共查询到16条相似文献,搜索用时 46 毫秒
1.
论文介绍了新兴仿生群智能优化算法—智能水滴算法,并且分析了智能水滴算法的仿生原理。论文针对具有学习效应的置换流水车间调度问题的特点,对算法进行了相应的变化,利用 Matlab 编程仿真计算得到结果,验证了智能水滴算法对于置换流水车间调度等优化组合问题的可行性和有效性。 相似文献
2.
3.
4.
5.
6.
7.
为了最大限度地降低制造型供应链的销售成本并缩短供货时间,提出了一种基于改进智能水滴算法的多目标供应链优化模型。该模型通过在选项选择期间同时考虑成本和时间来提高供应链效率,并能够将制造型供应链中的销售成本和交货时间最小化。通过使用帕累托最优准则对传统的智能水滴算法进行修改,从而得到一个帕累托集,以实现两个目标的最小化。通过3个实例对所提算法进行了测试,并采用世代距离和超区域比指标将其与蚁群优化算法进行了比较。实验结果显示,所提方法的性能更优,生成的解集更接近真实帕累托集,能够覆盖更大的解区域面积,且计算效率较高。 相似文献
8.
利用智能水滴算法(IWD)特点,设计了基于IWD算法的车辆路径优化算法框架。针对标准IWD算法在泥土更新上过于单一的缺点,设计了旁域更新的泥土含量更新机制,考虑整个河道的泥土信息变化,增加了其他水滴到达目标节点的概率;提出了车辆路径IWD算法的编码方式,基于改进的旁域更新IWD算法设计了软时间窗车辆路径优化算法;通过实验仿真,对比旁域IWD算法与标准算法及粒子群算法的车辆路径优化结果,显示该算法相比对比算法具有更高的收敛精度和更快的收敛时间。 相似文献
9.
针对多目标应急物资配送中车辆路径优化问题,提出了基于改进智能水滴算法的多目标应急物资路径优化方案。主要包括以下四个阶段:(1) 构建基于Holling-II函数的疾病扩散模型;(2) 各疫区对药品的需求预测;(3) 构建多目标应急物流配送模型;(4) 改进的智能水滴算法求解多目标应急物资优化问题。研究结果表明:所建立的模型与算法有效可行,可为应急管理相关问题提供决策参考。 相似文献
10.
电力环境经济调度对于降低发电过程中煤耗成本和污染气体排放有着重要意义。本文给出一种智能水滴算法(intelligent water drops,IWD)和序列二次规划(sequential quadratic programming,SQP)相混合求解电力环境经济调度问题的方法(IWD-SQP)。针对SQP全局搜索弱的缺点,将智能水滴算法应用于求解连续优化问题,同时将每次迭代过程中水滴所产生的解作为序列二次规划初始解进行微调以得到更好的解。将提出的方法应用于一个10机组测试系统进行实验,与其他方法求解考虑阀点效应的电力环境经济调度问题相比,验证了IWD-SQP的可行性和有效性。 相似文献
11.
针对智能水滴算法求解带时间窗车辆路径规划收敛速度慢、计算精度差的问题,根据带时间窗车辆路径问题的应用要求,利用整数线性规划方法,以配送车辆的最小运输总成本、最短运输距离和最少安排数量为目标,综合考虑了车辆出发点、服务点、装载量、行驶距离、服务时间窗等诸多约束条件,构建了多目标多时间窗车辆路径模型;为了精准快速求解多目标多时间窗车辆路径模型,提出一种鸽群-智能水滴互补改进优化算法,将河道水滴离散二进制变换后,采用地图罗盘算子和地标算子分别改进水滴的流动速度和方向,并利用自适应变邻域扰动策略干扰水滴携带的泥土量,提高水滴算法的开发和探索能力;利用理想点法和罚函数与多目标优化混合方法分别处理多目标函数与约束条件,并以两种经典的带时间窗车辆路径问题为实例,通过与遗传算法、智能水滴算法和鸽群-水滴算法的计算结果进行比较,结果表明:在相同的算法参数和经济指标下,鸽群-水滴算法相比于智能水滴算法求解模型中的运输路径缩短20 km左右、运输成本节约403元左右,且该算法的求解时间和迭代次数也明显优于其他两种人工智能算法。 相似文献
12.
《Expert systems with applications》2014,41(15):6555-6569
The Intelligent Water Drop (IWD) algorithm is a recent stochastic swarm-based method that is useful for solving combinatorial and function optimization problems. In this paper, we investigate the effectiveness of the selection method in the solution construction phase of the IWD algorithm. Instead of the fitness proportionate selection method in the original IWD algorithm, two ranking-based selection methods, namely linear ranking and exponential ranking, are proposed. Both ranking-based selection methods aim to solve the identified limitations of the fitness proportionate selection method as well as to enable the IWD algorithm to escape from local optima and ensure its search diversity. To evaluate the usefulness of the proposed ranking-based selection methods, a series of experiments pertaining to three combinatorial optimization problems, i.e., rough set feature subset selection, multiple knapsack and travelling salesman problems, is conducted. The results demonstrate that the exponential ranking selection method is able to preserve the search diversity, therefore improving the performance of the IWD algorithm. 相似文献
13.
本文主要对求解函数优化问题所用的生物智能进化算法进行概述,同时还对求解函数优化问题的前景作出进一步的展望,可以看出求解函数优化问题采用多种生物智能进化算法相结合的方式具有更宽广的发展前景。 相似文献
14.
15.
16.