针对库区分配优化问题的改进型细菌觅食算法

针对自动化立体仓库库区分配优化问题建立了堆垛机平均运行时间模型,为求出其最优解,提出一种改进型细菌觅食算法。在求最优解的过程中,根据当前全局最优解和局部最优解,分阶段对趋化步长进行自适应调整;同时根据细菌个体对种群多样性的贡献率对其迁移概率进行设定,不但提高了收敛速度,而且保证了寻优的全局性。结合工业现场实例与原始细菌觅食算法和遗传算法进行了仿真对比,结果表明所提算法在解的质量及收敛速度上都具有明显的优势。     

基于量子计算和威布尔分布的混合CHIO算法求解JSP问题

针对冠状病毒群免疫优化算法（coronavirus herd immunity optimizer, CHIO）在解决优化问题时存在易陷入局部最优解、收敛速度慢和收敛精度差等问题,文章提出一种量子混合CHIO算法（quantum hybrid coronavirus herd immunity optimizer,QCHIO）。首先,引入量子计算的思想,通过量子相关性实现全局搜索和快速收敛的目标,能够有效避免算法陷入局部最优解的问题。其次,采用威布尔分布算子的大步长和小步长来增加算法的多样性,使算法能够更好地探索搜索空间,增强了算法的全局开发能力。此外,还引入β-登山算子通过搜索当前最优解的邻域,尝试找到更优的解,从而增加了算法的搜索宽度,改善了解的质量。多邻域搜索则通过搜索全局最优解的多个邻域来增加了算法的收敛精度。为验证其性能,将QCHIO应用到10种标准算例中与其他几种改进算法进行了对比分析,并通过显著性检验证明了QCHIO的优越性。最后将QCHIO应用到某发动机生产调度实例上,进一步证明了QCHIO的可行性和优越性。     

应用ACSBP算法的轴承故障诊断

为进行轴承故障位置和损失程度的有效识别,提出一种基于自适应布谷鸟搜索算法结合BP神经网络(ACSBP)的故障诊断模型。在ACS算法中,取消了Levy飞行策略,降低了算法搜索过程的随机性。同时,步长的更新由适应度函数值决定,无需进行参数初始化,以体现面向不同优化问题的普适性。此外,发现概率采用动态调整方式,提高了ACS算法的寻优精度以及收敛速度。以此为基础,实现了轴承故障诊断模型的构建。仿真实例表明,与布谷鸟搜索算法结合BPNN(CSBP)和粒子群算法结合BPNN(PSOBP)相比,ACSBP模型具有较强的容错性,可有效提高轴承故障诊断的精度。     

[车间调度]混合布谷鸟算法求解绿色流水车间调度问题

为协同考虑经济因素和环境因素,求解了优化目标为最小化最长完工时间和碳排放总量的多目标置换流水线车间调度问题（MOPFSP）。提出了一种混合布谷鸟算法（HCS）求解2台机器以上的MOPFSP问题。采用LOV规则将HCS算法中的个体从实数向量转换成工件排序,使其可在MOPFSP的解空间中进行搜索;设计了一种自适应步长控制因子,用于控制算法进化阶段的搜索范围;提出一种多邻域局部搜索,用于对HCS算法全局搜索发现的优质解区域进行细致搜索。由于融合了基于布谷鸟算法的全局搜索和多邻域局部搜索,故HCS算法可有效求解MOPFSP。仿真实验和算法对比验证了HCS算法求解MOPFSP的有效性。     

混合布谷鸟算法求解绿色流水车间调度问题

为协同考虑经济因素和环境因素,求解了优化目标为最小化最长完工时间和碳排放总量的多目标置换流水线车间调度问题(MOPFSP)。提出了一种混合布谷鸟算法(HCS)求解2台机器以上的MOPFSP问题。采用LOV规则将HCS算法中的个体从实数向量转换成工件排序,使其可在MOPFSP的解空间中进行搜索;设计了一种自适应步长控制因子,用于控制算法进化阶段的搜索范围;提出一种多邻域局部搜索,用于对HCS算法全局搜索发现的优质解区域进行细致搜索。由于融合了基于布谷鸟算法的全局搜索和多邻域局部搜索,故HCS算法可有效求解MOPFSP。仿真实验和算法对比验证了HCS算法求解MOPFSP的有效性。     

