具有自适应度双群体PSO的组群机器人队形控制

针对粒子群算法对约束条件的优化处理问题,提出一种具有自适应度双群体粒子群优化算法,该算法将目标函数与约束条件分别考虑,形成2种群体以不同目标为前提同时向最优解进化;并分别对2种群体的适应度引入自适应权重系数与相应调整策略,基于并非所有非可行个体均劣于可行个体概念,动态地调整其适应度以保证部分非可行个体向可行域进化.将其应用于组群机器人队形控制中,链型结构(纵队)队形仿真结果表明了该算法的有效性.该粒子群算法为实际应用中约束优化问题的求解提供了新的途径.     

考虑物料需求关联与周转率的仓储货位优化方法

在仓储配送中心常见的"波次拣货、整体补货"的分区拣选环境中,为减少整体作业时间,基于谱聚类(spectral clustering,SC)算法及货位指派规则,提出了综合考虑物料需求关联与周转率的货位优化方法。构建了物料关联性计算模型、物料相似性度量模型、聚合类存储优化模型及物料存储优化模型,通过肘方法确定聚类的最佳簇数后,在基于拉普拉斯矩阵分解的SC算法中引入KMeans++算法对物料进行聚类,以降低初始聚类中心点选择的随机性,最后基于货位指派规则对聚合类及货位的布局进行优化调整。试验结果表明,考虑物料需求关联与周转率的货位优化方法,不仅能够有效缩短订单拣选路径,而且可以提高订单拣选效率。     

多端口出入式自动化存取系统作业集成优化

为了提高具有双板作业运作特点的多端口出入式自动化存取系统(AS/RS)整体作业效率,在统筹考虑货位分配和指令序列排序对作业时间影响的基础上,提出以最小化指令序列完工时间为优化目标的集成优化模型。引入交换和插入思想构建货位分配和指令排序的搜索邻域,并分析2种邻域构建方法对指令序列完工时间的影响。最后,设计二阶段禁忌搜索算法对问题进行求解,利用货位分配和指令排序2个阶段禁忌搜索过程的反馈获得模型最优解,其求解过程体现货位分配和指令排序2个优化方面在邻域搜索过程中互相影响、互相嵌套的复杂关系。研究结果表明:二阶段禁忌搜索算法在不同的货位规模和指令序列规模下均能获得满意解,具有较好的鲁棒性和计算效率;相比"先到先服务"和"最近邻"调度规则,本文优化方法能够有效缩短指令序列完工时间。     

基于遗传算法的立体仓库货位动态分配优化

针对企业仓储管理中货位分配效率低的现状,提出立体仓库货位动态分配优化问题的数学模型和约束条件并对货位分配策略进行了讨论.采用基于遗传算法的权重系数变换法对优化模型进行求解.通过仿真验证了算法的有效性.     

仓储货位选择优化问题的研究

本文结合仓储管理的现状，对仓储管理中如何确定最优货位问题进行了详细的分析。确定了货位优化的目标，以及货位优化必须满足的约束条件，建立了货位优化模型，并采用遗传算法对该模型进行求解。     

面向节能的建筑设计多目标优化方法

考虑绿色建筑设计时重点关注的两个指标(节能和舒适度),建立绿色建筑节能设计的多目标优化模型;采用建筑能耗模拟软件EnergyPlus评价个体的适应值,利用基于分解的多目标进化算法优化上述模型,给出融合EnergyPlus的建筑节能多目标进化优化算法及其执行方法.以我国北方常见的多房间居民建筑为例进行多目标优化,结果表明:相比NSGA-II等经典智能优化设计算法,所提方法在只增加了0.61%能耗的基础上减少了1.29%的不舒适时间.     

