基于改进的超宽带危化品仓储堆垛定位技术

提出了基于货物定位技术的危化品仓储堆垛监控新方法.利用货物堆放位置的精确定位参数和货物尺寸数据实现了仓储堆垛位置的三维重构,进而对危化品贮存的五距进行实时监控,通过对超宽带(UWB)技术的静态、动态定位性能实验和定位算法进行分析,针对定位误差的来源提出了多时段协同定位方法,以提高其定位精度.结果表明,改进的UWB定位技术具有定位可靠、精度较高的优点,适用于危化品仓储堆垛的五距监控.     

基于自适应模拟退火遗传算法的码垛次序规划方法

为优化直角坐标码垛机器人码垛次序,节省码垛时间,针对空间中不同类型的物料箱分散堆放与随机选取堆垛位置对拆垛堆垛作业的影响,以拆垛顺序、堆垛顺序、堆垛区域为决策变量,以整个拆垛和堆垛过程总路径最短为目标,构建了物料箱选择与堆垛位置分配的数学模型。将模拟退火算法与遗传算法进行结合改进,设计了基于自适应模拟退火遗传算法的双层启发式算法,对模型进行同步优化,并通过104个物料箱的算例仿真,得到了一组最优的码垛次序。仿真结果表明,与一组随机的码垛次序相比,对物料箱进行选择并对堆垛位置进行分配可以有效缩短工作路径,节省工作时间,模型与算法可行有效。     

基于改进离散蝙蝠算法堆垛机路径优化研究

在自动化立体仓库中,对堆垛机的拣选路径合理优化可以提高货物出入库的效率.本文在不固定堆垛机位置和不考虑周转箱容积的情况下,将拣选路径模型归类为经典的TSP问题,利用蝙蝠算法并设计了一套相关操作算子,在局部搜索过程中混合遗传算法中的交叉策略和2-Opt策略对该数学模型进行优化求解.实验结果表明,该改进离散蝙蝠算法能较好的缩短堆垛机拣选路径距离,提高仓库的运行效率.     

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.     

求解非标准货物货机群装载问题的启发式搜索算法

货机装载问题属于三维装箱问题,是一类NP-hard组合优化问题。而与传统车辆装箱问题不同,货机装载后的重心位置是要考虑的重要约束条件,以重心偏移率和货舱空间利用率为目标函数,针对非标准货物的货机群三维装载问题进行启发式算法研究。该算法基于空间管理思想,将"砌墙"式建构算法与一种四规则深度优先搜索法相结合,排除大量不可行解,缩短了可行解的搜索时间。最后实验结果表明,本算法可以在满足各项约束条件下正确地为货机群三维装载问题找出可行装载结果,对解决实际货机群装载问题具有现实意义。     

一种动态实时多约束ATM路由

从网络资源合理分配入手,充分考虑网络自愈合、拥塞控制以及资源利用率等因素,提出了若干网络资源分配优化的约束条件方程．通过构造一个包含这些约束条件方程的总能量函数,利用神经网络技术确保在满足上述各种约束条件前提下,实现了一种基于全网资源利用率最优、网络自愈合的动态实时多约束路由算法．与采用单一约束条件路由算法相比,该算法具有网络利用率高、自愈合能力强等优点     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

基于FUZZY-AHP的危化品仓储安全等级综合评价模型与应用

为降低危化品仓储风险,依据国家安全生产法和危险化学品管理相关条例,结合我国危化品仓储安全现状和安全事故"4M"因素,构建以人员素质、危化品物质因素、安全管理能力、环境因素为准则层的危化品仓储安全等级评价指标体系,将模糊综合评判(Fuzzy)和层次分析法(AHP)有机结合起来,建立了危化品仓储安全等级综合评价模型,通过实例应用研究表明,该评价方法能够用来分析评价危化品仓储安全等级,且对于提高现代危化品企业仓储的安全等级具有一定的指导作用.     

基于离散粒子群优化算法的造林规划设计

指出造林规划设计问题实质是一个离散约束优化问题。应用离散粒子群优化算法求解目标函数,以保证解的合理性法和惩罚函数法相结合处理约束条件。分析实例表明,离散粒子群优化算法可用来优化造林规划设计方案,与模拟退火算法比较,效果更好。此研究结果可为科学造林和最优化经营管理提供新思路,丰富粒子群应用领域。     

施工现场设施布局优化问题的新型启发式算法

施工现场设施布局的合理性直接关系到项目成本等目标的实现.针对涉及设施较多的施工现场布局优化问题,首先将该离散变量优化问题转换为高维空间的随机抽样问题,进而利用过渡马尔可夫链蒙特卡罗方法的思想,提出一种高效的全局优化启发式算法.与针对连续型高维概率密度分布函数进行随机取样的过渡马尔可夫链蒙特卡罗方法相比,本文提出的启发式算法的框架基础需从概率密度分布函数转变为概率分布函数,进而需在马尔可夫链状态点的产生方法上进行修正,以适应离散型变量优化问题的不同特性.通过实例验证,与目前应用较广的遗传算法相比,本文提出的新型启发式算法在全局最优解的获取稳定性上有较大改进.     

