求解板坯倒垛和落位问题的分布估计算法

针对钢铁企业板坯库的板坯倒垛问题,与以往的研究不同,考虑了在倒垛过程中压在目标板坯上的障碍板坯可以不倒回原垛位的作业模式.提出采用板坯在板坯库中的移动次数来衡量板坯库的作业负荷,建立了以移动次数为优化目标的整数规划模型.在对模型的求解中设计了基于概率模型进化的分布估计算法(estimation of distribution algorithm,EDA)来确定轧制单元对应的板坯,采用基于辐射邻域的启发式算法为障碍板坯寻找最佳的落位位置.通过不同规模的数据实验,探讨了参数对算法性能的影响,确定了有效的参数组合.并与当前常用的改进遗传算法、单亲遗传算法进行对比,验证了所提算法的有效性和鲁棒性.     

板坯最优倒垛问题的有铲启发式算法

板坯库用于存放由炼钢－连铸工艺阶段产生的、供热轧生产阶段进一步轧制成带钢或钢板的板坯,一个板坯库中可分为多个逻辑区域,每个逻辑区域又进一步分为多个垛位。同一垛位的板坯之间是叠放的。最优倒垛问题是如何从M个相关的析以坯垛位中选择N个板坯,在满足相应的轧制单元计划所需要的板坯序列要求条件下,保证总的板坯倒垛次数最少。首先对例垛问题进行了定义,在分析了问题的领域结构基础上,构造了新的多回路启发式算法。通过精选的随机产和的200个问题例子的实验显示,提出的启发算法的性能在计算速度和最优性方面都明显优于原系统的启发式算法,在最优性方面平均改进率达到20％,在计算时间方面,可降低一半以上。新多回路启发式算法不但提高了车间作业率,也大在降低了生产过程控制机（FLS）的负荷。     

钢坯最优倒垛问题及其Stacking邻域搜索算法

以钢坯倒垛问题为研究对象,建立以最小化轧制序列总倒垛数和吊车运行距离的多目标整数规划模型,并在已有的多回路启发式算法及Sequence邻域搜索算法的基础上设计了基于Stacking邻域搜索的两阶段启发式(TASNS)算法。算法综合考虑了入库钢坯的钢种、规格、长度等属性在垛位上具有连续堆放以及轧制轧序列之间规格相近性的特点。基于实际钢厂数据的验证,表明算法在实际生产中是有效且可行的。     

一种铜电解生产过程的多目标量子粒子群优化

为解决铜电解生产过程能耗高的问题,采用机理和辨识混合建模方法建立铜电解过程多目标优化模型。针对量子粒子群算法求解多目标优化问题存在的多样性差、分布不均甚至局部收敛的问题,提出了一种基于信息熵和混沌变异的改进多目标量子粒子群算法,对测试函数的计算结果表明所提出算法在求解分布性方面要明显优于其他经典算法。利用改进算法在给定电价和分时电价情况下进行铜电解过程多目标优化仿真,获得了生产工艺参数的最优组合,有效的降低能耗,为电解铜的生产过程优化提供了详细的指导和理论依据。     

基于循环仿真的钢铁板坯库天车作业优化

板坯库天车作业对钢铁生产整体节奏和效率起到非常重要的作用, 天车作业的优化受到库位布局、工艺流程、作业干涉等多方面因素的影响, 优化过程具有随机性, 满意解的界定具有模糊性. 为了解决这一难题, 提出了循环仿真的方法, 通过原始仿真模型和改进仿真模型的循环转换和多档模糊评判寻求优化解, 采用Agent技术设计了板坯库的仿真物流对象, 定义了仿真事件和仿真逻辑. 通过对国内某大型钢厂的应用实例表明, 循环仿真的方法对钢铁板坯库天车作业优化具有较好的实用性.     