动态武器目标分配问题中改进遗传算法的元级控制

动态武器目标分配问题是一类实时性很强的优化问题.考虑分配的时间约束时,其求解算法应该是anytime算法,即算法在任意时刻都能输出合理解,且解的质量随时间增加而增加.在有限的计算时间内,anytime算法的运行时间应在综合考虑解的质量、计算代价及环境状态的变化而确定,以使解的效用最大化.该文针对有截止期的动态武器目标分配问题的anytime算法,利用元级控制过程控制算法的响应时间.在分析算法解效用影响因素的基础上,建立了时间相关的解效用公式,并基于该公式给出了一种元级控制策略.仿真结果验证了对动态武器目标分配的anytime算法进行元级控制能有效提高解的效用.     

多载具自动化存取系统货位分配和拣选路径集成优化

为了提高多载具自动化存取系统整体进出库效率,分析了多载具自动化存取系统的运作特点,建立了同时考虑货位分配和拣选路径的集成优化模型。模型以最小化单位指令周期的行程时间为优化目标,最后设计了两阶段禁忌搜索算法求解该问题。不同货位规模和不同载具数量的数值实验结果表明:两阶段禁忌算法获得的行程时间较初始解有至少40%的改善,而且与分别优化的方法相比行程时间也能降低7%~23%。     

低碳制造环境下车间有限刀具多目标调度研究

为解决低碳制造环境下刀具在机床之间的调度问题,基于任务的机床分配方案,聚焦于车间内刀具的流转和使用过程,建立了综合考虑生产任务的完工时间、加工成本及加工碳排放的多目标刀具调度模型。针对调度过程中刀具资源数量和寿命受限的问题,在NSGA-Ⅱ算法基础上,提出了考虑解个体不可行度的选择算子,并利用不可行阈值的自适应更新方法,维持种群中不可行解在一定的比例,用来提高算法对于优化解的搜索能力。实验验证结果表明,与仅考虑完工时间的模型相比,本模型得到优化方案的加工成本、碳排放分别降低了21.8%、14%。所建立的多目标刀具调度模型能有效地解决低碳制造环境下车间有限刀具的调度问题,计算得到的帕累托最优解集为刀具的优化调度提供了可行的解决方案。     

基于强度Pareto进化算法的双足机器人步态规划

为了获得良好的双足机器人步行模式,提出了以步行过程中机器人的稳定性、移动性和能耗为目标的步态规划多目标优化方法.该方法基于倒立摆模型产生基本步态,并使用罚函数法和改进的强度Pareto进化算法(SPEA2)在可行域中求得基于基本步态的Pareto解集,从而找出最优解.最后在Matlab6.5仿真环境下进行步态仿真,并将...     

多目标动态加权差分算法及在电力经济调度模型上的应用

考虑多目标动态加权进化策略不能有效处理高维变量多目标函数的缺点，本文利用差分算法代替进化策略，提出一种多目标动态加权差分算法．最后，通过优化典型多目标优化问题以及电力经济调度模型优化，验证了所提算法的有效性。     

基于混合粒子群算法的货位优化分配问题

基于COI分类存放的思想,同时考虑到货位分配问题中存取开销和占地花费的平衡,提出了一种混合粒子群算法以解决仓库货位优化分配问题．建立货位分配模型,并引入了货物的COI值对货物进行重新分类．将粒子群算法同人工蜂群算法相结合,通过优化COI值从而对货位进行优化分配．最后,进行实验分析并证明了混合粒子群算法的正确性,可有效地应用分类存放策对货位进行优化分配,减少货位数和存货代价．     

CSP产线全流程负荷分配策略优化

为了降低热连轧生产能耗,将出炉温度和负荷分配作为优化变量,建立生产能耗目标函数,采用一种参数自学习动态差分进化算法对目标函数进行求解,实现出炉温度和压下负荷分配的最优化。研究结果表明:对于典型规格,与传统的工艺制度相比,能耗降低9%左右,收敛速度快,计算时间能够满足在线使用要求,证明了该方法在线使用的有效性,为现场工艺提供了指导。     

基于进化策略的港口集装箱装船作业优化

使用一种进化策略算法对港口集装箱装船作业顺序进行优化 .首先对港口集装箱码头的结构及其装船作业过程进行分析 ,针对集装箱装船作业排序问题 ,建立了考虑位置约束和设备约束等条件的优化目标函数 ,给出了目标解的染色体表达方式和基于混合变异的进化机制 ,并通过实例计算和分析验证了算法的实用性 .     

