基于遗传模拟退火算法的自动化制造单元周期调度

鉴于有时间窗约束的单机器人单度自动化制造单元周期调度问题的可行解极少且难以找到最优解,提出一种带有不可行解修复机制的遗传模拟退火算法,以提高解的搜索效率。采用基于跨周期决策的先后次序约束修复、联动修复等机制,对不可行解进行修复,提升其逼近可行解的概率;结合遗传算法的多点初始和模拟退火的靶向搜索能力,强力筛查可能存在的可行解;根据模拟退火的降温速度,利用Metropolis准则以逐渐变小的概率接受交叉和变异后产生的劣解,促进种群跳出局部最优。实验证明所提出的算法在保证解的质量的前提下,计算时间更短,求解效率更高,可较好地满足自动化制造单元的周期调度要求。     

基于改进蚁群算法的物流车辆调度问题研究

传统蚁群算法在求解中容易出现搜索时间长、收敛过早或停滞现象,为克服这些缺点,通过对蚁群算法进行选择策略、信息素更新等方面的改进,以加快算法的收敛速度,提高算法的搜索能力。再将改进后的蚁群算法引入物流运输车辆调度、综合车辆调度理论,对物流运输车辆的优化调度进行了探讨,对有时间窗车辆调度问题(VSPTW)探求新的求解方法,运用Matlab语言进行编程实现,应用实例对算法进行验证。实践证明,改进后的蚁群算法基本上克服了一般蚁群算法自身的不足,提高了算法的性能。     

基于蚁群算法的三维空间机器人路径规划

将蚁群算法应用于三维空间机器人路径规划问题.首先将机器人所在位置(原点)与目的点之间的空间划分成立体网格,同时定义原点与目的点之间的有效路径.蚁群从原点出发,独立地选择有效路径,最终到达目的点,从而求出从原点到目的点之间的最优路径.实验结果表明,该算法不仅有效,而且具有较快的速度.     

一种求解多处理机调度问题的自适应蚁群算法

将蚁群算法应用于求解多处理机调度问题,提出一种自适应蚁群算法．算法以最小化makespan为调度目标,根据蚂蚁留下的信息素指导蚁群在解空间展开全局搜寻,将任务分配在恰当的机器上,并通过自适应调整阈值实现全局探索与精细查找的平衡．实验结果表明算法具有较好的优化性能．     

基于改进蚁群算法的化工批处理生产调度研究

首先介绍了化工企业生产的特点,然后给出了蚁群算法的基本模型和化工批处理生产调度的描述,指出了其调度过程要考虑到的约束条件——半成品的放置时间不能太长,把半成品的放置时间作为信息因子放入到概率选择公式中,使用改进的蚁群算法对该生产调度进行了求解,最后对化工间歇作业调度发展趋势做了探讨。     

蚁群算法在工艺规划与车间调度集成优化中的应用

为了解决工艺规划与车间调度集成(IPPS)问题,提出了一种改进的蚁群优化(ACO)算法.通过节点集、有向弧集、无向弧集,构建了一种基于图的IPPS优化模型.以零件加工时间作为启发式信息,设计蚂蚁在各节点间转移概率.通过蚂蚁访问图中不同的节点,构建对应的调度方案.根据不同阶段调度方案的最大完工时间调整各弧段信息素的挥发速度,提高了蚂蚁的搜索效率.为避免陷入局部收敛,通过重启算法和重置各弧段信息素初值,动态更新各弧段信息素量,以获得全局最优解.将该算法应用于具体的仿真实例,结果表明该算法能有效地解决工艺规划与调度集成问题,为企业生产提供借鉴.     

求解成像卫星调度问题的改进蚁群算法

蚁群算法求解成像卫星调度问题时容易陷入局部最优。针对这一问题,提出了一种改进的蚁群算法,在可行解构造初期找到一种综合启发信息来生成初始任务链,并用分类消减的方法进行时间窗更新。局部更新时引入扰动机制,信息素更新时添加了信息素限制策略。最后通过仿真实例与遗传算法和传统蚁群算法对比,说明了该方法的可行性和相对优越性。     

基于动态蚁群算法的三维管路路径规划

针对蚁群算法应用于三维管路路径规划时运行时间长、搜索效率低等问题,提出一种动态蚁群算法.首先采用栅格法建立环境模型,建立了随建模空间和蚂蚁位置变化的动态启发信息;其次设置概率选择机制和动态步长机制.仿真试验结果表明,该算法有效减少了路径中直管弯头数量,管路铺设整齐,收敛速度提高,具有较强的全局寻优能力.     

