基于差分进化算法的自动化集装箱码头AGV调度问题

[目的]自动化集装箱码头的水平运输作业是影响港口物流效率的关键环节,通过优化自动导引车(Automated guided vehicle,AGV)的任务分配,减少装卸作业的时间,提高港口生产效率.[方法]在同时考虑集装箱装卸作业的基础上,就AGV调度问题建立混合整数规划(MIP)模型,优化目标为极小化岸桥完工时间.考虑到该问题具有NP困难性,设计了离散差分进化(DDE)算法进行近似求解.[结果]通过数值仿真验证了MIP模型和DDE算法的有效性.[结论]结果表明上述模型和算法可以为自动化集装箱码头的装卸作业提供帮助.     

基于离散型鲸鱼优化算法的AGV与机器集成调度方法

针对制造系统中考虑路径冲突的AGV(automated guided vehicles)与机器集成调度问题,提出一种基于时间窗和Dijkstra算法的离散型鲸鱼优化算法。首先,以最小化最大完工时间为目标,建立AGV与机器集成调度的数学模型,并采用一种三段式编码实现AGV和机器的集成编码,建立连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR(global, local, random)种群初始化方法;运用Levy飞行算子和阈值重启操作进一步提高算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。标准算例仿真实验和柔性仿真实验证明了该算法解决AGV和机器集成调度问题的可行性和优越性。     

基于差分量子粒子群优化算法的作业车间调度

针对作业车间调度问题(job-shop scheduling problem, JSP)中存在的求解复杂程度高、动态性强等难题,提出基于差分特性的量子粒子群优化算法。量子粒子群算法引入量子机制克服了粒子群算法在全局收敛性上的不足,并采用差分进化思想对粒子状态进行更新,借助变异操作增大种群多样性,对早熟粒子进行交叉选择操作,防止个体收敛到局部极值,进一步采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解,将所提算法与离散粒子群算法、遗传算法以及细菌觅食算法进行实验对比。结果表明,4种算法收敛到FL10算例理论最优解的时间分别为127、134.8、143.5以及141.3 s;而LA36算例的理论最优解为1 268,4种算法所得结果分别为1 294.6、1 457.4、1 374.3以及1 398,且所提算法收敛时间最短。仿真结果表明所提算法能以较快的收敛速度得到最优解,相比于其他算法,寻优速度和精度都有了明显提升。     

一种基于差分进化的批量流水线调度算法

提出了一种解决批量流水线调度问题的差分进化算法.该算法采用基于浮点的编码方式,通过最大位置值规则将浮点数矢量转换为工件的调度序列.为了提高调度算法的优化性能,利用最优目标个体的重组产生变异个体,并通过变异个体与目标个体的交叉产生试验个体.仿真试验表明了所得算法的可行性和有效性.     

基于量子差分进化算法的神经网络优化方法

一般的神经网络的结构是固定的,在实际应用中容易造成冗余连接和高计算成本。该文采用了协同量子差分进化算法(cooperative quantum differential evolution algo-rithm,CQGADE)以同时优化神经网络的结构和参数,即采用量子遗传算法(quantum genetic algorithm,QGA)来优化神经网络的结构和隐层节点数,采用差分算法来优化神经网络的权值。训练后的神经网络的连接开关能有效删除冗余连接,算法的量子概率幅编码和协同机制可以提高神经网络的学习效率、逼近精度和泛化能力。仿真实验结果表明:用训练后的神经网络预测太阳黑子和蒸汽透平流量具有更好的预测精度和鲁棒性。     

柔性作业车间调度的精确邻域结构混合进化算法

为解决现有基于关键路径的邻域搜索存在无效移动多、盲目性大以及仅优化单一目标的问题,设计了更加明确精准有效的邻域结构,包括同机器移动和跨机器移动两步操作;在此基础上,给出相应的关键工序精确移动条件,并将其从优化最大完工时间推广到多目标优化;为兼顾算法局部搜索和全局搜索,将其与进化算法进行混合,实现局部与全局的优势互补,并给出相应的混合算法框架;最后,通过两个国际通用的案例集进行测试,并将测试结果与成熟的算法进行对比,验证了所设计算法的有效性和高效性。     