基于决策图贝叶斯网络的混沌优化算法

提出一种基于决策图贝叶斯网络的混沌优化算法,该算法把贝叶斯概率模型结合到混沌遗传算法中,通过构造和学习网络来替代传统遗传算法中的交叉重组和变异等遗传算子,避免了对大量控制参数和遗传算子的人工选择和重要构造块的破坏.同时,通过在决策图贝叶斯网络中引入混沌操作,对部分个体进行启发式变异,能有效提高群体多样性,避免早熟或局部收敛.仿真结果表明,提出的算法比改进前的决策图贝叶斯优化算法和混沌遗传算法均有更快的收敛速度,较强的鲁棒性.     

考虑实时库存的轧制计划调整模型及算法

在冷装工艺生产模式下,不合理的轧制计划将导致不必要的钢坯库倒垛作业,严重时甚至会造成轧制生产的延迟或中断.本文在已知轧制计划和实时钢坯库存堆放情况的前提下,对轧制计划设置了三种调整策略:轧制钢坯替换、轧制单元内钢坯轧制顺序调整以及计划钢坯取消轧制调整.基于调整策略,建立了以最小化调整惩罚及实施计划时的钢坯库倒垛次数的加权平均和为目标的数学模型,并结合问题特征设计了三阶段求解算法(THA).通过基于实际生产数据的实验验证,结果相对于原轧制计划,在满足轧制工艺规程前提下大量减少了钢坯库的倒垛次数,算法和模型是可行且有效的.     

混沌粒子群混合优化算法的研究与应用

为使粒子群优化算法(PSO)初始粒子均匀分布在解空间,分析了混沌运动的遍历性并根据粒子间欧式距离大小改进了PSO初始种群提取方法。提出了一种混沌粒子群混合优化算法,该算法将优化过程分成两阶段,两分群分别采用PSO算法和混沌优化算法同时进行。对四个高维复杂函数寻优测试表明算法的鲁棒性、收敛速度和精度,全局搜索能力均优于常规PSO。将提出的改进算法用于乙烯收率软测量建模,应用结果表明模型精度较高、泛化性能好。     

基于免疫算法自调节变异率的FNNC参数优化及其应用

针对复杂钢坯加热过程，提出了一种自调节变异率的免疫进化模糊神经网络控制（IE—FNNC）算法。首先根据现场样本数据建立过程神经网络模型；然后基于该模型，采用规则优化算法，确定模糊神经网络控制器（FNNC）的最佳规则数；最后由FNNC的规则优化所得参数构造初始种群的一个解，采用自调节变异率的免疫进化（IE）算法对FNNC参数优化。该算法具有全局寻优和局部求精能力，仿真结果证实了其有效性。     

带有限容量缓冲库的多目标柔性作业车间调度优化

研究一类从无缝钢管生产实际中提炼出的作业车间调度问题.该问题具有生产工序间存在有限容量缓冲库,生产工艺路径柔性选择,生产设备需要转换时间,生产调度多目标等特点.针对具有这些特点的调度问题,构建了混合整数规划模型.鉴于其NP-hard性,设计改进的遗传算法进行求解,进而提出辅以局部搜索优化算法的方法,并通过企业生产实际数据比较和验证算法的性能及有效性.该模型和算法已被用于无缝钢管生产作业计划软件系统的开发,并在实际运用中取得了良好的效果,对各大钢管企业的生产调度均具有一定的实际指导意义.     

多目标置换流水车间调度的混沌杂草优化算法

针对最小化最大完工时间,总流程时间及总延迟时间的多目标置换流水车间调度问题,提出一种改进的混沌杂草优化算法,该算法采用基于熵值权重的灰熵关联度适应值分配策略,引入快速非支配排序法生成外部档案,并将进化种群的更新和最优位置的混沌搜索相结合,用于维护外部档案,提升算法的寻优性能.通过与NSGA-Ⅱ算法进行OR-Library典型测试算例的对比实验,验证该算法的有效性.     

