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。     

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,可大大增强PSO算法的全局搜索能力。     

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.     

多线程蚁群算法及其在最短路问题上的应用研究

针对基本蚁群算法,提出一种多线程蚁群算法。该算法引入多线程技术,将线程作为蚂蚁,而且借鉴于自然界中生物个体的差异性,从选择策略方面加强了蚂蚁个体对未知路径的搜索能力;同时对局部搜索和全局更新策略进行了改进。实验结果表明,该算法可以有效地克服基本蚁群算法的收敛速度慢和易出现停滞现象的缺陷,能够较快的收敛到全局最优解。     

基于改进FOA的SVM参数优化研究

为了提高支持向量机(SVM)分类性能,同时针对果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的特点,提出了一种改进的FOA算法(LFOA),并将其应用于SVM的参数寻优中。该方法在运算个过程中根据果蝇种群的进化程度,动态的将种群分为较差子群和较优子群;较差子群在最优个体的指导下以基本FOA算法进行全局搜索,较优子群则围绕最优个体做Levy飞行,进行精细化局部搜索;两个子群的信息通过全局最优个体的更新和种群个体的重组进行交换。通过对UCI数据库中几个经典数据集的分类测试结果表明,基于LFOA优化SVM参数能够提高SVM的分类性能,效果优于其他几种方法。     

基于模式搜索法改进的单桩极限承载力灰色预测模型

根据拉格朗日中值定理建立了变权背景值构造形式,背景值权值采用具有全局寻优能力的模式搜索法求解,工程实例应用结果显示基于模式搜索法改进的单桩极限承载力灰色预测模型提高了预测精度,具有更好的工程应用价值。     

车辆数不确定的软时间窗车辆路径问题的改进遗传算法

综合考虑车辆数和行驶距离两种优化目标,提出了VRPSTW的多目标优化模型,同时提出了解决VRPSTW问题的一种改进遗传算法。在算法中,通过适应度函浸透的变化,较好地解决了多目标优化的问题;通过对交叉算子改进,增加了算法的寻优能力,同时又克服了算法对群体多样性的要求;针对遗传算法局部搜索能力弱的问题。加入了2-opt局部搜索方法,很好地弥补了遗传算法的不足。经过实验,本方法能较好地解决VRPSTW问题,从而对运榆决策提供有力支持。     

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。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

基于模拟退火算法的TSP问题研究

针对遗传算法求解TSP问题过程中出现的早熟现象,本文将模拟退火算法应用到TSP问题求解中,并进行了仿真实验。结果表明,该算法与遗传算法相比,可以更好地在全局范围内进行搜索。     

平均最优信息粒子群算法在车辆调度中的应用

针对标准粒子群算法在求解车辆调度问题中存在的易陷入局部最优、早熟等缺陷,从粒子群算法本身出发,引入粒子个体与群体的平均信息,提出一种基于平均最优信息的粒子群算法(AVGPSO),该算法利用粒子个体最优信息和全局最优信息的平均值来提高全局搜索能力。将该算法应用到车辆调度问题中,并与标准粒子群算法进行比较。实验结果表明,该算法在解决车辆调度问题中表现出了更优的性能,是解决车辆调度问题的有效方法。     

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。     

一种多周期易腐品库存路径问题模型及其求解算法

通过分析一个供应商用多个相同车辆向多个客户配送一种易腐品,在随机需求下,满足多个周期中客户的服务水平、决策计划期内的配送路线和配送量,以库存持有成本、货损成本、运输成本最小化为目标,建立随机需求的多周期易腐品库存路径问题模型,将库存控制和运输问题整合优化。还针对该模型设计了一种改进的遗传算法,能够保证初始种群以及变异、交叉后的种群的多样性和优越性,有足够搜索全局最优解的能力。     

基于蚁群算法的多单元物料路径协同布置

为保证车间多单元系统布置的物料流路径总成本最小,考虑单元系统物料输入输出I/O点和多单元物料路径布置对总成本的影响,在对I/O点进行定位的基础上,着重对多个单元物料流路径布置进行协同研究,并根据不同情况建立了上下迂回布置的具体优化数学模型--模型A和模型B.设计了一种基于蚁群优化算法(Ant Colony Optimization,ACO)的车间多单元物料流路径优化布置方法,该算法首先通过蚂蚁构建可行解,然后采用局部与全局信息素更新相结合的信息素更新策略,并通过最优改进2-选择局部搜索方法对构建的可行解进行优化,提高了全局最优解的质量.最后通过求解车间多单元系统布置实例,验证模型和算法的有效性.     

基于蚁群算法的多单元物料路径协同布置

为保证车间多单元系统布置的物料流路径总成本最小,考虑单元系统物料输入输出I/O点和多单元物料路径布置对总成本的影响,在对I/O点进行定位的基础上,着重对多个单元物料流路径布置进行协同研究,并根据不同情况建立了上下迂回布置的具体优化数学模型--模型A和模型B。设计了一种基于蚁群优化算法(Ant Colony Optimization,ACO)的车间多单元物料流路径优化布置方法,该算法首先通过蚂蚁构建可行解,然后采用局部与全局信息素更新相结合的信息素更新策略,并通过最优改进2-选择局部搜索方法对构建的可行解进行优化,提高了全局最优解的质量。最后通过求解车间多单元系统布置实例,验证模型和算法的有效性。     

基于改进教学优化算法的施工系统可靠性研究

随着我国建筑施工项目规模的不断扩大,对施工过程的管理提出了更严峻的要求。为了提高大型项目的可靠性,本文引进施工系统可靠性作为综合指标,对施工过程系统的可靠性进行优化分配。以装配式建筑为实例,运用教学算法优化施工系统可靠度,针对教学算法在解决高维复杂问题时易失去种群多样性和陷入局部最优的缺点,在基本教学算法的基础上引入信息熵,提出了基于信息熵改进的教学因子。最后通过将改进后的算法应用到建筑项目施工系统可靠性优化中,结果表明改进后的教学算法比基本教学算法更容易跳出局部最优,具有较强的全局搜索能力。     

基于改进遗传算法的混流手机壳产线动态平衡研究

为解决多目标混流生产线平衡问题,提出了生产调度多目标优化模型,并运用改进遗传算法对问题进行了优化求解.为了扩大搜索的空间避免陷入局部最优解,通过生成变异率和交叉率不同的两个子种群分别单独进化,在保留各种群最优染色体后依着规定的规则相互之间进行交流.结果表明装配线平衡率提升了8.43％,各工作站生产负荷减少了0.9305...     

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。     

基于萤火虫算法带时间窗的双向配送调度

针对带时间窗的双向配送调度问题,重新建立新的带多目标的数学模型,提出一种离散型萤火虫算法和编码策略,并重新定义了个体交叉变异移动公式。同时,根据萤火虫编码个体之间的逻辑距离,构建邻域集合,提高局部搜索能力。并引进个体历史最优记忆功能,加快收敛速度。最后利用随机数和求余函数对编码个体进行扰动,防止过早陷入局部极值。通过仿真案例实验验证了算法的有效性。