基于Baldwin效应的memetic差分进化算法

针对Baldwin效应在memetic差分进化算法中使用不成熟的研究现状,提出一种基于Baldwin效应的memetic差分进化算法。算法采用简化的模式搜索为局部搜索算子,差分进化算法为全局搜索算子,Baldwin效应为结合机制。创新了Baldwin效应的实现方法:改进普通memetic差分进化算法中仅根据个体适应度值引导进化的方法,加大局部搜索成功个体的被学习概率,使其能够参与引导进化。在CEC2014中30个测试函数上与其它知名差分进化算法对比,实验结果表明改进的算法具有更强的跳出局部最优解能力和更快的收敛速度。     

基于混合离散人工蜂群算法的置换流水车间调度

针对以最小化最大完成时间为调度目标的置换流水车间调度问题,提出了混合离散人工蜂群算法.初始化种群采用NEH和随机方法.在算法的雇佣蜂阶段和侦查蜂阶段分别采用离散差分进化策略和变邻域搜索的变体产生邻域个体,为了兼顾算法的全局搜索和局部搜索能力,雇佣蜂阶段接受新个体采用模拟退火的概率突跳机制,而选择利用锦标赛方法,并对跟随的个体按一定概率进行局部搜索.此外,在侦查蜂阶段对锦标赛选择的个体执行破坏重建操作,用新产生的个体代替较差的个体.利用正交实验法调节算法参数,通过与其他算法的仿真实验结果比较,验证了算法的有效性.     

基于差分进化算法的神经网络优化设计

【目的】研究解决传统神经网络手动设计网络结构的局限性,并探究差分进化算法对神经网络优化的有效性。【方法】提出了一种基于差分进化算法的多层前馈神经网络的优化设计方案,用以同时完成神经网络的权值空间和网络结构空间的搜索,给出不同场景下的最优网络结构。该算法采用（1+1）-ES二元进化策略,使用一种新的网络结构交叉和变异方法,通过双种群结构共同进化及自适应变异率等策略加快网络结构的搜索以及算法的收敛。【结果】在预测、分类等问题中,基于差分进化算法的神经网络优化设计能够较好地搜索到最优的神经网络结构,并与传统的BP神经网络以及经典的预测分类算法进行比较,实验结果具有较强的鲁棒性。【结论】基于差分进化算法的神经网络优化设计是解决网络结构寻优问题的有效方法。     

基于模糊邻域差分进化算法求解非线性方程组

讨论模糊邻域概率函数选择策略对算法寻根率和成功率的影响.实验结果表明,凸函数类型的概率选择函数较适用于求解多根和搜索空间较广问题,定值概率选择函数较适合于求解含有大量线性方程的问题.选用适当概率选择函数可以提高模糊邻域差分进化算法寻根率和成功率.     

一种求解柔性作业车间调度问题的改进灰狼优化算法

针对柔性作业车间调度问题,以最大完工时间最小化为目标提出了一种改进灰狼优化算法(IGWO),采用两段式的编码方式来构造算法个体位置与调度方案之间的关系,使用基于启发式规则的初始化种群方法来提高初始解的质量.为了平衡算法的全局搜索与局部搜索,提出一种基于双曲正切函数的非线性收敛因子公式,并在算法的个体更新阶段提出了一种基于适应度值的加权方法,在算法决策层嵌入了变邻域搜索算法.通过仿真实验表明,算法在求解柔性作业车间调度问题上是有效的.     

A hybrid differential evolution algorithm for meta-task scheduling in grids

Task scheduling is one of the core steps to effectively exploit the capabilities of heterogeneous re- sources in the grid.This paper presents a new hybrid differential evolution(HDE)algorithm for finding an optimal or near-optimal schedule within reasonable time.The encoding scheme and the adaptation of classical differential evolution algorithm for dealing with discrete variables are discussed.A simple but ef- fective local search is incorporated into differential evolution to stress exploitation.The perfo...     

