动态参数调整的多策略差分进化算法

针对差分进化算法在处理函数优化问题时存在的收敛速度较慢和过早收敛的问题,提出了一种动态参数调整的多策略差分进化算法.先将种群随机分为3个独立的子种群,分别采用3种不同的变异策略来避免种群陷入局部最优,并通过动态参数调整机制提高算法的收敛性能.经过一定代数的进化后,将种群中的优秀个体进行择优保留.采用CEC2005的25个标准测试函数对算法进行仿真,实验结果表明,新算法能够有效避免过早收敛,具有较好的优化性能.     

基于物种选择的遗传算法求解约束非线性规划问题

将信赖域思想和基于稳定进化策略思想相结合,提出一种基于物种选择的遗传算法.根据当前代最优点,采用稳定最优种群数目和收缩最优种群边界的方法将种群划分为最优种群和全局种群,并提出基于构造优化方向的一种新的交叉算子.研究结果表明:对这2种群按不同的策略协调进化,较好地平衡了种群的多样性和选择压力,兼顾了局部搜索和全局搜索;缺少合适的搜索方向是进化后阶段收敛速度慢的重要原因之一;本算法能有效地提高遗传算法的收敛速度,并具有比较好的鲁棒性.     

基于多种群遗传算法的装配线平衡问题研究

产品在制造过程中,装配作业成本大约占制造成本的30%,装配线平衡问题是影响装配作业效率的关键因素。在装配线平衡研究中,提出在固定作业工位下求解装配线平衡的问题,建立了以生产节拍和工位负荷均衡为目标的装配线平衡优化模型,采用多种群遗传算法对固定工位下装配线的生产节拍、工序分配、工位负荷均衡、装配线平衡率进行求解,并基于MATLAB环境实现了多种群遗传算法的编码和求解。最后通过实例求解,验证了模型和算法的可行性。结果分析表明:装配线平衡问题得到了较明显的改善。     

求解交货期可变动态调度问题的差分进化算法

针对差分进化算法求解动态优化问题时存在多样性缺失、寻优效率低的问题,提出一种多种群差分进化算法,将这种用于求解连续解空间优化问题的进化算法应用于顺序编码的动态调度问题求解中.该算法利用随机键编码表示法将连续位置向量转化为顺序编码,提出自组织多种群策略,将种群按动态空间特征自动分成主种群与子种群;由主种群不断探索峰值所在...     

基于遗传算法的混流装配线工作站平衡研究

现有的装配线平衡方法缺乏关联性、系统性和整体性,未考虑混流水装配线工作站分配、排序及实际应用中除工艺顺序以外的约束问题.文章以车桥装配生产线为例,引入惩罚函数优化装配工艺顺序以外的约束,利用遗传算法对该问题进行编码求解,将工作站数最小与平衡率最高同时进行优化.最后通过实例进行仿真运算,以加强混流产品装配生产线工作站分配及平衡策略的可行性、有效性和前瞻性,为装配线尤其是车桥类装配线工作站分配和平衡提供了一种有效途径.     

求解混流装配线调度的疫苗共生克隆选择算法

针对混流装配线的多目标调度优化问题,提出了一种疫苗协同进化的多目标免疫克隆选择优化算法.设计了疫苗种群及其相关操作,使其跟抗体种群相互影响并协同进化,提高了算法的性能;针对调度优化问题的离散性,选择同时从抗体的基因型和表现型评价抗体亲和度;依据抗体质量和进化代数,设计了自适应变异率;在每次迭代过程中,通过多次局部寻优加快算法收敛速度.最后通过两组实例仿真,与另3种多目标优化算法进行比较,结果证明该算法可得到更好的计算结果.     

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 .     

基于改进微分进化算法的机构综合新方法

针对机构综合的非线性方程组求解问题提出了一种改进的微分进化算法.该算法是将方程组转换成一个优化问题,在进化过程中,该算法根据进化情况采用动态参数调整机制提高算法的搜索效率,并且对种群重叠状况进行实时监视,对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力.机构综合实例结果分析表明,文中提出的改进微分进化算法高效、且全局寻优能力强.     

基于复合式遗传算法的电机排产优化

为了解决电机的排产优化问题,提出了一种复合式遗传算法进行求解.首先,采用Palmer法产生一个初始解,同时随机产生其他个体来共同组成初始种群;其次,采用子种群分类交叉和种群整体替换策略进行交叉和替换操作;最后,利用Metropolis准则控制变异操作,得到新的种群.整个迭代进化过程采用模拟退火算法的控温准则进行控制,以此寻求最优解.对L公司的生产数据及其订单进行测试,试验结果表明:复合式遗传算法相比传统的遗传算法,能在一定程度上优化排产顺序,提高生产效率;而相比较新改进的遗传算法,其搜索速度更快,算法性能更优.     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

多约束条件下基于改进遗传算法的移动机器人路径规划

针对在多约束条件下移动机器人在路径规划中搜索效率低、收敛速度慢的缺点,提出多约束条件下基于改进遗传算法的移动机器人路径规划,充分考虑路径长度、平滑度以及困难度这3种因素的影响,通过分析多约束条件下遗传算法在初始化种群时计算方法的不足,提出利用SPS(surrounding point set)算法,通过在障碍物周围生成点来产生初始路径,以提高算法快速生成初始种群的能力;增加平滑算子和删除算子,删除相对最终路径而言不必要的点,同时使路径更加平滑;结合小生境法以保持种群多样性,避免出现算法早熟现象.仿真结果表明,改进后的算法在路径长度,路径平滑度以及路径困难度方面均有一定的优势,同时算法的收敛速度也略有提高.     

