排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
针对钢铁企业中存在的合同对库存余材的优化匹配问题,建立了实现余材利用量最大化和匹配损失费用最小化的多目标0—1规划模型.采用模糊决策方法处理两个目标函数,尝试基于群体的增量学习(Population-Besed Increased Learning,简称PBIL)算法进行求解.结合模型的特点,利用自然数编码表示合同的匹配结果,按照学习概率大小修复不可行个体.通过对应用实例的计算,以及与遗传算法结果的比较,证明该模型和算法是解决合同优化匹配问题较为理想的方式. 相似文献
2.
为了提高PSO算法性能以及避免其在求解复杂工程时的早熟收敛问题,本文提出了一种新型改进PSO算法——Parasitism PSO.Parasitism PSO算法将生物共生机制中的寄生进化机制嵌入到PSO算法中,从而在寻优过程中有效地保持了算法的种群多样性.在4个测试函数的仿真实验中,Parasitism PSO与基本PSO算法相比,能够取得更好的搜索性能.然后,本文基于Parasitism PSO进行RFID读写器网络调度模型的求解,根据读写器冲突关系的变化在线进行读写器的时隙分配求解与控制.仿真实验表明,基于Parasitism PSO的RFID 网络调度结果相比于基本PSO具有更高效率和实用性. 相似文献
1