加速混沌优化方法及其应用

对混沌优化算法进行改进，提高了混沌优化算法的效率，加速混沌优化算法利用混沌运动的性质，同时不断缩小变量的搜索空间，在混沌优化搜索过程中，以具有一定保证的当前最优解为中心，不断地缩小优化变量的搜索区间，调整细化参数，促使搜索能够更快，更有效地全局最优解收敛，仿真计算表明算法有效。     

基于混沌和声搜索算法的水资源优化配置

将和谐性理念与经济、社会和生态环境的综合净效益结合,利用协同学原理中有序度概念和支配原理定义出经济效益和谐度、社会效益和谐度和环境效益和谐度概念及计算公式,以此为基础构建了水资源优化配置模型中的目标函数;并利用混沌变量的随机、遍历特性在解空间内进行有效探索以及基本和声算法中和声策略对解空间进行开发的原理,提出了能求解具有多目标的水资源优化配置问题的混沌和声搜索算法;最后, 将水资源优化配置模型与混沌和声搜索算法运用于北三河流域,实例计算结果表明, 模型设置的水资源优化配置目标合理,搜索算法简单高效.     

Parameter selection of support vector machine for function approximation based on chaos optimization

The support vector machine （SVM） is a novel machine learning method, which has the ability to approximate nonlinear functions with arbitrary accuracy. Setting parameters well is very crucial for SVM learning results and generalization ability, and now there is no systematic, general method for parameter selection. In this article, the SVM parameter selection for function approximation is regarded as a compound optimization problem and a mutative scale chaos optimization algorithm is employed to search for optimal paraxneter values. The chaos optimization algorithm is an effective way for global optimal and the mutative scale chaos algorithm could improve the search efficiency and accuracy. Several simulation examples show the sensitivity of the SVM parameters and demonstrate the superiority of this proposed method for nonlinear function approximation.     

一种改进的变尺度混沌优化算法及其仿真研究

为了避免混沌优化在区间内的盲目重复搜索，提高搜索效率，提出一种改进的变尺度混沌优化方法，该方法在混沌搜索过程中，只需设置两个循环，内循环进行混沌搜索，外循环负责缩小区间．将每次搜索到的较优值计数，并设置一个标志A，当搜索到较优值的次数=A时，则根据搜索区间的大小动态缩小空间，在小区间中再重复上述过程，直至找到全局最优解，方法非常简单。仿真结果表明，该方法局部搜索能力强，搜索效果优于变尺度混沌优化方法。     

VTS雷达及岸基溢油雷达组合选址优化

针对实际建址时存在障碍物遮挡和雷达传递衰减的船舶交通管理系统(Vessel Traffic Service, VTS)雷达及岸基溢油雷达组合选址问题,基于空间几何方法,在三维空间中提出了障碍物遮挡判断方法,并引入衰减函数进行雷达衰减测度,以建站成本最小和水域面积覆盖率最大为目标建立多目标选址模型。根据问题设计了自适应混沌多目标粒子群算法,在满足位置约束时生成初始解,提高算法求解速度;引入混沌机制和飞蛾火焰算法的螺旋搜索机制对粒子速度及位置更新策略进行改进,增强算法的局部和全局搜索能力。通过算例验证了本文所提出的判断方法及模型的有效性。研究成果不仅深化和拓展了VTS雷达选址及溢油问题的相关研究,也为海事主管机构在进行VTS雷达站及溢油雷达选址时提供理论依据。     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先,采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

基于枢纽魅力度的城市公交枢纽布局优化方法

本文提出一个两阶段的城市公交枢纽布局优化方法, 该方法首先从备选点易达度、公交线路聚集程度和公交线路的分布范围评价其魅力度, 进而确定备选枢纽点集. 基于备选枢纽点集, 综合考虑乘客和运营者双方利益, 提出一个以枢纽辐射域最大、枢纽间相似度最小和土地成本最少的多目标枢纽布局优化模型, 并设计多目标遗传算法进行求解. 最后, 以大连市主城区的公交系统为例, 对本文提出的模型和算法进行检验. 通过实例分析发现, 本文提出的备选枢纽筛选模型得到的备选点几乎涵盖了大连市主城区的主要集散点, 表明以魅力度评价备选枢纽点的方法是可行的, 可以有效地为枢纽布局优化提供较合适的搜索空间. 同时, 从枢纽布局优化结果看, 本文提出的多目标优化模型可以兼顾枢纽的数量、位置和土地成本, 优化结果也符合大连市的实际情况.