钢卷仓库中的吊机调度问题

研究了钢铁企业冷轧原料库中的吊机调度问题.将吊机的运输和倒垛操作集成考虑,目标函数为将全部需求板卷运输到指定位置的时间最小化.对于该问题,首先提出了一个混合整规划模型,进一步证明了该问题是强NP难的.基于对问题性质的分析,针对无倒垛操作的特殊情况,提出了多项式时间可解的最优算法.对于问题的一般情况,提出了一个启发式算法并分析了它的最坏情况.     

棒线材工艺优化系统

通过建立全模式化的目标函数及约束条件模型 ,将棒线材轧制过程优化问题归结为带有不等式约束条件的非线性规划问题。对约束条件采用 ALM法处理 ,对新的无约束目标函数采用 BFGS法寻优计算。该优化系统计算效率及精度高 ,且算法稳定     

带约束的离散全局优化问题的填充函数法

通过构造一个新的双参数填充函数求解带约束的离散全局优化问题的全局最优解,研究了填充函数的分析性质,并据此给出了带约束的离散全局优化问题的一个填充函数算法.数值试验证结果表明该算法是可行的、有效的.     

集成电路二划分的一维泊松方程方法

将集成电路二划分问题转化为等价的一维离散布局问题,在全局布局阶段将问题松弛为连续布局问题,并推导得到一维显式泊松方程.以线长作为目标函数,由泊松方程建立的密度函数作为罚函数,使用非线性优化方法得到全局布局阶段的连续解.在合法化阶段将连续解映射至原问题的离散解空间,得到原问题的可行解.在详细布局阶段使用FM(factorization machines)算法对离散解进行局部优化,得到最终解.上述二划分方法在ISPD98标准测试样例中的表现相较于传统FM算法,割边减少约36%.将上述方法嵌入多级划分框架KaHyPar,割边约减少7%.     

采用群智能算法的多约束问题优化

为了解决约束优化问题,采用一种基于群智能算法优化的多约束问题优化方法。首先构造同时计及约束条件和优化适应度的目标函数,然后分别利用粒子群算法和人工蜂群算法优化其函数,从而获得约束条件下的优化解。仿真结果表明,该多约束问题优化方法是可行性的,人工蜂群算法比粒子群算法具有更好的搜索和收敛能力。     

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.     

基于蚁群算法的云计算并行机资源调度研究

研究在云计算中服务资源优化管理背景下,基于时间窗口的非等同并行机服务资源调度问题.为达到最大任务处理数,选取任务延误时间作为目标函数建立数学模型,并利用蚁群算法为模型求解.设计了该算法的各项参数,并通过仿真算例证实了该算法的可行性及合理性.结果表明:本算法能够较好地用于解决云计算中的并行机资源调度问题,以较快的收敛速度找到满足约束条件的较优解.     

鱼骨型布局拣货路径多车调度混合优化方法

针对一种新型非传统鱼骨型仓储布局模式,建立非传统鱼骨型布局结构中任意货物点之间的距离矩阵计算模型;考虑拣货小车载重约束条件,建立多车协同拣选调度优化模型;在传统遗传算法与粒子群算法结合的基础上,给出一种混合粒子群优化算法.为验证该算法的有效性,在不同订单规模情况下,将该算法与传统粒子群算法、遗传算法和多种群遗传算法进行比较,应用Matlab软件仿真分析,实验结果表明:该算法不但具有粒子群算法收敛快、耗时短的优点,还具备遗传算法寻优能力强的特点.     

聚类分析结合BP神经网络的钢坯库堆垛问题算法

在考虑了钢坯库实际堆垛的基础上,设计了一种将订单K-means聚类分析后通过BP神经网络生成入库计划的算法。该算法主要分为2个阶段,首先通过K-means聚类将轧制计划中的合同按照轧制出厂日期等条件形成类别;然后通过BP神经网络算法生成入库计划。利用钢厂实际生产数据对本算法进行验证。结果表明,本算法能够有效地减少倒垛次数,提高垛位空间利用率。     

约束阻尼结构拓扑优化设计的进化算法

约束阻尼结构的阻尼材料优化布局是约束阻尼结构振动控制设计中的关键问题,它直接影响到振动能量耗散与全局能量流分布。在约束阻尼结构设计中引入拓扑优化渐进优化算法,以约束阻尼胞单元为设计变量,建立以模态阻尼比为目标函数,约束阻尼材料用量为约束条件的拓扑优化模型。分析结构模态阻尼比相对于阻尼胞单元位置的敏度,导出灵敏度计算表达式。提出基于渐进优化算法的优化准则,通过逐步删除利用率低的材料,使目标模态阻尼比达到最大化,给出了数值计算的例子,理论计算结果验证了拓扑优化方法的正确性和有效性。