基于蚁群算法的灵巧卫星调度

灵巧卫星的出现将极大程度增加卫星对给定地面目标实施观测的可选方式和灵活度,使得灵巧卫星调度问题的高度组合特征更加突出,大大增加了卫星调度问题的复杂性和解搜索的寻优难度。分析了灵巧卫星调度问题的约束条件,建立了灵巧卫星调度的约束满足模型。提出了求解灵巧卫星调度方法的蚁群算法,对算法的状态转移规则、信息素更新规则以及安排观测窗口的规则做了详细描述;并提出了任务路径处理流程,以此产生调度方案,评价路径优劣,反馈给蚂蚁路径搜索阶段。通过实例计算,展现了灵巧卫星强大的观测能力以及方法的有效性。     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

融合遗传算法改进的蚁群算法

针对蚁群算法存在停滞现象及收敛速度慢的缺点,提出了一种融合遗传算法改进的蚁群算法,在蚁群算法中引入路径遗传运算.对蚂蚁发现的路径进行染色体编码,通过适应度函数对蚂蚁的路径做适应度评价,进行路径交叉和路径变异运算,设计了新的信息素更新策略.以对称TSP测试集为对象,将改进算法与现有算法进行测试比较.实验结果表明,改进后的算法具有优良的全局优化能力,有效防止了停滞现象.     

混合蚁群遗传算法在车间作业调度的应用研究

提出了一种解决车间调度最短完成时间的有效的混合算法.将遗传算法与蚂蚁算法的融合,采用遗传算法生成信息素分布,利用蚂蚁算法求精确解,优势互补.应用该算法对Job-Shop车间作业调度问题的解进行编译,通过实例表明该算法是可行有效的.     

非线性整数规划的蚁群算法

提出了一种新的蚁群算法来求解无约束的整数规划问题,蚂蚁在整数空间内运动,同时在路径上留下激素,以此引导搜索方向。对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则。数值试验计算结果表明:该方法比较有效,并具有通用性。     

基于遗传和蚁群算法融合的聚类新方法

遗传算法具有快速良好的全局搜索能力,而蚁群聚类算法具有良好的分布式并行性和正反馈能力。将两种算法进行融合,充分利用算法各自的优势和特点,能更有效地进行聚类分析。实验证明这种新组合算法在优化能力和时间性能上比常用的聚类算法有比较明显的优势。     

An Ant Colony Optimization Algorithm to Satellite Data Transmission Scheduling Problems

数据传输资源调度是空间资源管理的重要内容之一。为了有效求解数据传输资源调度问题,基于蚁群算法构建了一种数据传输资源调度方法。实验结果表明,蚁群算法能有效求解数据传输资源调度问题。本文方法可推广应用到其他资源调度领域。     

广义分配问题的一种小生境遗传蚁群优化算法

提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚁群优化算法用于求解NP难的广义分配问题,以避免经典求解算法存在的易陷于局部最优的缺陷.以典型的广义分配问题——火力分配为例,对该算法进行实验,并将实验结果与其它算法进行分析比较.结果表明:新复合算法优化效率高,运行时间短,对其它的NP问题同样适用.     

基于蚁群算法的无联系并行机调度问题的仿真研究

针对无联系并行机调度求解问题,引入了蚁群算法的思想.基于转移概率构建的信息素迭代模型,研究了无联系并行机调度问题的求解过程.基于Python的仿真实验结果表明:通过蚁群算法可以得到其近似解;更进一步探求了任务次序对解的影响;通过实验探索了此算法的时间性能.     

基于改进蚁群算法的城市公共自行车动态调度模型

针对公共自行车系统运营中的借车难、还车难等问题,提出一种公共自行车分区动态调度方法.通过计算机仿真模拟站点间自行车调度,分析不合理、不及时等因素对调度产生的影响.以调度成本最小、转运量最大为目标,建立城市公共自行车分区调度模型,基于改进蚁群算法求解该模型最优调度路径.以丹阳市公共自行车站点数据为例,对模型进行验证,结果表明该算法可以求解得出最优调度回路,且准确性高、求解效率高.     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。