一种求解车间作业调度问题的混合微粒群算法

在对车间作业调度问题优化目标与约束条件分析的基础上,以最小化机器完工时间为目标构建优化模型.通过将遗传算法和模拟退火算法的优点与标准微粒群算法相结合,提出一种求解该问题的混合微粒群算法,并结合实例验证了该算法的有效性与收敛性.     

高维多目标优化设计的灰色微粒群算法

提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用灰色相对关联度将多目标优化问题转化为单目标优化问题,再用改进微粒群算法求解.开发了混合离散变量优化的灰色改进微粒群法程序.该方法能合理地处理优化设计中混合离散变量的取值问题,通过对标准微粒群算法改进,引入动态罚函数,算法具有很强的全局寻优能力.优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强.     

流体动压轴承多目标优化设计的改进灰色微粒群算法

针对齿轮箱流体动压轴承多目标优化问题,提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用灰色综合关联度将多目标优化问题转化为单目标优化问题,再用改进微粒群算法求解,开发了混合离散变量优化的灰色改进微粒群法程序.该方法能合理地处理优化设计中混合离散变量的取值问题,通过对标准微粒群算法改进,引入动态罚函数,构造一种新的适应函数,算法具有很强的全局寻优能力.优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强.     

基于动力驱动微粒群算法的液压矫直机PID控制参数优化

为兼顾微粒群算法收敛速度与跳出局部解的能力，利用阶段性搜索方式将算法搜索过程分为前、后两个不同阶段。在算法的前期搜索阶段，当前微粒受个体最优微粒与全局最优微粒的引力作用，在算法的后期搜索阶段引入中值导向加速度，提出一种动力驱动微粒群算法。最后，针对液压矫直机PID控制的参数优化问题，考虑控制信号、上升时间和误差量的关系，建立液压矫直机PID控制参数优化模型，利用动力驱动微粒群算法优化得到更好的参数组合，实现PID控制参数优化。     

基于微粒群的约束优化

针对微粒群算法在处理约束优化问题时,难以兼顾约束与优化之间关系的问题,提出了一种泛学习微粒群算法(ULPSO),通过引入微粒不可行历史最优,使得微粒的学习更具多样性和有效性,增强了算法的搜索智能.通过对常用的13个基准函敷的测试对比分析,表明该算法求解约束优化问题的计算具有快速性、稳定性和有效性.     

基于改进微粒群算法的起重机主梁优化设计

现阶段起重机金属结构的优化设计一般都采用传统的优化算法,但传统算法普遍存在或对目标函数有解析性要求、或易陷入局部最优、或耗时较长的问题.微粒群优化算法是一种基于群体智能的新型优化算法,它可调参数少、对解析性无要求,已成功应用于多种领域.将微粒群算法应用于起重机主梁的优化中,经实例验证,在保证优化性能的前提下,基于微粒群算法的设计方法与网格算法相比,优化速度显著提升.     

基于改进混合作用力微粒群算法的液压阀块加工车间调度优化

针对微粒群算法作用力规则的不足，提出改进混合作用力微粒群(IHFPSO)算法。采用阶段性搜索策略，将算法的搜索过程分为前期和后期2个搜索阶段：在前期搜索阶段，微粒在其他微粒的引斥力作用下进行最优搜索，以保持种群多样性；在后期搜索阶段，微粒在双引力及引力提供的加速度的共同作用下向最优解收敛，以提高局部搜索能力。将所提出的IHFPSO算法应用于液压阀块加工车间调度问题，利用矩阵变量来处理约束条件，给出一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例，将IHFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、多作用力微粒群算法进行对比，验证提出的IHFPSO算法结果最优，实现液压阀块加工车间调度优化。     

基于线搜索的微粒群算法在机械设计中的应用

为了避免微粒群优化算法早熟,利用算法不需求导的特点,提出了基于线性搜索的改进微粒群算法及实现过程,并把该算法应用于机械优化问题.实例表明,该方法全局收敛性好,收敛速度快且精度高,是解决工程设计中复杂线性优化问题的可行方法.     

求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。     

解决多目标优化问题的一种粒子群优化算法

优化设计已发展成为一种有效的新型工程设计方法.粒子群优化算法作为一种新型优化算法,逐渐被用于解决多目标优化问题.但目前研究还较少,本文提出了一种基于Pareto解集的多目标粒子群优化算法.采用一个"记忆体"来存储当前得到的Pareto最优解,对当前所得到的Pareto最优解进行相互比较,以确定一个较优的微粒作为微粒群更新方程中的全局极值,由此来引导其它粒子尽快向最优靠拢,达到算法收敛的目的.测试函数的仿真实验结果表明该算法取得了很好的效果.     