WSN中基于多目标优化的协同任务分配算法

对无线传感器网络目标跟踪中的协同任务分配机制进行了研究,针对一般任务分配算法中优化目标单一的缺陷,提出了一种基于多目标优化的任务分配算法.首先,建立了基于动态联盟的具有跟踪精度、系统能耗、负载均衡等多个目标参数的优化模型,并采用多目标进化算法NSGA-Ⅱ对模型进行求解;然后,提出了一种基于折中度的决策精选策略,从最优解集中决策出最终的任务分配方案.针对跟踪精度、能耗、负载均衡的仿真结果表明:所提算法可以对多个目标并行优化,较快收敛到全局最优解;与一般任务分配算法相比,该算法可获得更佳的调度结果.     

货位载重约束下自动化仓库货位实时分配技术研究

传统分配方法忽略了货位载重约束,且采用的寻优方法容易陷入局部最优,导致货位分配结果稳定性和出入库效率低、阻塞时间长。为此,提出一种货位载重约束下自动化仓库货位实时分配方法。对货位分配问题进行分析,依据出库时间目标构建货架稳定性模型,对货架稳定性模型进行货位载重、存取和存储约束;引入Pareto最优解,通过遗传方法对目标函数进行求解,求解过程包括染色体编码、染色体解码、适应度函数和种群选择、交叉和遗传。实验结果表明,所提方法稳定性和出入库效率高、缓冲区阻塞时间短。     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

货位载重约束下自动化仓库货位实时分配技术

传统分配方法忽略了货位载重约束,且采用的寻优方法容易陷入局部最优,导致货位分配结果稳定性和出入库效率低、阻塞时间长。为此,提出一种货位载重约束下自动化仓库货位实时分配方法。对货位分配问题进行分析,依据出库时间目标构建货架稳定性模型,对货架稳定性模型进行货位载重、存取和存储约束;引入Pareto最优解,通过遗传方法对目标函数进行求解,求解过程包括染色体编码、染色体解码、适应度函数和种群选择、交叉和遗传。实验结果表明,所提方法稳定性和出入库效率高、缓冲区阻塞时间短。     

一种基于ELECTRE法的多目标优化进化算法

将多目标属性决策方法中的ELECTRE法引入到多目标优化进化算法中,提出了一种新的多目标优化算法.采用辅助群体来存储进化过程中的非劣个体,并且采用与SPEA-Ⅱ相同的适应值分配策略来保证解的良好分布性.此外,构造出一种新的超序关系对个体进行排序,证明了该超序关系比Pareto优劣关系弱,利用此超序关系,能增强进化过程中的选择压,加快收敛速度.数据实验结果表明,该算法能很好地收敛到Pareto最优,有效地保持解的多样性.     

基于混合优化鱼群算法的近空间飞行器控制分配

为解决近空间飞行器的控制分配问题, 研究了一种融合了差分进化与遗传进化的鱼群优化算法控制分配策略。该方法能充分考虑执行器的动态约束, 根据操纵面物理约束随机产生鱼群的初始个体, 再利用鱼群算法进行全局搜索。鱼群算法搜索范围从全局搜索快速收缩进入局部搜索, 在收敛速度减慢或停滞时, 利用差分进化算法运行速度快及局部优化的优势, 以提高收敛速度和精度。同时在差分进化未能获取更优解时, 由遗传算法进行全局寻优, 避免分配结果收敛于局部最优解, 从而提高整个分配算法效率。同时将该方法应用于某近空间飞行器。仿真结果表明, 该控制分配方法能有效地将控制指令分配到各操纵面上, 实现良好的跟踪效果。