粒子群优化算法求解多模式项目再调度问题

针对有资源约束的项目调度问题中,项目执行环境发生变更时的项目再调度问题,分析了项目执行环境变更的情况和项目再调度变更费用的构成,建立了以再调度变更费用为优化目标的多模式项目再调度模型并应用基于粒子群优化算法进行求解.在该算法中,粒子分为优先级粒子和模式粒子,实现对活动优先顺序和模式的优化.部分初始优先级粒子位置矢量通过启发式规则产生,以提高解的质量.通过仿真计算分析了关键参数的选择,并与其他启发式算法进行了比较.仿真结果表明,该算法能有效地求解多模式项目的再调度问题,在实际工程中有一定应用价值.     

基于微粒群算法优化的微硅加速度传感器动态补偿研究

本文提出了一种基于微粒群（PSO）算法优化的微硅加速度传感器动态误差补偿器的设计方法。该方法无需事先已知微硅加速度传感器的动态特性，可根据传感器以及参考模型对输入激励响应的实测数据，通过PSO算法的优化学习得到补偿器的参数。传感器的输出经过补偿器后，能够克服由动态特性引起的测量误差。最后，通过实验验证了该方法的有效性。     

基于改进粒子群优化算法的多目标铜卷加工生产调度研究

针对多目标铜卷加工生产调度问题,提出一种自适应的改进粒子群优化算法。该算法采用基于个体拥挤距离排序的外部种群保留策略以避免陷入局部极值,基于个体拥挤距离概率更新全局极值以及基于支配关系更新个体极值,同时采用基于非支配解和单点交叉的内部种群规模自适应调整策略以及自适应动态惯性权重来保持种群的多样性。通过应用实例验证了该方法求解多目标铜卷加工生产调度问题的有效性。     

作业车间排序重调度问题及其改进修复约束满足算法

作业车间往往因出现新作业而需要进行重调度.为尽量减少由重调度带来的计划变更,除了优化原有的性能指标外,还应减小重调度结果与原排序之间的差异.由此,提出一种双目标优化模型.为方便求解,将模型进行了分解,构建了可以分步求解的分级模型.对分级模型提出改进的修复约束满足算法(修复法),通过采用新的变量表示形式,设计了变量排序的启发式算法,并采用变量互换启发式算法,以保证全局搜索性能.以90个作业车间标准算例为基础,设计了重调度算例,并与现有代表性的第二代非支配排序遗传算法优化结果进行了对比,结果表明在相同运行时间下,所提算法更具优越性.     

基于改进粒子群算法的生产批量计划问题研究

为求解基于成组单元有能力约束的生产批量计划问题,提出了一种基于二进制粒子群算法和免疫记忆机制相结合的方法,并阐明了该方法的具体实现过程。在该方法中,采用罚函数法处理约束条件,每个粒子都代表一组可用于描述具体批量计划方案的规则组合。通过对其他文献中一个仿真实例的计算和结果比较,表明该算法在寻优能力、求解速度和稳定性等方面都明显优于文献中的遗传算法。     

求解船体分段堆场调度问题的改进遗传算法

为有效解决船坞／船台完工分段堆场调度问题,给出了以缩短整船周转周期和提高场地资源利用率为优化目标的时空三维调度问题模型。在有效处理多维约束条件的基础上,设计了求解本问题模型的改进遗传算法,即以分段的吊装计划节点为基准约束,采用分层遗传算法进行优化,并通过不断自适应调整算法在运行时的交叉和变异概率来有效优化种群进化速度,从而改良了算法整体运算性能。通过算例的对比分析,验证了该改进算法的可行性和有效性。     

基于动态权重PSO算法的眼科OCT设备横向分辨率检测

眼科光学相干层析成像(OCT)设备的横向分辨率检测易受光斑噪声和干涉条纹影响,为提高横向分辨率检测精度,提出一种基于动态权重粒子群优化(DWPSO)算法的眼科OCT设备横向分辨率检测方法。通过构造动态权重因子对局部PSO算法进行改进,构建了DWPSO算法;建立了光束光强分布模型,采用DWPSO算法辨识模型参数并获得光束宽度,应用最小二乘算法拟合光束宽度得到数值孔径,用于实现眼科OCT设备横向分辨率检测。实验结果表明:DWPSO算法与其他相关算法相比较能够快速得到光束光强分布模型的全局最优解;被测眼科OCT设备在近焦点位置的横向分辨率为18. 21μm,远焦点位置的横向分辨率为49. 91μm,该横向分辨率检测方法使光斑噪声和干涉条纹的影响有效降低,具有较好的噪声鲁棒性。     

间歇过程PSO SQP混合优化算法研究*

针对SQP算法在求解具有复杂约束的间歇过程优化时容易陷入局部极值点的问题,本文提出一种PSO-SQP混合优化算法。该算法首先采用外点罚函数法将间歇过程有约束的优化问题转换为无约束的优化问题,利用PSO强大的全局搜索能力对其进行求解,并把搜索结果作为SQP搜索初始点,以此弥补SQP全局搜索弱的缺点,再利用SQP良好的局部收敛性和较强的非线性收敛速度对原优化问题进行精细搜索,弥补了PSO局部搜索弱的缺点,通过不断的迭代最终获得优化问题的全局最优解。该算法充分利用了SQP和PSO的优缺点,增强了其对复杂约束优化问题的求解能力。将本文提出的算法用于连续搅拌化学反应系统温度控制中,仿真结果表明产物浓度能够充分逼近期望值,且反应器的温度轨迹收敛,从而验证了该算法的有效性和实用价值。     

