基于正交设计NSGA-II算法的制动器多目标优化*

针对汽车鼓式制动器,以制动效能因数最大、制动鼓体积最小和制动器温升最低为目标,建立了多目标优化模型。针对传统NSGA-II算法求解3目标优化问题的不足,引入正交设计策略,提出了改进的NSGA-II算法。将改进算法与目前三种经典的多目标优化算法在DTLZ系列测试函数上进行性能测试,结果表明改进算法在求解3目标优化问题上有更好的性能。用改进算法和NSGA-II两种算法同时求解制动器多目标优化设计实例,改进算法得到了分布更好的Pareto前端,表明改进算法对此类问题求解行之有效。     

基于混合粒子群的RFID网络的优化部署*

在RFID网络系统中,贴有标签的物品可能随机地布置着,针对如何有效地放置阅读器,使得阅读器可以读取多个标签信息同时减小冲突的问题,建立了RFID网络系统的优化模型,提出了一种混合粒子群算法来优化部署阅读器的位置。实验结果表明,混合粒子群算法分别比传统的粒子群(PSO)和遗传算法(GA)在收敛速度和寻优能力上具有更好的性能,体现出混合粒子群算法的优越性。     

多目标拆卸线平衡问题的Pareto细菌觅食算法*

拆卸线平衡问题的优化涉及多个目标,为克服传统方法在求解多目标拆卸线平衡问题时不能很好处理各子目标间冲突及易于早熟等不足,提出了一种多目标细菌觅食优化算法。算法采用Pareto非劣排序技术对种群进行分级,并结合拥挤距离机制评价同级个体的优劣。为提高算法收敛性能,在趋向性操作结束后引入精英保留策略保留优秀个体,并采用全局信息共享策略引导菌群不断向均匀分布的Pareto最优前沿趋近。通过不同规模算例的对比验证表明了算法的有效性与优越性。     

人工蜂群算法研究综述*

人工蜂群算法自提出以来,受到很多学者的关注,并涌现出大量的研究文献。本文介绍了2013年以来国内外蜂群算法的研究成果,包括加快收敛、提高开采能力、提高算法性能方面的改进;针对约束优化、平行化运行、多目标寻优等多方面的研究;以及人工蜂群算法在神经网络、无线传感网、决策调度、图像信号处理等多个领域的研究现状,并指出人工蜂群算法有待进一步解决的问题及未来的研究方向。     

基于混合算法的多目标异构无线网络室内规划

新的无线网络技术设备的发展使得多种无线技术共存的异构无线网络渐渐的替代了单一技术构成的同构无线网络。为了获得高覆盖、低成本与低辐射的室内异构无线网络,本文提出了一个遗传算法与类粒子群算法相结合的混合算法。这个算法具备遗传算法搜索的广度及类离子群算法搜索的深度,获得并且避免了过早收敛于局部。算法被应用于多目标异构无线网络的规划中,仿真结果证明这个混合算法能有效的实现了多目标的无线网络规划方案的优化。     

利用增强烟花算法对RFID网络进行规划

为了实现面向复杂环境下的RFID（Radio Frequency Identification）网络规划,提出利用增强烟花算法,并采用分层方法来实现多目标RFID网络的规划。通过建立优化模型,在满足标签100%覆盖率、部署更少的阅读器、使用较少的发射功率和避免信号干扰四个目标的基础上,使用标准基测试集进行测试,与GPSO（Global topology Particle Swarm Optimization）、VNPSO（Von Neumann topology Particle Swarm Optimization）、GPSO-RNP（Global topology Particle Swarm Optimization-RFID Network Planning）和VNPSO-RNP（Von Neumann topology Particle Swarm Optimization-RFID Network Planning）四种算法进行了对比分析。实验结果表明,增强烟花算法在对多目标RFID进行网络规划时表现更优异,可以更有效地求出最优化方案。     