基于遗传算法的航空装备备件送修调度优化

针对航空部队备件配送效率低的实际,构建了带时间窗的双向多目标备件送修调度优化模型。该模型放松了对时间窗的约束,通过优化车辆路径方案,在一定行车总时间和单车车载容量的条件下,能以最少的车辆投入满足各作战部队的需求,有效降低了部队的运输服务成本。为解决模型求解中车辆数量的不确定性和行车路径的多选择性等问题,改进了遗传算法的染色体编码和进化算子,提高了算法的效率。理论分析和仿真试验表明,该算法能有效解决多目标规划情形下航空作战部队备件送修任务。     

基于多目标遗传算法的起重机吊装路径规划

采用改进遗传算子操作策略的遗传算法以解决起重机三维空间多目标吊装路径的规划问题.首先建立起重机作业场景和位姿空间的数学模型,将起重机的空间多自由度路径规划问题转化成平面路径点的求解问题.然后确定以吊装路径最短、安全性最好和运动形式变化最少为优化目标,通过添加记忆算子为插入算子和变异算子选取合适的方向和步长进行多目标优化操作.实验证明该算法能综合考虑多种因素,并能同时提供不同特点的路径供决策者选择.     

基于栅格法的矿难搜索机器人全局路径规划与局部避障

针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法.效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并结合优先权分组的思想,提出一种新的有效的种群初始化方法,同时将该种群初始化方法应用到变异算子中,且依据最优解的变化情况自适应地调整交叉和变异的概率.与此同时,针对环境信息的不同变化情况,结合全局路径规划结果对机器人进行局部避障方法的研究.最后,通过仿真实验证明本方法能够快速有效地在已知环境中得到机器人的最优路径,并且能够在局部变化的环境中实现实时避障.     

一种基于遗传算法的机器人加工路径规划方法

针对传统机器人加工路径规划采用示教再现方法很难适应复杂变化任务的问题 ,提出了基于遗传算法的路径规划方法 ,研究了遗传算法中的编码方式、交叉算子和变异算子的改进方法 .仿真实验表明 ,采用遗传算法进行机器人加工路径规划是可行的和有效的 .     

“机器人”路径改进型单亲遗传算法规划及其仿真

在中国机器人大赛"机器人游中国"比赛项目的路径规划基础上,为克服遗传算法在有约束组合优化问题中计算效率不高的问题,提出了改进的单亲遗传算法.该算法在传统单亲遗传算法的计算步骤中,引入了交换算子、提前算子和修复算子,较大程度地提高了单亲遗传算法的搜索效率.Matlab仿真试验表明,改进的单亲遗传算法计算效率和路径规划能力得到大幅度提高.     

多策略蚁群算法求解机器人路径规划

针对基本蚁群算法的缺点,提出用多策略的蚁群算法求解机器人路径规划问题.采用栅格法建立机器人全局路径规划工作空间模型,进行两次凸化改进处理.提出惩罚策略,并配合使用保健算子策略、治病算子策略,同时引入遗传算子策略、精英蚂蚁策略和最大最小蚂蚁策略.介绍在Matlab环境下编程实现的方法及步骤,求解100个栅格点的路径规划问题,得到最优距离为15.070.仿真结果表明,即使在复杂的地形环境中用本算法也可迅速规划出令人满意的最优路径.     

基于改进差分进化算法的无人机在线低空突防航迹规划

为了解决无人机在部分未知敌对环境中的低空突防航迹规划问题,提出了一种改进的差分进化算法.该算法的进化模型采用冯.诺伊曼拓扑结构,并对其进行拓展,使种群在进化初期保持多样性,避免进化早期陷入局部最优,而进化后期加快收敛速度.该算法改进了差分进化算子中的变异操作,从而加快算法的收敛速度,快速找到多目标优化问题的最优解;同时,采用将绝对笛卡儿坐标和相对极坐标相结合的编码方式以提高搜索效率.将该算法用于无人机在线航迹规划仿真实验,并和未改进的算法结果作比较,验证了该算法的有效性.     

仿人机器人路径规划研究

针舛仿人机器人机械连杆控制结构的动力学、运动学等特点,建立了25自由度仿人机器人家谱树彤结构,提供了连杆数据列表,分析了步态规划约束、步行倒立摆、奇异位姿控制、落地步态方向控制等特性,构建了行走步态模型,并采用链接图法对环境空间建模,引入种群规模自调整遗传算法实现路径规划。潋仿人机器人NAO为实验平台,采用链接图法进行全局建模,实验表明,改进的遗传算法在仿人机器人路径规划中具有更快的收敛速度与更好的适应性。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。