求解液压阀块加工车间调度的多作用力微粒群算法

为有效地解决液压阀块加工车间调度问题,考虑工序间和机器间的约束关系,以最大完成时间最小为目标,给出了液压阀块加工车间调度优化模型。为平衡算法的全局和局部搜索能力,提出了多作用力微粒群(MFPSO)算法,采用多作用力阶段性搜索策略,将搜索过程划分为前期、中期、后期3个阶段,并对应构造单一斥力、平衡引斥力、单一引力3种作用力规则,在不同搜索阶段采用不同的作用力规则,提高了算法的搜索机制和寻优性能。将MFPSO算法用于求解液压阀块加工车间调度问题,利用矩阵变量来处理约束条件,给出了一种基于矩阵的微粒编码、解码方法。通过液压阀块加工车间调度优化实例,将MFPSO算法与微粒群算法、中值导向微粒群算法、扩展微粒群算法、蚁群算法进行了对比,结果表明,提出的MFPSO算法结果最优,从而验证了该算法的有效性。     

基于微粒群算法的起重机主梁优化设计

针对传统起重机主梁优化算法存在局部最优和效率低的现象,将起重机主梁优化设计理论与微粒群算法相结合,建立了基于微粒群算法的起重机主梁优化设计的数学模型;并针对传统罚函数法处理约束条件而引起的病态问题,提出采用限制解在可行域内的方法与微粒群算法相结合从整个可行解空间寻找最优解。通过实例计算表明该算法能较好地解决起重机主梁优化设计问题。     

基于微粒群算法的机械优化设计

介绍了微粒群优化算法的原理、改进及算法实现过程.用数值实验验证了该算法在解决复杂机械优化问题方面的可行性与有效性.     

基于线性约束微粒群算法的FIR滤波器设计

FIR低通滤波器的频域设计是一个带线性约束的优化问题,通过引入拉格朗日乘子可以将约束问题转化为无约束问题.本文用改进的微粒群算法求解转化后的FIR滤波器的优化设计问题.但是,在引入拉格朗日乘子后,求解线性约束问题的微粒群优化变得复杂,而根据拉格朗日对偶原理,可将拉格朗日乘子分离出来进行优化.这样,带线性约束的FIR滤波器的优化设计,通过微粒群优化及少量迭代就可得到最优解.最后通过低通滤波器的设计证明该方法的效果优于不带约束的微粒群算法.     

成批处理工作流动态分组调度优化方法

针对现有成批处理工作流调度方法的不足,建立考虑活动实例对执行者执行能力需求等约束的动态分组调度优化模型,提出一种解决该问题的实现算法。算法主要思想是利用微粒群算法的智能优化原理,同时优化最小化活动实例的停留时间总和与执行开销总和这两个目标函数,最终产生一组满足约束条件的Pareto优化调度方案。仿真实验说明了算法的有效性。     

混沌-微粒群算法及其在机械优化设计中的应用

针对机械优化设计中变量多、目标函数和约束条件复杂而难以求解的问题,建立了基于微粒群算法的机械优化设计的数学模型;并针对传统罚函数法处理约束条件而引起的病态问题,提出一种利用混沌变量来更新产生违约解个体的方式来改进微粒群算法,增加了个体的多样性、避免微粒群算法出现早熟,从而加快算法的收敛速度.实例计算表明该算法能较好地解决机械优化设计问题.     

基于量子行为的微粒群优化算法与模糊C均值聚类算法的磨粒图像分割

利用计算机图像处理技术实现铁谱图像诊断自动化是铁谱技术发展的目标.介绍了基于微粒群优化(PSO) 算法与模糊C均值 (FCM) 聚类算法相融合的图像分割方法并分析了其缺点,提出了一种基于量子行为的微粒群优化(QPSO)算法与FCM算法相融合的图像分割方法,并采用该方法对铁谱图像进行预处理.结果表明,该方法收敛速度快,设置参数少,具有更高的精确性和稳定性,是一种更有效的铁谱图像预处理方法.     

基于退火选择微粒群算法的车间调度问题研究

针对车间调度问题研究的不足,以及标准微粒群算法只能求解无约束问题和容易陷入局部最优的缺陷,提出一种退火选择微粒群算法。通过构造混合罚函数的方式对目标函数进行优化;采用一种动态权重策略,并与模拟退火算法以及遗传算法的选择过程相结合,有效避免陷入局部最优,提高了算法的寻优能力。将ASPSO算法应用于实例仿真,得到了较好的结果,证明了算法的可行性和有效性。     

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。     

基于微粒群优化算法的线性系统逼近

提出一种改进的微粒群优化算法,用于求解线性系统逼近问题。该算法的改进策略是通过动态调整标准微粒群优化算法的三个可调参数一惯性权重与加速度因子c1和c2。来克服算法进化初期多样性下降太快和进化后期收敛速度太慢的缺陷。将改进的PSO算法用于典型的稳定和非稳定线性系统的仿真算例中,实验结果表明,本文提出的MPSO算法能有效地逼近线性系统。