基于改进遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,以最小化最大完工时间、关键机器负载以及机器总负载为目标建立调度数学模型,提出一种改进改进遗传算法进行求解。算法采用两种交叉原则,通过对关键工序块操作形成二级邻域结构进行求解,并采用外部档案集对操作过程中的个体进行保留,采用加权法对个体进行评价,对Kacem基准算例进行求解,以证明所提出算法求解性能。     

一种求解作业车间调度问题的文化遗传算法

针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,提出了以一种采用种群空间和信仰空间的双层进化结构进行寻优的作业车间调度算法。该算法针对调度问题的特点,以遗传算法为主群体空间,利用优良调度方案的知识信息构成信仰空间。为充分利用父代个体的优良特征加速收敛,算法采取不同的策略在主群体空间中指导遗传操作,在选择操作中引入k近邻法的思想进行动态学习,在变异操作中通过选择合适的变异点进行邻域搜索变异。典型算例的仿真实验与分析表明,算法在计算效率和求解质量上均具有较好的效果。     

基于自适应最优邻域的散乱点云降噪技术研究

在分析已有滤波技术的基础上,计算点的法向矢量和法向局部方差。采用与法向局部方差有关的自适应角度阈值的截断函数限制邻域点的选择,获得与表面特征有关的自适应最优邻域;采用改进的三边滤波方法实现法向矢量滤波和位置滤波。实验验证了该方法的可行性,与其他滤波方法相比,该算法能更有效地保持细节特征,同时获得光顺的离散表面。     

Image Quilting纹理合成算法的实现与改进

针对Image Quilting算法在合成结构性较强的纹理图片时产生局部纹理不连续的问题,提出了一种改进的方法。改进从以下两方面进行:通过图像变形增加样本图的采样空间以增大匹配的概率;改变匹配块的选择策略以提高合成质量。实验结果表明,改进后的算法有效地改善了纹理不连续现象,生成的纹理图像质量更高。     

逆向需求动态出现的混合集散货物路线问题

研究了逆向需求动态出现的混合集散货物路线问题.将问题的求解过程分为静态和动态两个阶段,每个阶段分别用记录更新算法求解.记录更新法中采用随机大邻域搜索法及重起和扰动策略来提高解的质量,并通过约束邻域搜索范围和设计常量可行性检查两种策略来减少计算时间.通过算例表明了该算法的有效性,同时也表明将动态出现的逆向需求实时整合到已有路线中,比为动态需求单独安排配送更为经济.     

预均化料场堆料机堆料层数和行走速度对均化比的影响

根据侧式悬臂混匀堆料机人字形堆料工艺的原理,分析了堆料层数和行走速度与混匀比的关系,提出满足n≥400及混匀料堆每层每米长度的布料量(即单位长层吨)相等这两个条件才能取得有效的均化效果。在工程实践中推荐了层数和实际速度的最佳实际解。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法(PSO)和变邻域下降搜索(VND)的混合粒子群算法(PSO-VND),用以解决卸装一体化车辆路径问题(VRPSDP)。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索(VND)过程中使用3种不同的邻域结构:插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

多种群协作差异演化算法及其应用

针对差异演化算法在求解高维、多峰问题时易陷入局部最优解发生"早熟"的缺陷,提出多种群协作差异演化算法。该算法将种群划分为多个子种群并设置一个精英群,精英群由子种群的最优个体产生,并与群体最优解进行竞争,子种群的最优个体只与精英群个体竞争而不与群体最优解竞争。构建了两种不同邻域结构的多种群协作差异演化算法,仿真结果及工程应用实例表明了算法的有效性。     

基于正交判别邻域保持投影的人脸识别

邻域保持投影(neighborhood preserving projections, NPP)是一种保持局部邻域结构的子空间分析方法.虽然NPP已经在许多领域得到应用,但在解决识别问题时有缺陷.在NPP算法的基础上提出一种新的子空间分析方法,称为正交判别邻域保持投影(orthogonal discriminant neighborhood preserving projections, ODNPP).ODNPP目标是考虑类标签信息来增强局部类内几何关系,同时还最大化类间的距离.而且,为了克服NPP的测度扭曲问题,ODNPP引入Gram-Schmidt正交化获得正交投影矩阵.在FERET人脸数据库和ORL人脸数据库上的实验结果表明该方法是有效的.