货箱到人模式下的AMR拣选路径规划

针对货箱到人拣选模式下AMR的拣选路径规划问题,构建以总作业时间最小化为目标的AMR拣选作业优化模型,并采用粒子群算法对模型进行求解。为解决标准粒子群算法存在易早熟收敛和陷入局部最优解等问题,设置二阶振荡环节和随机惯性权重,提出一种改进的粒子群算法。在实验分析中,将文章方法应用于某配送中心AMR库系统,并将改进的粒子群算法与标准粒子群算法进行比较。实例实证表明改进的粒子群算法具有更高的迭代效率和求解精度,相较于标准粒子群算法节约了15.6%的拣选时间,能有效降低货箱到人模式下AMR拣选作业耗时。     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

基于多Agent粒子群改进算法的车间调度

针对制造系统中车间调度过程存在的动态性与复杂性问题,本文基于粒子群算法,结合多Agent协同优化性,构建了粒子群算法的是适应度函数,以及多Agent车间调度的行动策略,提出了基于多Agent粒子群改进算法(particle swarm improved algorithmbased on multi-agent,PSIMA),建立了基于多Agent粒子群改进算法流程。最后,通过具体实例,该方法比传统粒子群算法在计算时间以及计算复杂度上有明显改进,为解决制造系统中车间调度问题提供了一种新的方法指导。     

SVM分类器在继发性干燥综合征诊断中的应用

本文为解决SLE患者并发继发性干燥综合征不易诊断及确诊主观性较强等问题,提出了一种可供计算机学习的支持向量机智能算法预测诊断模型。首先对材料中141名患者的26种相关诊断指标进行数据预处理,使之成为能够适合支持向量机计算的量化数据;其次运用交叉验证法、网格搜索法、改进的粒子群优化算法分别对支持向量机模型中的惩罚系数C与核参数g进行优化选择,并利用MATLAB软件分别画出以上3种优化方式得出的支持向量机参数模型;最终对比选出对SLE患者并发继发性干燥综合征疾病诊断预测度最高的预测模型。结果表明,基于改进的粒子群算法优化的支持向量机分类模型参数的自优化,对该疾病预测诊断精度最高。     

基于PSO优化LSSVM在基坑开挖过程中周围建筑物沉降预测研究

本文提出一种用粒子群优化算法来确定LSSVM参数的方法。该方法是在对LSSVM进行分析的基础上,融合PSO的群搜索特征来提高LSSVM预测精度。文章最后采用昆明市某基坑周围建筑物沉降数据对此模型进行了验证,并与其他算法进行了对比分析,计算结果表明用该模型进行沉降预测相比其他算法具有较快的收敛速度和更高的预测精度。     

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。     

多粒子群混合算法求解虚拟组织服务资源配置

为了提高虚拟组织服务资源配置的效率,本文提出了一种多粒子群混合算法。该混合算法将多种群与线性搜索相结合,在算法优化过程中,通过多个粒子种群协同来控制种群的多样性,将多种群中较优的粒子进行复制,同时在每个种群中对单个粒子进行维变量变换。实验结果表明该方法具有可行性。     

集宁物流园区配电网网架规划研究

文章在研究国内外配电网规划模型及算法的基础上,以集宁物流园区配电网规划为研究对象,对配电网规划模型及算法进行探究。文章提出一种年费用最小法的配电网优化模型,采用改进粒子群算法进行计算,得出了集宁物流园区配电网规划结果,规划结果显示:模型合理,改进算法精度高、收敛速度快,规划结果良好。     

基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明:该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

基于改进粒子群算法的SVR参数优化选择的研究基于改进粒子群算法的SVR参数优化选择的研究

支持向量回归机（SVR）模型的拟合精度和泛化能力取决于其相关参数的选取,由于在参数的选择范围内可选择的数量是无穷的,在多个参数中盲目搜索最优参数是需要极大的时间代价,并且很难逼近最优。因此提出了基于改进粒子群算法的SVR参数优化选择方法。仿真结果表明：该改进粒子群算法优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

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。     

基于混合算法的电力物料车辆排队服务优化

针对电力物料产品出入库频繁,扰动大,异质物料装卸时间差异大,车辆排队服务时间不确定等问题,建立电力物料装卸排队服务优化模型,模型中考虑了转换装卸仓库的时间对优化方案的影响。利用遗传算法对优良基因的记忆保留特性和算法收敛性以及粒子群算法迭代的方向性,提出混合遗传粒子群算法,加入了Metropolis抽样准则以提高算法跳出局部最优的能力。最后对国家电网天津市电力物资公司智慧物流园区实际数据算例进行仿真优化分析,模型优化后比实际的车辆平均空闲时间、最大空闲时间和总空闲时间都有大幅度减少,表明了模型的可行性和算法的有效性。相关研究模型已在企业智慧物流园区供应链多环节协同关键技术研究项目中进行分析与验证,并应用于企业实际仓储服务信息系统,极大地减小了企业运输车辆排队等待服务现象,减少了时间与成本浪费,具有较强的实际意义与应用价值。     

