PSO算法的改进及应用研究

文章为PSO算法提供了一种新机制,使其在陷入局部最优时,以更大概率跳出局部最优位置,进入解空间的其他区域进行搜索,可穴大增强PSO算法的全局搜索能力.     

基于具有量子行为的离散粒子群算法的作战飞机分散式加油车辆调度优化问题研究

针对战时情况下多机种综合保障基地作战飞机分散式加油车辆调度优化的实际问题,基于设备设施能力的约束,以最小化加油车最大完工时间为目标函数,建立了符合实际情况的数学模型.在问题求解方面,将量子行为引入基本PSO算法,构建出一种性能更好的QDPSO算法.实验表明,该算法能弥补基本PSO算法易陷入局部最优和早熟收敛的不足,在全局和局部解空间搜索效率和质量上表现更优,能够很好地懈决所研究的问题.     

基于混合微粒群算法的带时间窗的车辆路径问题研究

本文在基本微粒群算法（PSO）的位置更新中引入了模拟退火算法思想，并改进了模拟退火算法（SA）中的降温操作该算法结合了基本PSO的快速寻优能力和SA的慨率突跳性，避免了基本PSO易于陷入局部最优的缺点，提高了进化后1期算法的收敛精度.把该算法用于解决有时间窗的车辆路径问题（VRHTW），它可以有效地求得有时间窗车辆路径问题的优化解。     

遗传算法在SPLP问题上的应用

就遗传算法在SPLP问题上的应用进行了总结和归纳、并用局部搜索能力很强的爬山算法来优化产生下一代群体,从而使得群体迅速逼近最优,避免陷入局部最优解。     

基于混合DE算法的改进海豚群算法

为了提高海豚群优化算法的优化能力,针对基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷,将DE入算法,提出了一种改进的海豚群算法。算法通过DE的交叉和变异机制避免局部最优。测试结果表明,改进的算法在收敛速度和寻优精度方面有更好的表现。     

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。     

配电网重构算法的研究

文章对以网损最小为目标函数的配电网重构算法进行了研究,提出一种改进的进化算法进行重构.算法改进了用遗传算法或者差异进化算法进行重构时产生大量不可行解的不足,根据梯度的概念和配电网络的结构特点,对可行解进行加速操作,使之迅速靠近并最终成为一个局部最优解,然后进行移民操作,以保持种群的多样性.最终选择所有局部最优解当中最优的个体为全局最优解.算例结果证明了此算法的优越性,表明该算法有较好的搜索效率.     

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的物流配送路径优化问题数学模型的基础上．构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

配电网重构算法的研究

文章对以网损最小为目标函数的配电网重构算法进行了研究,提出一种改进的进化算法进行重构。算法改进了用遗传算法或者差异进化算法进行重构时产生大量不可行解的不足,根据梯度的概念和配电网络的结构特点,对可行解进行加速操作,使之迅速靠近并最终成为一个局部最优解,然后进行移民操作,以保持种群的多样性。最终选择所有局部最优解当中最优的个体为全局最优解。算例结果证明了此算法的优越性,表明该算法有较好的搜索效率。     

求解多目标TSP问题的离散粒子群优化算法

文章通过分析多目标TSP问题的性质,在Pareto最优解的基础上提出了偏离度,将多目标转化为单目标;然后针对利用离散粒子群算法(DPSO)求解,只考虑排斥算子时,结果会过早的陷入局部最优的不足,将惯性权值保留能起到平衡局部搜索能力和全局搜索能力,适当的设置惯性权值能促进全局搜索;最后,通过计算机仿真验证了用DPSO解决多目标TSP是有效的。     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。     

自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

改进的离散粒子群算法在配送问题中的应用

为了解决配送问题，对离散粒子群优化算法进行改进，保留惯性权值对速度的影响，把粒子的解储存为数组形式．增加群体相似度和排斥算子来让粒子跳出局部最优；仿真结果与其它算法的结果进行对比，发现改进的粒子群算法能够找到更好的解，并且收敛速度快，能在一定程度上避免早熟现象。     

微粒群算法在自然灾害等引起的变化路径运输问题中的应用研究

"11.15"的上海特大火灾造成了巨大的人员与经济的损失。如果消防车辆能克服交通系统的不畅而更及时赶到的话,或许结果会不一样。因此如何将路径变化运输转化为车辆路径问题(Vehicle Routing Problem,VRP),并求解恰当的行车路径,对于城市应急以及日常的物流配送企业都有着重大的现实意义及经济价值。文中将微粒群算法(Particle Swarm Optimization,PSO)应用于车辆路径问题,建立车辆路径问题的微粒群算法的数学描述,编译出此问题的程序,并对一个实例进行仿真分析。     

基于禁忌搜索算法的多生产系统产能分配研究

文中通过采用指派问题求得产能分配的局部最优解,将其作为禁忌搜索算法的初始解,应用禁忌搜索算法进行全局最优寻解,从而对多生产系统的产能进行合理分配,并进行实例验证及结果分析。     

带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合．充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。     

嵌入ERP的供应链APS系统

高级计划排程系统,是供应链管理中的一种决策优化的计算机系统。APS通过复杂而有效的算法,可快速生成跨越整个供应链的,最优或近似最优计划。本文介绍APS的基础,搭建了供应链APS的基本思路,并提出新一代APS集成系统的模型。APS的很多理论和模型对企业带来的预期利润将不可估量。     

混合PSO算法求解混装工艺下的加热炉调度问题

针对钢铁生产中为减轻混装的影响在冷热板坯混装处空炉的情况,以提高成品质量、降低能耗为目标,建立了混装工艺下并行加热炉调度的数学模型,并提出了基于粒子群算法和邻域搜索技术的混合算法,仿真实验验证了算法的可行性和有效性。     

基于粒子群算法的汽车扭杆悬架弹簧优化

为提高粒子群算法(Particle Swarm Optimization,PSO)寻优的全局性能,文章在基本粒子群算法中引入混沌理论(Chaos)的Logistic映射,并将改进后的算法运用到汽车扭杆悬架弹簧的优化设计中。数值实验的结果表明,与传统PSO算法相比,改进后的算法具有更强的全局收敛性,与传统设计方法相比,使用本文算法设计出的汽车扭杆弹簧的变形势能要高出1.6%,有效地提高了其避振效果。