基于禁忌搜索算法的船舶舱室智能布局设计

为提高船舶舱室布置的自动化、智能化水平,建立了船舶甲板布置区域模型和包括相对位置目标、绝对位置目标及人机工程约束目标的多目标优化数学模型.在建立模型的基础上,针对船舶舱室布局优化设计的特点提出了一种基于多初始解共同进化和模拟退火算法Metropolis接受准则相结合的改进的禁忌搜索优化算法,新算法可有效减少禁忌算法对单一初始解的依赖性,加快算法的收敛.最后运用建立的优化模型和改进后的禁忌搜索算法进行了仿真实验,实验结果验证了模型的可行性和改进的禁忌搜索算法性能的优越性,可有效缩短传统的舱室布置设计周期,提高设计质量.     

基于遗传算法的船舶舱室通道布局联动优化

针对舱室与通道联动优化问题,将舱室与通道布局联合考虑,将舱室和通道位置序列作为设计变量,舱室间邻接强度和流通强度的加权作为目标函数,舱室通道面积和通道位置作为约束条件,采用遗传算法对舱室和通道布局进行联动优化.在计算舱室间最短距离时采用Dijkstra算法.以船舶生活区舱段为算例进行对比验证,分别进行通道位置参与布局设计的舱室通道布局联动优化、通道位置不参与设计的舱室布局优化.算例结果表明,本文提出的联动优化方法具有可行性,对比结果显示联动优化更具优越性.     

舰船舱室分布的多目标优化设计模型研究

为了提高舰船总体布置设计的自动化水平和决策的科学性,提出了舰船舱室分布的多目标优化设计模型,通过采用模糊建模的方法,在依靠设计者的经验的基础上,将总布置初步设计过程中舱室的分布问题所涉及到的环境载荷（舱室噪声、振动和船舶的运动）、舱室间邻近与远离约束、质量控制和区域甲板面积的利用等约束和目标变成可量化和评价的指标,利用模糊算子将这些指标集结成舱室分布设计的目标函数,通过采用智能优化算法得到总体效果满足上述设计目标和约束的舱室分布设计方案,对提高总体布置设计的自动化能力具有参考意义.     

面向语义推理应用的船舶舱室布置设计本体模型

由于设计知识难以继承与共享,当前船舶舱室布置设计自动化程度还处于较低水平,导致船舶设计的总体效率较低,船舶舱室布置设计已成为制约整个设计过程效率的瓶颈.针对这些问题,将本体论的思想引入船舶舱室布置设计领域,在船舶舱室布置设计知识的基础上,提出船舶舱室布置设计本体模型构建方法.分析船舶舱室布置领域本体模型构建需要考虑的因素,运用本体建模软件Protégé搭建领域本体,该本体可为后续的推理活动、设计知识共享,以及船舶舱室布置智能设计系统的开发提供理论基础与技术支持.最后,通过一艘350t渔政船舱室布置设计实例,验证了所提本体模型的可行性和有效性.     

求解VRPBTW的变邻域搜索算法

以电子商务环境下物流配送为背景,建立了带有时间窗和回程载货约束的车辆路径问题优化模型,设计了改进的变邻域搜索求解算法.该算法采用改进的Braysy顺序插入法生成问题初始解,再根据变邻域搜索算法机制应用4种不同搜索范围的局域搜索算子对初始解进行改进.通过对多个算例的求解实验,并与采用一般流程的变邻域搜索算法进行比较,结果表明所提出的变邻域搜索算法的求解效果明显优于采用一般流程的变邻域搜索算法,是求解该类问题的有效算法.     

面积约束下船舶舱室声学布局优化设计的理性准则法

给出了船舶舱室声学布局优化通用模型的数学表达式,解决了舱室声学布局优化设计难以定量化描述的难题.基于该通用模型,研究考虑舱室面积约束和非标准空间约束的声学布局优化设计问题,给出了求解这类问题的理性准则法.针对常规舱室面积约束的声学布局设计,通过建立改进的计权指派系数矩阵,采用基于匈牙利算法的准则法求解;针对待分配空间数量不等于待分配舱室数量的非标准空间约束,提出基于排序不等式的非标准空间布局准则法.通过算例分析,验证了面积约束条件下舱室总体声学布局优化的理性准则法有效性.     