自适应粒子群求解资源动态分配项目调度问题

为了解决传统任务资源固定分配难以实现动态与高效调度的问题,建立了任务资源动态分配项目调度的数学模型,给出了任务调度方案的生成算法。为了克服基本粒子群优化算法的早熟收敛问题,平衡其全局与局部搜索能力,提出了一种改进的自适应粒子群优化算法,该算法采用惯性权重因子周期性衰减和改进的变异策略以及不变位交叉法实现粒子的更新。最后对通用标准库进行了测试,结果表明,所建模型和改进算法能够有效地缩短项目工期,提高资源利用率和算法效率。     

开放式动态网络车辆路径问题的粒子群算法

针对现有车辆路径问题模型对动态性和开放性的约束限制,建立了开放式动态网络车辆路径的数学模型,使用连续时间依赖函数表示动态网络,并提出了基于惯性权重自适应调整和状态分类更新的粒子群算法求解该问题。根据社会认知理论,每个粒子依据当前位置与种群最优位置和自身历史最优位置的相对关系,动态调整自身的惯性权重。为避免早熟收敛,增加群体的多样性,使用分类更新策略。对于优秀的粒子,通过计算信息熵,使用特殊的状态更新公式计算其状态;对于适应度低的粒子,通过公告板统计出现的频率,进行粒子更新。通过实验仿真,对算法的参数进行了分析,并通过与其他算法的比较,验证了该算法的有效性。     

基于支持向量机的半导体生产线动态调度方法

为了快速合理地选择调度策略,研究了一种半导体生产线动态调度策略选择方法。该方法以历史数据为基础,选取支持向量机为数据挖掘工具,采用二进制粒子群优化算法对生产属性(特征)子集进行寻优,获得基于支持向量机的动态调度策略分类模型。对于任意给定的生产状态,通过该模型,能实时地获取当前生产状态下近似最优的调度策略。在调度策略评价中,选用了基于功效函数与熵权法的多目标评价方法,以扩展该方法的应用范围。在某实际硅片生产线上验证了所提动态调度方法的有效性。     

Comparative Analysis of PSO Algorithms for PID Controller Tuning

The active magnetic bearing（AMB）suspends the rotating shaft and maintains it in levitated position by applying controlled electromagnetic forces on the rotor in radial and axial directions.Although the development of various control methods is rapid,PID control strategy is still the most widely used control strategy in many applications,including AMBs.In order to tune PID controller,a particle swarm optimization（PSO）method is applied.Therefore,a comparative analysis of particle swarm optimization（PSO）algorithms is carried out,where two PSO algorithms,namely（1）PSO with linearly decreasing inertia weight（LDW-PSO）,and（2）PSO algorithm with constriction factor approach（CFA-PSO）,are independently tested for different PID structures.The computer simulations are carried out with the aim of minimizing the objective function defined as the integral of time multiplied by the absolute value of error（ITAE）.In order to validate the performance of the analyzed PSO algorithms,one-axis and two-axis radial rotor/active magnetic bearing systems are examined.The results show that PSO algorithms are effective and easily implemented methods,providing stable convergence and good computational efficiency of different PID structures for the rotor/AMB systems.Moreover,the PSO algorithms prove to be easily used for controller tuning in case of both SISO and MIMO system,which consider the system delay and the interference among the horizontal and vertical rotor axes.     

基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究

针对在传感器网络目标跟踪的实际应用中,节点感知的数据与目标真实状态之间通常呈现非线性的特点,提出了一种基于改进不敏卡尔曼滤波的传感器网络目标跟踪算法。通过引入粒子群技术对不敏卡尔曼滤波中δ采样点的分布和收敛速度进行优化,使得δ采样点的分布更加接近目标的真实状态,以提高目标跟踪精度。同时,构建了一个随目标移动而动态生成的树形结构作为算法的执行平台。仿真结果表明,采用动态生成树作为算法执行平台提高了节点资源的利用率,降低了网络能耗,采用粒子群优化后的不敏卡尔曼滤波提高了目标跟踪精度,减少了算法运行时间。     

一种基于群波时间差信息的PSO微震定位方法

针对基于TDOA的地下浅层分布式炸点定位中微震定位精度低的问题,本文提出了一种基于群波时间差信息的微震定位方法.首先,利用直达P波的传播特性,抽取直达P波的优势频率对应的时间差;其次,构建无预测速度TDOA模型,确定PSO目标函数;然后,利用时间差信息构建初始粒子群;最后,在最优解空间中,寻找定位结果.试验验证的结果证明:本文提出的微震定位方法有效地提高了微震震源定位精度,定位误差小于50 cm,满足浅层炸点的定位要求,该方法在地下空间定位领域具有一定的应用价值.     