求解作业车间调度的变邻域细菌觅食优化算法

针对最小化最大完工时间的作业车间调度问题,提出一种基于变邻域趋化操作的细菌觅食优化算法。邻域搜索是一类改进型局部搜索算法,在每一步迭代过程中通过搜索当前解的邻域得到一个改进的解,利用邻域搜索可大大提高局部最优解的精确度。本算法采用基于操作的编码,使得细菌觅食优化算法适用于作业车间调度求解;将3种不同的邻域结构引入趋化操作中,以便扩大可行解的搜索空间,细菌个体按照自适应学习策略根据邻域的各自贡献率选择搜索方式,减少陷入局部极小的机会;同时使用自适应步长更新各邻域内趋化操作的位置,根据适应度值动态调整搜索精度,避免早熟收敛。典型算例试验表明,该算法具有一定的鲁棒性,并有效地提高了搜索精度和收敛性。     

基于布谷鸟算法的压缩机装配调度项目优化方法

针对制造型企业生产项目调度优化,提出一种基于自适应布谷鸟算法的调度策略。该策略采用全局搜索能力强的布谷鸟算法为框架模型,以任务调度顺序优先级编码,对影响算法性能的重要参数——步长因子设定动态自适应策略,提升算法的运算性能和全局收敛速度。以跨国S公司大型空气压缩机装配项目为例进行调度优化,结果表明该调度方案拥有更短的工期和平衡的资源利用率。此外,通过自动生成的人力配置甘特图,项目经理能够动态调整人员配置以减少人力资源的浪费。     

基于混合遗传算法的混合动力汽车优化设计研究

针对混合动力汽车驱动系统参数优化设计问题的特点,将自适应遗传算法与序列二次规划算法相结合,构成用于求解该问题的混合遗传算法.一方面该算法提出了新的自适应交叉和变异概率调整公式,以保证全局收敛性.另一方面通过改进自适应遗传算法与序列二次规划算法的结合方式,以加快局部搜索的速度和求解质量.实例优化结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车驱动系统参数优化设计中的应用是有效的.     

基于小生境技术的改进鲸鱼优化算法北大核心CSCD

针对标准鲸鱼优化算法全局搜索能力不足、收敛速度慢等问题,采用小生境技术和引入自适应权重对鲸鱼优化算法进行改进。首先,引入小生境技术中的竞争选择策略,通过比较距离添加共享函数计算适应度来提高鲸鱼算法的寻优能力,避免WOA算法陷入局部最优,解决算法早熟现象;其次,采用自适应参数作为位置权重调整鲸鱼算法的位置公式,提高算法的收敛速度和寻优精度。将该算法引入单峰和多峰模态基准测试函数中,仿真实验表明,在保证算法收敛速度的同时,所提出的改进鲸鱼优化算法有效地提高了搜索能力和寻优精度。     

基于符号函数的自适应遗传算法的研究与应用

交叉概率和变异概率的选择是决定遗传算法行为和性能的关键,直接影响算法的收敛性.自适应遗传算法在前期收敛速度缓慢,而且容易陷入局部最优.针对此局限,本文提出了基于符号函数的自适应遗传算法,将交叉算子与变异算子控制在期望区间内变化,增强了全局搜索能力,提高了收敛速度.最后进行了仿真实验,通过比较两个优化实例,验证了本文所提出算法的有效性,且符合工程实际需要.     

基于改进蚁群算法的PDC钻头孔位加工轨迹优化

针对PDC钻头刀翼上刀具安装孔的铣削加工轨迹进行优化,对经典蚁群算法进行三方面改进:首先,在初始化信息素浓度时加入方向指导;其次,在局部信息素浓度更新的过程中采用信息素重新分配的方法;最后,在全局信息素浓度更新的过程中加入自适应调整因子。使信息素的浓度能够更好地反映路径信息,避免了经典蚁群算法易收敛到局部最优解的问题,增加了搜索到全局最优解的概率。仿真实验表明改进蚁群算法较经典蚁群算法能够更快速更准确地搜索到全局最优解。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

一种改进的免疫算法在车间调度中的研究

针对免疫算法收敛较慢,种群更新优劣差距较大等缺点,提出了一种改进的免疫算法,并用该算法解决了FlowShop车间调度问题,结果表明算法具有较好的搜索与寻优能力,很好地克服了一般人工免疫算法搜索速度较慢、容易陷入局部最优解的缺点。该算法采用自适应的交叉算子、变异算子以及种群分割的方法,在搜索速度和全局最优解搜寻能力上与传统的零等待免疫算法相比有明显的优势。     

LBSO-PID控制方法在工业控制中的应用

为提高PID在工业控制过程中的控制效果，提出了一种莱维天牛群PID参数（LBSO-PID）自整定方法。针对天牛须搜索算法（BAS）仅用单个粒子进行最优解搜索而存在的收敛速度慢与易陷入局部解的问题，提出了一种LBSO算法，即将BAS算法中的粒子赋予粒子群算法的种群特性与Levy随机步长特性以提高算法的全局搜索能力与搜索精度。以时间误差绝对函数ITAE作为PID自整定过程中的评价函数，通过实验验证了LBSO-PID自整定方法的有效性。     