加强电网的无功电力调度

文章基于对粒子群优化算法的分析,分析了如何加强电网无功电力调度。粒子群优化算法是基于迭代的优化方式,有着调整参数少、容易实现的优势,可以在迭代次数较少的情况下获取到最优解,该种算法以其收敛快、精度高、容易实现的优势在各个领域中都得到了广泛的使用。     

基于改进的樽海鞘算法优化BP神经网络参数的分类识别方法

针对BP神经网络容易陷入局部最优解从而无法收敛到全局最优解,以及收敛速率过慢的现象,本文采用一种改进的樽海鞘算法寻找BP神经网络的权重和阈值这两个参数的最优参数。之后采用BCI 2003运动想象数据集进行分类识别测试,并且分别利用樽海鞘算法、粒子群优化算法、差分进化算法、权重自适应樽海鞘算法、疯狂自适应樽海鞘算法对BP神经网络进行参数优化作对比研究,结果显示,采用改进的樽海鞘算法优化BP神经网络参数的模型比其他模型得到的平均分类准确率要高。     

粒子群自进化算法求解物流装箱问题

为了解决当今物流行业中装载货物类型为强异构的情况,提高装载填充率和效率,提出了一种求解三维装箱问题的元启发式算法——粒子群自进化算法。算法包含两部分：极限点构造启发式算法和粒子群自进化规则。极限点构造启发式算法引入了极限点的概念,利用新的极值点思想推导出了三维装箱问题的启发式算法。粒子群自进化规则提出了在货物装载序列中表示粒子的方法,推导了粒子间交叉、变异算子,在极限点构造启发式算法的基础上不断迭代进化完成货物的装载。通过不同结果的比对,证明该算法显著提高了物流装载的空间利用率,强异构货物的平均装载率达到了85%,验证了算法在强异构货物下的有效性与优越性,并给出了货物装载的三维模型。由于实际测试集的缺少,分别为机腹仓装载类和集装板类模型提出了实例生成器,通过生成器的测试集验证了算法在实际应用中的紧凑性、实用性和快捷性。     

自适应粒子群优化算法在车间作业调度问题中的应用

采用粒子群优化算法对该问题进行求解,为了提高算法的求解性能,针对粒子群算法特点,提出了一种自适应的惯性权值来调整算法的搜索空间和一种自适应更新策略来动态地更新粒子的位置.最后通过经典的实例对本文提出的算法进行了检验,结果表明,该改进的粒子群算法在求解车间作业调度问题是有效的.     

考虑总量和体积双重约束的时间窗车车两路径问题研究

车辆路径问题是被学者普遍研究的一个问题,也是一个经久不衰的研究课题.文章通过对车辆路径问题的改进,基于多种种类的货物,对考虑货物的不同重量和体积限制的带时间窗的车辆路径问题建立模型.通过粒子群算法求解模型,给出合适的解决方案.     

基于改进PSO算法的物流配送中心选址

首先对物流配送中心选址进行分析,在考虑固定建设费用及运输成本等的基础上建立数学模型。针对模型的特点,采用流行的群智能算法—粒子群优化算法进行求解。在对基本粒子群算法的分析基础上,提出了改进的粒子群算法,克服了基本粒子群算法早熟以及易于陷入局部最优的缺点。利用典型的基准测试函数Shaffer对算法进行验证,最后给出仿真实例,证明了算法的合理性。     

一类VRP问题的改进PSO算法求解

VRP问题是物流领域的热点研究问题。在对一类典型的VRP问题建立了数学模型,提出了一种改进粒子群优化算法以求解该模型。算法针对问题设计了顺序编码方案,并引入了局部搜索以提高算法的局部搜索能力。仿真结果表明了所提离散粒子群优化算法求解此类VRP问题的有效性。     

考虑总量和体积双重约束的时间窗车辆路径问题研究

车辆路径问题是被学者普遍研究的一个问题，也是一个经久不衰的研究课题。文章通过对车辆路径问题的改进，基于多种种类的货物，对考虑货物的不同重量和体积限制的带时间窗的车辆路径问题建立模型，通过粒子群算法求解模型，给出合适的解决方案。