基于萤火虫算法的移动通信网络节点最优路径规划

由于移动通信网络节点存在单元拓扑边界规划距离短和网络覆盖率低的缺陷,因此研究基于萤火虫算法的移动通信网络节点路径规划方法。文章利用萤火虫算法获取节点效用函数,根据目标函数构建Sink无线移动规划架构,通过设计双向节点分级萤火虫规划模型,采用虚拟萤火虫信标关联实现网络节点路径规划。测试结果表明,该方法的单元拓扑边界规划距离较好,能够在实际规划或者处理网络通信节点过程中,更好地设定路径,实现最优路径的规划,且网络节点覆盖率与目标覆盖率基本一致。     

基于改进型灰狼算法的RFID网络规划

随着物联网技术的飞速发展,射频识别(Radio Frequency Identification,RFID)系统因具有非接触、快速识别等优点而成为了解决物联网问题的首选方案.RFID网络规划问题要考虑多个目标,被证明是多目标优化的问题.群体智能(Swarm In-telligence,SI)算法在解决多目标优化问题方面...     

混合萤火虫算法求解多目标置换流水车间调度问题

针对多目标置换流水车间调度问题,提出一种基于萤火虫算法的混合算法.该混合算法以萤火虫算法为框架,利用NEH(Nawaz-Enscore-Ham)模型及机器编码方式初始化种群,保证在增加初始化种群多样性的同时提高初始种群质量;引入概率模型,用以记录工件间及工件与加工机器间的信息,同时利用概率矩阵中的信息组合区块,并利用区块组合人造解,用以提高算法的收敛速度及增加可行解的多样性;最后,为验证该混合算法的有效性,对OR-library中的Reeves案例集进行仿真测试,同时与其他相关智能算法进行求解性能比较,验证了该混合算法具有良好的求解性能.     

人工萤火虫的混合算法实现医药配送中的最佳规划

医药配送规划已成为一项急需解决的重要研究问题。首先分析医药配送问题的特征,针对该问题提出带约束条件的数学模型,确定达到医药配送路径最佳方案的适应值函数,然后提出基于人工萤火虫的混合算法对模型进行寻优。仿真实验显示,该算法可以有效地找到医药配送问题的最佳方案,不仅节约了成本,而且提高了药物配送的运作效率,为解决医药配送问题提供了有价值的参考。     

Decomposition-based multi-objective firefly algorithm for RFID network planning with uncertainty

Radio frequency identification (RFID) is widely used for item identification and tracking. Due to the limited communication range between readers and tags, how to configure a RFID system in a large area is important but challenging. To configure a RFID system, most existing results are based on cost minimization through using 0/1 identification model. In practice, the system is interfered by environment and probabilistic model would be more reliable. To make sure the quality of the system, more objectives, such as interference and coverage, should be considered in addition to cost. In this paper, we propose a probabilistic-based multi-objective optimization model to address these challenges. The objectives to be optimized include number of readers, interference level and coverage of tags. A decomposition-based firefly algorithm is designed to solve this multi-objective optimization problem. Virtual force is integrated into random walk to guide readers moving in order to enhance exploitation. Numerical simulations are introduced to demonstrate and validate our proposed method. Comparing with existing methods, such as Non-dominated Sorting Genetic Algorithm-II and Multi-objective Particle Swarm Optimization approaches, our proposed method can achieve better performance in terms of quality metric and generational distance under the same computational environment. However, the spacing metric of the proposed method is slightly inferior to those compared methods.     

基于RFID的室内定位技术评述

室内定位技术以其在定位搜救、公共安全、商业等方面良好的应用前景而备受人们重视。阐述了用于室内定位的几种算法,在详细介绍RFID传感器定位原理、特点及关键技术的基础上,评述了LAND-MARC定位系统及其优缺点,并展望了室内定位技术的发展趋势。     

面向柔性制造车间的多目标RFID网络规划方法

针对具有多种覆盖需求的柔性制造车间RFID网络规划问题,以部署成本、阅读器干扰与阅读器效能为多优化目标,提出一种分层聚类、冗余消减与梯度下降方法集成的RFID网络规划方法,采用分层聚类算法确定RFID初始数量与部署位置,采用冗余阅读器消减算法优化RFID数量,采用梯度下降算法优化RFID部署位置从而实现网络规划多目标优化。实验研究表明,提出的方法在多目标综合性能方面优于传统基于分层聚类方法、遗传算法、粒子群与冗余消减混合方法的RFID网络规划方法,验证了该方法的有效性。     

