倾角传感器的测量原理,建立了姿态角的测量模型。针对该测量模型,分别研究了无误差和误差下的姿态角的求解模型,并通过坐标变换算法,建立了含误差项的姿态角的求解模型。针对该模型的误差项,讨论了双轴倾角传感器姿态角测量的标定算法。在±4°范围内,通过实验对该标定算法进行了验证。实验结果表明,经修正,双轴倾角传感器的双轴标定精度由修正前的0.118°提高到0.012 46°,该标定算法使双轴倾角传感器的标定误差减小了一个数量级。该标定算法简单、快速,可以满足诸多场合对于姿态角测量的0.03°标定精度要求。     

基于序列响应面法的汽车结构件蜂群优化设计

将蜂群算法应用于汽车结构件的优化问题。先由试验设计和序列响应面法构建目标函数及约束条件的代理模型,再应用改进的蜂群算法求解最优设计。在优化过程中调用的是代理模型,显著减少了有限元计算次数,提高了优化效率。最后,选取典型实例对该算法进行验证,比较预期值与实际值的结果表明,该算法具备了足够的求解精度,能够满足工程实际要求。     

人机共站并行拆卸线平衡问题建模与混合教学优化算法

针对现有人机共站拆卸问题研究对任务间影响关系约束的不足，提出人机共站并行拆卸线平衡问题，以工作站开启数、空闲时间均衡指标、操作者总数和拆卸成本为优化目标，构建了其多目标混合整数规划模型。并提出一种混合教学优化算法求解，算法在原始教学优化算法的基础上融入自学操作和模拟退火操作，以保持种群多样性并避免算法陷入局部最优。应用数学规划软件LINGO精确求解所提问题的中小规模算例并与算法求解结果对比，验证了所建模型正确性与算法的有效性。最后，将所建模型与所提算法应用至大规模人机共站并行拆卸线实例中，通过与多种算法进行不同的对比试验，进一步验证了所提算法求解性能和求解质量的优越性。     

混合人工蜂群算法在并联机构尺度优化中的应用

以4-RUPaR并联机构为研究对象,以机构杆长为约束条件,利用解析几何中的坐标变换理论,得到其运动学反解模型,根据该模型,利用所有满足约束条件的"点集"描述并联机构定姿态工作空间大小。建立以并联机构驱动连杆长度、执行连杆长度和动平台尺寸为设计变量,以工作空间最大化作为优化目标的尺度优化模型。在求解多维优化问题时,为提高算法的搜索效率及解的质量,文中将差分进化(Differential Evolution, DE)算法融入人工蜂群(Artificial Bee Colony,ABC)算法,提出一种混合人工蜂群(Hybrid Artificial Bee Colony,HABC)算法,以增强算法的全局优化能力。应用HABC算法求解并联机构尺度优化设计,获得了较好的优化效果。     

基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

基于改进蚁群算法的FMS工艺路线优化配置

针对基于CON模型的FMS工艺路线优化问题提出了一种改进的蚁群算法.蚁群算法的特点表明它适合于求解FMS工艺路线优化配置这类非线性约束复杂优化问题.本文充分利用了蚁群算法在求解该类问题方面的优势,通过融合了网格法的蚁群算法实现了将蚁群算法用于求解多变量连续函数优化问题.针对蚁群算法自身存在的容易陷入局部最优等问题,提出了引入交叉算子来改进算法的性能.     

一种改进蚁群算法在车间作业调度问题中的研究与应用

讨论了蚁群算法在车间作业调度问题中的应用，针对传统蚁群算法求解调度问题的不足，将邻域搜索与蚁群算法结合，通过实验验证了该混合算法的有效性和优化性。     

基于自适应二进制灰狼算法的节点协同跟踪

针对大规模无线传感器网络中目标跟踪时的节点选择问题,为了满足跟踪精度和实时性的要求,提出了一种自适应二进制灰狼优化算法,用于求解基于条件后验克拉美-罗下界构建的节点选择优化模型.该算法采用非线性动态自适应收敛因子,同时引入基于V型函数的位置更新原则.仿真结果表明,该算法能够有效完成目标跟踪的节点选择任务,与二进制灰狼算...     

基于模糊机会约束规划的再制造装配车间调度优化方法

针对再制造零部件质量的不确定性导致工位装配时间波动范围大和调度模型难以准确描述的问题,采用基于可信性测度的模糊变量表示再制造零部件的装配时间,建立基于置信水平下的模糊机会约束规划调度模型,并提出求解该模型的混合智能优化算法：应用模糊模拟技术产生样本数据;利用反向传播算法训练多层前向神经网络逼近不确定函数;将训练后的神经网络与遗传算法相结合,以优化再制造装配车间调度问题。实例验证了该模型和算法的可行性。     

基于能耗预测的空调测试任务调度问题研究

新空调投放到市场前需针对不同环境工况进行大量焓差实验,带来极大的能源消耗.针对焓差实验测试企业,利用机器学习模型进行能耗预测,以最小化电费为优化目标,构建分时电价政策下的空调测试任务调度问题的混合整数规划模型.针对调整工况的时间、耗电率与测试任务顺序相关且无法用常规分布函数描述的情况,构建一种基于随机森林回归的预测模型.然后,针对预测模型和数学规划分阶段求解思路的不足,提出一种基于随机森林与遗传算法的RF-GA混合算法求解思路,该思路采用并行处理方式提高了算法求解效率.通过企业实际测试数据将随机森林预测模型与其他机器学习算法进行对比,验证了该预测模型的有效性,并设计仿真实验产生各种规模的测试算例,将RF-GA算法及Inver-over算子与多种算法及算子进行对比,实验结果表明该RF-GA算法在求解效果和效率方面具有较优的表现.将该方法应用于企业实际测试,可大幅降低能源消耗及电费支出.     

副翼六杆机构优化设计研究

研究带约束六杆机构的优化设计问题,针对其在机翼中的特殊构造,提出解析求解该机构的一种新算法。以该算法求解输出和期望输出构成最小二乘为目标函数,以六杆机构3个可动铰点坐标值为设计变量,建立满足其在飞机副翼操纵系统中约束的优化模型。利用复合形法求解该模型,并通过典型算例的验证,表明优化模型的合理与该新算法的可靠、高效。     

基于单亲遗传算法的堆垛机复合作业路径优化

基于堆垛机的作业方式和特点,针对复合作业路径优化问题进行数学建模,并采用单亲遗传算法求解,实验仿真和工程应用证明该模型和算法是可行和有效的。     

基于蚁群算法的机构同构判定的研究

针对传统的机构同构判定算法难以提供理想的求解结果的情况,笔者根据机构运动链的特性,将机构同构判定问题转化为一个可降次的旅行商问题(TSP问题),大大的降低了问题求解的难度,接着建立TSP问题的模型,然后应用提出的蚁群算法去求解这类机构同构判定问题,最后应用实例证明了该算法的有效性。     

约束型粒子群的LCC/S磁谐振耦合机构参数优化算法

针对移动监测型传感器种类不同且位置可变的特性,确定LCC/S磁谐振耦合机构工作模式。由于该型无线电能传输系统谐振补偿拓扑参数配置困难,使得系统难以同时兼顾输出效率与输出功率,提出一种以系统传输效率为目标函数,以传感器移动范围内所需功率为限制条件的约束模型;然后引入罚函数将约束模型转化为无约束模型,通过粒子群算法进行参数优化,使得系统在满足传感器所需功率的同时传输效率最大化。最后通过仿真验证了所提优化方法的有效性。