基于改进遗传算法的RV减速器选配方案研究

为了解决传统的人工选配方法在生产高精度RV减速器时面临的问题，提出了一种基于改进遗传算法的选配方案。该方案旨在实现批量生产装配数量最多且传动精度最优的一批RV减速器，并以最高匹配成功率为目标。该算法结合了RV减速器的结构特征，采用整数编码的方式对染色体进行编码，对交叉和变异操作进行改进，同时，引入了模拟退火算法和自适应调整策略，以提高算法的全局搜索能力和收敛速度。试验结果表明：基于改进遗传算法的选配方案具有更快的收敛速度和更强的全局搜索能力，可有效避免传统遗传算法出现的局部最优解问题，从而实现了较高的匹配成功率。该算法不仅能够为生产高精度RV减速器提供有效的解决方案，还有广泛的实际应用前景。     

遗传参数自适应调整算法及其在液压动力系统优化控制中的应用

针对固定参数的遗传算法容易陷入过早收敛,进入局部最优状态等问题,建立了交叉概率及变异概率的模糊逻辑控制器以实现遗传算法策略性参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力。运用常规优化方法及改进优化算法对永磁电机驱动的液压系统流量进行优化控制和对比,仿真和实验结果表明：采用遗传参数自适应调整算法优化控制器,可使系统在典型工况下,保持良好的控制性能,并且具有高于常规优化方法的控制精度和鲁棒性。     

混合随机反向学习和高斯变异的混沌松鼠搜索算法

针对松鼠搜索算法(SSA)易陷入局部最优、过早收敛等问题，提出一种混合随机反向学习和高斯变异的混沌松鼠搜索算法(RGCSSA)。该算法通过Tent混沌映射初始化策略生成混沌初始种群，增强初始种群分布的均匀性，实现对解空间更高效的搜索；采用非线性递减的捕食者概率策略，平衡SSA的全局搜索和局部开发能力；利用位置贪婪选择策略在迭代过程中不断保留种群中的优势个体，以提升算法收敛速度；引入随机反向学习和高斯变异策略，在增加种群多样性的同时提高算法跳出局部最优的能力。使用10个不同的基准测试函数进行仿真实验，并利用Wilcoxon符号秩检验验证所提算法的寻优性能，结果表明，RGCSSA算法在求解精度、收敛速度和稳定性等方面均有极大提升。     

人工鱼群算法在无人机SLAM数据关联中的应用

错误的数据关联会降低SLAM算法的性能。为提高数据关联率,提出了基于人工鱼群算法的SLAM数据关联方法,利用启发式信息,根据状态转移概率和轮盘赌策略,建立鱼群状态量与所求解的对应关系,通过寻求最优人工鱼的状态从而获得最优解;同时使用混沌初始化鱼群,采用自适应的步长和拥挤度因子加快算法的收敛速度,在聚群和追尾行为后进行混沌优化,使人工鱼跳出局部极值点,从而获得全局最优解。最后针对无人机SLAM的数据关联问题,利用算法进行仿真试验,结果表明该方法是有效可行的。     

基于等位基因的实数编码量子进化算法

为改善量子进化算法的早熟问题,提高算法搜索精度和收敛速度,提出了一种基于等位基因的实数编码量子进化算法。该算法以概率叠加的方式将实数变量按照等位基因进行编码,采用混合更新策略根据基因的"相对优良性"对等位基因进行变尺度变异,在全局搜索与局部搜索平衡的前提下提高搜索速度,之后引入Hε门更新等位基因对应的概率幅度。最后利用Markov链证明了其全局收敛性。数值算例将所提及算法与量子进化算法和基于双链编码的量子遗传算法进行比较,验证了算法的收敛速度和求解精度,并将该算法应用于纺织浆纱工艺参数的优化问题,获得了良好的优化效果。     

求冗余机器人手臂逆解的反向认知果蝇优化算法

为了解决冗余机器人手臂逆解求取中存在的计算量大和求解精度较低等问题,提出一种基于反向认知果蝇优化算法(RCFOA)的解决方法。RCFOA在果蝇算法(FOA)算法的基础上,在进化方程中增加"反向认知"策略,即添加向最差个体学习的改进策略优化进化方程,增强算法跳出局部最优、寻找全局最优的能力。对经典测试函数的仿真结果表明,RCFOA具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度,比其FOA有较大的提高。在机器人手臂逆解求解应用中,能够有效提高精度和稳定性,是求解机器人手臂逆解的一种有效方法。