RFID系统中多电子标签防碰撞改进算法

在现有防碰撞算法的基础上提出了一种改进的二进制搜索算法。当读写器检测到碰撞位之后,仅需要记录最高碰撞位和次高碰撞位的位置,并设定这两个位置上的比特数作为下次查询命令,从而使系统的传输数据量、查询次数及传输时间大大减少,提高了系统的吞吐率。仿真结果表明,改进后的算法比二进制搜索算法和动态二进制搜索算法更具优势。     

基于多目标蝗虫优化算法的移动机器人路径规划

在静态多障碍物环境下的移动机器人路径规划问题中，粒子群算法存在容易产生早熟收敛和局部寻优能力较差等缺点，导致机器人路径规划精度低。为此，提出一种多目标蝗虫优化算法（MOGOA）来解决这一问题。根据移动机器人路径规划要求将路径长度、平滑度和安全性作为路径优化的目标，建立相应的多目标优化问题的数学模型。在种群的搜索过程中，引入曲线自适应策略以提高算法收敛速度，并使用Pareto最优准则来解决三个目标之间的共存问题。实验结果表明：所提出的算法在解决上述问题中寻找到的路径更短，表现出更好的收敛性。该算法与多目标粒子群（MOPSO）算法相比路径长度减少了约2.01%，搜索到最小路径的迭代次数减少了约19.34%。     

基于代理辅助多目标萤火虫算法的软件缺陷预测方法研究

针对软件缺陷预测中数据维度的复杂化和类不平衡问题,提出一种基于代理辅助模型的多目标萤火虫算法(SMO-MSFFA)的软件缺陷预测方法。该方法采用了多组策略萤火虫算法(MSFFA),以最小化数据的特征选择比率和最大化模型评测AUC值为多目标目标函数,分别以随机森林(RF)、支持向量机(SVM)和K近邻分类算法(KNN)为分类器构建软件缺陷预测模型。考虑到进化算法自身的迭代特点,嵌入代理模型离线完成部分个体评价函数的计算,以缩短计算耗时。在公开数据集NASA中的PC1、KC1和MC1项目上进行实验验证,与NSGA-II方法相比,在项目PC1、KC1和MC1上模型AUC均值分别提升0.17、降低0.01和提升0.09,平均特征选择比率分别降低0.08,0.17和0.05,平均耗时分别增加131 s,降低了199 s和降低了431 s。实验结果表明,提出的方法在提高模型性能、降低特征选择比率和缩短计算耗时方面具有明显的优势。     

改进萤火虫算法求解多机器人路径规划

为解决多机器人在静态环境中的路径规划问题,以路径长度为优化目标模型,并针对此模型设计了多机器人萤火虫算法(MR-FA)。首先,考虑到路径安全性对环境中的障碍物采取扩张操作,设计初始化规则以提高生成初始种群的效率;其次,根据算法的连续性原理及特点,设计个体等长策略将维度不一致的个体转变为等维度个体以便于萤火虫的移动更新,并对移动更新后的不可行解采取路径修正策略;然后对规划出的每个机器人的移动路径进行碰撞检测,同时针对机器人不同的碰撞情况设计相应的避碰策略,即暂停—回退策略(PFS)、局部路径重规划策略(LPRS);最后,为验证MR-FA的有效性,在三组环境中进行仿真实验并与其他三种算法进行对比,综合得出MR-FA在解决多机器人路径规划时更有优势。     

基于RFID技术的无线定位系统

RFID是一种非接触式自动识别技术,它的应用非常广泛。SpotON系统、LANDMARC系统都是基于RFID的无线定位系统。文章介绍了RFID用于室内定位的4种不同的定位模式,同时介绍了采用RFID技术来简化对WLAN基础设施进行管理的思科无线定位解决方案。该解决方案可从WLAN基础设施内部跟踪数千个无线设备,从而简化WLAN管理,有效提高网络扩展性。