基于反向学习遗传算法的船舶舱室布局优化方法

为实现舱室布置参数化、智能化,针对船舶舱室布局优化设计的特点,建立包括舱室间物流强度目标、邻近强度目标和固定位置目标的多目标优化模型.在建立数学模型基础上,运用基于反向学习优化种群产生法改进的遗传算法求解该模型,通过扩大解的搜索范围使其跳出局部最优,引导种群找到全局最优解.最后,运用建立的优化模型和改进后的遗传算法进行仿真实验,得到了更加合理的结果,验证了本文方法的可行性和有效性.     

多目标群搜索优化算法及其在结构设计中的应用

为克服工程结构多目标优化设计中遇到的边界处理困难、编程复杂、计算效率低等问题,结合Pareto最优解理论,将群搜索算法改进成多目标群搜索算法(multi-objective group search optimization,MGSO)。通过平面10杆桁架的连续变量优化及空间25杆桁架的离散优化设计的算例,证明多目标群搜索算法在工程结构优化设计中的可行性与实用性。结果表明:多目标群搜索算法作为一种随机算法,其收敛速度快,在计算过程中只需要选择整体最优个体,不需要逐个检查约束,能节省大量的计算时间,对于高维问题,特别是复杂的工程实际问题,有明显的优越性。     

低压开关槽式变换器多目标优化

为满足低压应用场合下DC-DC变换器高效率、小尺寸和低成本等多方面需求,提出一种同时优化DC-DC变换器的功率损耗、物理尺寸和成本的方法。以低压开关槽式变换器(switched tank converter, STC)为例,在分析其工作原理基础上,首先建立元器件的功率损耗、面积和成本模型,以设计指标为约束条件,再建立一个以功率损耗、面积和成本为优化目标的变换器多目标优化模型,且优化模型中的参数可从器件数据手册查到。采用基于非支配排序引力搜索算法(non-dominated sorting gravitational search algorithm, NSGSA)改进得到的大范围改进的非支配排序引力搜索算法(large-scale improved NSGSA,LSINSGSA)求解变换器多目标优化模型。将所得优化结果与NSGSA和NSGA-Ⅱ(non-dominated sorting genetic algorithmⅡ)算法的优化结果进行比较。结果表明,提出的STC变换器多目标优化方法可以得到综合性能最优的器件组合方案,实现STC的效率、面积和成本达到折衷最优的目的,改进的LSINSGSA算法的收敛性与Pareto前沿中最优解均匀分布性均优于NSGSA和NSGA-Ⅱ。     

一种引入复合形法的改进引力搜索算法

针对引力搜索算法求解复杂问题时搜索精度不高、易出现早熟收敛问题,提出一种引入复合形法的改进引力搜索算法。该算法在寻优初期利用引力搜索算法进行全局搜索,同时对引力系数进行改进,以提高全局收敛速度;在寻优后期,当算法出现早熟收敛现象时,引入复合形法,利用复合法较强的局部搜索能力,帮助种群快速跳出局部最优解。通过5个标准测试函数验证了改进算法的可行性和有效性。与标准引力搜索算法、基于权值的引力搜索算法、记忆性引力搜索算法相比,该算法具有更高的收敛精度和更快的收敛速度。     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性,通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子,提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法,改善算法初始种群的均匀性;通过引入基于NEWUOA算法的局部搜索算子,提高算法的局部搜索能力;在算法的越界处理方面,提出一种基于环形区间和随机波动的方式,降低算法陷入局部最优的可能;引入了非线性收敛因子和自适用权重,均衡算法的局部和全局搜索,并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验,验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法,在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题,考虑最小化装配线的节拍时间,将改进的鲸鱼优化算法用于问题求解;在解码阶段,设计一种基于阈值的解码方法,优化工序的分配过程;最后计算了21个混流装配线算例,结果表明,改进的鲸鱼优化算法在20个算例中求得了更优解,相较于其它算法,节拍时间平均降低3.02%。     

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法（GSA）基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法（IGSA）,并将其应用到励磁控制系统PID参数优化．IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力．定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略．将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性．     

