基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题, 依据无人机的实时数据, 构建了基于路径的多层规划模型, 并设计了模型的算法求解流程。使用遗传算法与禁忌搜索混合算法, 得出了任务规划中的最优路径规划, 并在此基础上进行了冲突的消除。通过仿真案例表明, 用无人机协同配合导弹部队作战, 实时传输作战数据, 能够解决战场信息模糊不确定的问题; 使用多层规划模型能够为导弹多波次规划作战的路径进行科学的决策和选择。利用遗传算法和禁忌搜索混合算法, 能够避免局部最优导致无法输出结果的现象。     

多纤芯弹性光网络中虚拟网络映射模型及算法

为解决多纤芯弹性光网络虚拟化中的虚拟结点映射、链路映射和频谱分配问题,首先建立了一个以最小化占用的频谱数及最小化最大占用频隙号为目标的全局约束优化模型.其次,设计了具有高效的交叉、变异及不可行解可行化算子的全局优化遗传算法,以有效求解该模型得到最优的虚拟节点、链路映射方案.最后,为验证算法的有效性进行了不同的仿真实验.结果表明,所设计的算法能够有效地减小网络中占用的频谱数和最大占用频隙号.     

基于遗传算法建筑高度的优化求解

随着我国经济与现代化技术的发展,高层建筑规模和数量快速的增长,人们对高质量居住环境的要求越来越高.以往涉及有关日照方面的建筑优化设计问题,存在计算规则和方法过于复杂,数据精度无法保证以及操作性差等问题.因此,采取更有效的方法对建筑日照进行分析与建筑高度的优化设计势在必行.遗传算法与传统的优化方法相比较,以生物进化为原型,具有很好的收敛性,计算时间少,鲁棒性高等优点,广泛地应用在建筑优化设计方面.鉴于此,本文提出一种基于遗传算法的日照约束下建筑高度的优化求解方法.该方法首先将有效时间划分若干个时间切片,基于窗口日照分析确定被遮挡窗口的数量,进一步将拟建建筑区域分割为与时间切片等量的方格,并向上拉伸为遮挡小柱,基于小柱棒影和小柱到窗体距离之间的关系,计算窗口日照累计时间;然后,基于窗口最小日照时间的约束,构建拟建建筑高度最佳值的数学模型;最后,针对该数学模型,设计交叉和变异操作,并增加评价操作,求解最佳建筑高度.实验结果表明,所提方法能够自动求解拟建建筑的高度最优值,并能够准确获得被遮挡窗口的日照累计时间.本文方法还可以在建筑申报以前就计算出该地块的建筑最佳高度,从而计算出该地块最大能开发出的建筑面积,为审批人员批准建筑申报提供了依据,为建筑结构优化设计提供一种有效帮助.     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

基于改进狼群算法的移动机器人路径规划

为了获取机器人全局最优路径,文章提出一种基于改进的狼群算法移动机器人路径规划。首先运用栅格法对机器人环境进行建模;然后提出一种改进的狼群算法,该算法提出并行游走机制,进一步提高探狼的局部搜索能力;构建智能奔袭行为,提高猛狼自适应调节能力;提出向心围攻策略,使得算法收敛到全局最优。6类测试函数的仿真结果表明,改进的算法在局部搜索能力和自适应调节能力更强、收敛精度更高、收敛速度更快。移动机器人路径规划的仿真实验所涉及到的参数较多,文章利用Taguchi方法的三因素三水平正交试验法选取了最佳的参数组合。最后将改进的狼群算法和狼群算法都进行路径规划的仿真实验,结果表明,改进的算法在解决机器人路径规划问题上更有效。     

基于免疫遗传算法的医疗器械物流园区选址研究

在新医改的大背景下,中国已经超过日本,成为世界第二大医疗器械市场。物流园区作为医疗供应链中重要的一环,其建设过程及选址规划的合理性都会对整个医疗器械市场起到举足轻重的影响。基于此,该文探讨了医疗器械物流园区选址的理论框架,分析了对园区选址的影响因素,建立医疗器械物流园区选址模型,并应用免疫遗传算法得出最优选址方案。     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子，根据适应度值来动态计算交叉和变异概率，能够得到更好的全局最优解，提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中，采用变间距差分法离散求解传热方程，对比粒子群算法、多目标遗传算法，改进的多目标遗传算法搜索效率高，得到的价值函数最小.在实际生产中，采用优化后的二冷工艺，使得总用水量减少约10%，提高了铸坯质量，达到了节能降耗的要求.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

启运港退税政策实施中的港口选择模型

在保税港区对周边内陆干港与内贸港口实施启运港退税政策的背景下,基于用户均衡货流分配理论,构建实施启运港退税政策的港口(启运港)选择模型.模型可在既定总投资额的约束下,以区域社会经济效益最大为目标,确定启运港的数量与位置.设计嵌入Frank-Wolfe算法的遗传算法求解模型,并使用大连港腹地的出口数据进行实例分析.结果表明:依托大连保税港区实施启运港退税政策后,哈尔滨等七地被选为启运港,价值388.6亿美元的出口货物所在企业每年能够提前10～25天获得退税款46.7亿美元.上述模型和算法可为政府制定、实施启运港退税政策提供必要的决策支持.