Monte carlo method for the uncertainty evaluation of spatial straightness error based on new generation geometrical product specification

Straightness error is an important parameter in measuring high-precision shafts. New generation geometrical product specification(GPS) requires the measurement uncertainty characterizing the reliability of the results should be given together when the measurement result is given. Nowadays most researches on straightness focus on error calculation and only several research projects evaluate the measurement uncertainty based on "The Guide to the Expression of Uncertainty in Measurement(GUM)". In order to compute spatial straightness error(SSE) accurately and rapidly and overcome the limitations of GUM, a quasi particle swarm optimization(QPSO) is proposed to solve the minimum zone SSE and Monte Carlo Method(MCM) is developed to estimate the measurement uncertainty. The mathematical model of minimum zone SSE is formulated. In QPSO quasi-random sequences are applied to the generation of the initial position and velocity of particles and their velocities are modified by the constriction factor approach. The flow of measurement uncertainty evaluation based on MCM is proposed, where the heart is repeatedly sampling from the probability density function(PDF) for every input quantity and evaluating the model in each case. The minimum zone SSE of a shaft measured on a Coordinate Measuring Machine(CMM) is calculated by QPSO and the measurement uncertainty is evaluated by MCM on the basis of analyzing the uncertainty contributors. The results show that the uncertainty directly influences the product judgment result. Therefore it is scientific and reasonable to consider the influence of the uncertainty in judging whether the parts are accepted or rejected, especially for those located in the uncertainty zone. The proposed method is especially suitable when the PDF of the measurand cannot adequately be approximated by a Gaussian distribution or a scaled and shifted t-distribution and the measurement model is non-linear.     

改进的协同粒子群优化算法的研究与应用

为增强现有PSO算法和协同粒子群优化算法的优化性能,提出了一种改进的协同粒子群优化算法及一种新的协同策略。该算法在进化过程中,将寻优粒子群分解为若干子分群,各子分群粒子利用本分群经验和整个种群经验进行搜索,既能在分群内部不断搜索,不迷失寻优方向,又能周期性地共享整群最优值引导粒子找到最好解。分解为多个子种群有利于维持种群的多样性,有效抑制局部最优现象发生。对经典复杂函数的寻优测试表明,改进算法的鲁棒性、收敛速度、精度及全局搜索能力均优于基本PSO算法。最后将改进算法用于建立基于神经网络的旋转机械故障诊断模型,设计了相应的故障诊断系统。结果表明,基于此算法的故障诊断系统具有诊断精度较高、稳定性能较好等特点。     

基于变区域激活的分布式设计资源动态调度方法

针对分布式环境下设计资源动态调度问题,提出一种基于变区域激活的任务调度机制。引入信任度、可靠性、负载率、复杂度等概念,运用基于有序加权平均算子的多属性决策方法定义变区域激活任务选人原则。采用离散粒子群算法,给出分布式设计资源动态调度问题的数学描述和粒子适应度计算方法,为防止扰动事件引起调度失败,设计了局部更新变区域平移策略,通过粒子进化和变区域平移,实现分布式设计资源动态调度序列的快速求解,进而提高了设计资源的重用效率和准确性。以数控机床整机方案设计、整机精度、刚度设计资源调度为例,对上述方法的有效性和可行性进行了验证。     

基于动态分时电价的电动汽车有序充放电研究

大规模电动汽车随机无序充电将对电网安全运行带来巨大挑战,诸如增大负荷峰谷差、加大运营成本、增加谐波污染等。该文在考虑电动汽车充放电功率约束、电池容量约束的前提下,基于动态分时电价制度,建立电动汽车多目标优化调度模型,以降低电网负荷峰谷差率和用户充电成本,并采用改进学习因子与惯性权重的粒子群优化算法对模型进行求解。仿真结果表明,基于动态分时电价的调度策略比固定电价下优化效果更优,能够更好地减小系统负荷峰谷差率,提高负荷率,增加电力设备的利用率,降低电动汽车充电成本。     

干燥过程中木材含水率POS仿真应用与研究

在木材的干燥工艺过程中保障产品品质和尺寸最关键的参数就是木材含水率。论文采用了基于粒子群算法优化的支持向量机理论对木材含水率的检测数据进行分析,并通过Matlab软件实现仿真。这种方法可以提高干燥过程中预测材堆空间含水率的精度,减小了干燥过程中的木材损失。另外。还提供了利用离散点来建立连续空间模型的研究方法,在一定程度上促进了木材科学技术研究水平的提高。     

[生产计划]动态制造系统生产计划与调度协同优化

基于生产计划与调度协同优化的思路,建立了计划与调度滚动优化模型,并提出一种 “闭环集成滚动重调度”策略。当生产系统出现产能受限或订单变更等动态变化时,调度与计划形成“闭环响应模式”,进而采用动态约束平衡的混合算法对生产计划与调度进行协同优化。为验证所提出协同优化策略的有效性和可行性,选取典型算例进行了仿真研究,结果表明该策略能有效处理生产系统的动态变化,保证系统的调度优化及时调整。