考虑距离因素的多方式交通超级网络均衡配流模型及算法

考虑了出行距离对出行者不同感知费用的影响,提出了一种考虑距离因素的多方式用户平衡配流方法。对出行者在多方式交通系统中的出行行为进行了分析,基于图论构建了用于描述一般出行过程的多方式超网络模型,并定义了有效超路径和子路径。针对出行者在不同出行过程中时间和花费这两个主要定量因素的计算方法,同时考虑了出行距离对出行者感知费用的影响机制,构建了考虑距离因素的出行广义费用函数。在此基础上,提出了基于用户平衡准则的多方式交通网络配流模型,并提出了基于子路径费用的最短超路径搜索算法。最后用一个简单算例对模型进行了验证,结果表明本文所提出的模型及算法可行有效。     

基于高斯学习多峰延迟粒子群优化算法

为克服粒子群在解决多峰函数复杂问题时存在收敛速度慢和极易陷入局部最优值的缺点,提出了一种基于高斯学习多峰延迟粒子群混合算法。首先引入改进的高斯学习提高算法的收敛速度,然后在此基础上,针对4 种进化状态在算法中引入延迟因子避免局部最优问题。通过对6 个单峰多峰测试函数进行仿真实验,验证了GLPSO( Gaussian Learning PSO) 算法具有更好的收敛速度,同时验证了GLMDPSO( Gaussian Learning Multimodal Delayed PSO) 算法在处理多峰函数复杂问题时具备更好的全局搜寻能力。因此,改进算法在解决多峰函数寻优问题时可有效跳出停滞状态,提高收敛速度并具有较好的寻优能力。     

基于引力搜索和粒子群混合优化算法的T-S模型辨识

提出了基于引力搜索(GSA)和粒子群(PSO)混合优化算法(GSAPSO)的T-S模型全局优化辨识方法.该方法充分整合GSA的勘探能力和PSO的开采能力,在GSA中引入PSO的个体最优值和群体最优值,同时改进惯性权重调整算法.T-S模型辨识分为结构辨识和参数辨识,采用聚类方法和GSAPSO算法同时辨识模型的结构和参数,从而实现全局优化辨识.仿真实例和比较分析证明了GSAPSO较标准的PSO和GSA有更强的全局优化能力和更高的辨识精度.     

基于信息熵的改进海豚群算法及其桁架优化

针对基本海豚群算法易陷入局部最优的缺陷,提出了基于信息熵的改进海豚群算法,引入信息熵来度量海豚群搜索阶段的不确定性,控制搜索阶段的选择概率,降低盲目搜索,克服了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。将改进后的算法应用到桁架结构的优化中,并与其他算法优化结果进行了比较,证明了改进的算法在收敛速度和寻优精度方面有更好的表现,将其应用到桁架结构优化设计中,为结构优化设计提供了一种有效的方法。     

基于改进粒子群算法的3-RPS并联机构正解研究

为快速准确求解3-RPS并联机构运动学正解,将其化归为非线性方程组求解问题,又基于优化理论将其转化成多目标优化问题,并以加权法将多目标问题转化为单目标优化问题,最后采用改进粒子群算法进行数值求解,最后给出了算例。仿真结果表明:该方法适用于求解并联机构的正解问题,其收敛速度和计算精度较标准PSO算法有明显改善。     

基于混沌自适应引力搜索的模糊C均值聚类算法

针对传统模糊C均值聚类算法(FCM)易陷入局部极小值和对初值敏感的缺陷,提出一种基于混沌自适应引力搜索的模糊C均值聚类算法.首先采用自适应的更新粒子速度和混沌优化粒子最优位置的策略,对引力搜索算法进行改进.其次,用改进的引力搜索算法优化FCM的初始聚类中心.在Iris和Wine数据集上的实验表明,该算法具有很强的全局搜索能力,提高了聚类的效果和效率.     

基于改进动态因子的鲸鱼优化算法

为了实现鲸鱼优化算法的种群多样性、减小计算复杂度,构造具有搜索上下界的初始种群。进一步,设计动态收敛因子和动态权重因子,以提高算法的收敛速度和计算精度,在此基础上,提出基于改进动态因子的鲸鱼优化算法并证明了其收敛性,分析了其复杂度。为了验证新算法优化性能和普适性,将改进的鲸鱼优化算法与其他优化算法进行比较,并将其应用到无人机路径规划中。结果表明：基于改进动态因子的鲸鱼优化算法相比于其他优化算法有更好的收敛精度和更快的收敛速度。可见,基于改进动态因子的鲸鱼优化算法性能更好,能更高效的完成任务。