基于遗传算法-多智能体的FMS 工件调度研究

针对柔性制造系统（ FMS）一般调度方法的不足,提出基于全局黑板的多智能体调度系统,该系统建立多智能体交互过程,通过多智能体的合作快速建立调度模型,并通过优化模块对调度模型进行求解,从而获得非劣调度方案。在设计优化模块时,采用遗传算法,针对柔性制造系统调度问题的特点,改进并扩展了基于工序的编码方法,引入工序-机器的关系矩阵,从而实现解和染色体的一一对应关系,并设计算法的适值函数、选择方法、交叉和变异方法。仿真结果表明,该调度系统在求解时收敛速度快、精度较高。最后通过10个经典的柔性job-shop调度算例,与单纯使用遗传算法和禁忌搜索算法进行比较,目标值平均改善2.21％和1.04％。     

基于鲸鱼群算法的柔性作业车间调度方法

针对以最大完工时间为目标的柔性作业车间调度问题,在鲸鱼群算法(WSA,Whale swarm algorithm)基础上,提出一种改进的鲸鱼群算法。首先,设计了一种基于工序加工顺序的个体位置表达方式及相应距离计算方法,使鲸鱼群算法能够直接应用于求解离散型问题。其次,在寻找"较好及较近"鲸鱼过程中引入协同搜索机制,提高"较好及较近"鲸鱼的质量和数量,扩大鲸鱼个体的搜索范围。同时,引入基于关键路径的变邻域搜索算法,搜索当前最优鲸鱼个体的邻域解,提高种群局部搜索能力。最后采用BRdata基准算例进行测试,验证了算法的可行性和有效性。     

改进差分进化算法在铝电解多目标优化中的应用

针对多目标优化问题,提出一种改进的差分进化算法(DE).该改进算法首先将DE与粒子群优化算法(PSO)结合,提高DE的收敛速度,然后引入多种群进化策略,有利于维持Pareto解的多样性.同时,在综合考虑机理与工艺的基础上建立铝电解多目标优化模型,并应用改进算法进行求解.仿真结果表明:在电流效率为92％时,改进算法所得的直流功耗为14.03 MW.h/t,比NSGA-Ⅱ的直流功耗降低了1.45％,比传统DE的直流功耗降低了1.75％.表明本文改进算法有效地提高了传统进化算法的性能.     

基于混合差分进化算法的VLSI布图规划

基于B*-tree布局表示法,结合差分进化算法的全局搜索能力和局部搜索,提出了一种用于VLSI布图规划的混合差分进化算法,并使用MCNC标准数据进行测试.实验结果表明该算法是有效的.     

用改进的差异演化算法求解双冲量交会问题

推导了在初始端点固定和初始端点不固定两种情况下航天器双冲量交会问题的优化模型,确定以燃料和时间加权作为优化目标.在此基础上,运用改进的差异演化算法进行仿真计算.最后从收敛性和搜索的准确性两个方面对改进的差异演化算法与基本遗传算法进行比较.研究结果表明:改进的差异演化算法在求解航天器双冲量交会问题时具有收敛速度快、优化能力强、算法可靠等优势.     

基于改进差分进化算法的超声衰减谱反演计算

针对传统差分进化算法存在早熟收敛和求解精度低的缺点,研究了一种自适应控制参数的差分进化算法。通过引入自适应控制变量因子、自适应缩放因子和交叉因子使种群不断地向更新成功的个体学习,促进了后续种群的进化。对于颗粒粒径分布服从高斯分布、R-R(Rosin-Rammler)分布以及对数正态分布的3种典型颗粒系进行数值模拟,研究算例发现,改进差分进化算法反演得出分布参数值■,K的误差小于5%,体积中位径相比于设定分布的误差小于5%,因此,改进差分进化算法具有较强的稳定性与抗噪性。     

基于过滤定向搜索的柔性制造系统动态调度优化

针对柔性制造环境中内外扰动的动态随机发生和快速、高效的重调度需求,构建了动态调度决策系统结构模型,提出了一种基于过滤定向搜索的启发式算法作为模型的核心算法.为了更好地搜索调度解空间和更好地集成作业的交货期、优先权重和资源负载平衡,算法改进了节点分枝策略和局部、全局评价函数.以作业交货延迟时间加权平方和最小为性能指标,通过实例仿真,对算法性能进行了分析评价和比较,结果表明了该算法对实现柔性制造系统动态调度的有效性和实用性.