基于混合粒子群优化算法的故障特征选择

通过将遗传算法和粒子群优化算法相结合,提出了混合粒子群优化算法(HPSO),用于机械故障特征选择问题.此方法在对粒子进行优化的同时选择部分优良的粒子进行遗传交叉和变异操作,增强了算法跳出局部极值的能力.某导弹运输车减速器齿轮故障特征选择试验结果表明HPSO可以快速、有效地求得优化特征集,其性能优于PSO和GA.     

MINLP问题全局优化算法的研究

提出了一种求解混合整数非线性规划MINLP问题的混合优化算法GASimplex，由遗传算法模块GAsolver和单纯形算法模块SimplexSolver两部分组成。该算法首先确定MINLP模型的整数变量和复杂变量，使得固定这些变量后可以将原问题转化为一线性规划子问题，在此基础上应用GASolver实现对整数变量和复杂变量的优化，而其适应函数则可以通过求解编码对应的线性规划子问题SimplexSolver来得到。这样，一方面由于在遗传算法中引入了局部搜索过程，极大增加了GASimplex整体收敛速度，而且对于非凸的MINLP问题，可以在理论上保证得到解的全局最优性；另一方面，模型约束条件是通过SimplexSolver求解得到，故约束条件的存在—般不会增加遗传算法处理的复杂度，可有效的处理约束的MINLP问题。通过对一MINLP模型仿真分析，证明该算法不仅具有很决的收敛速度，而且能得到全局的次最优解，更适合处理一类复杂的MINLP问题。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

基于粒子群-遗传的混合优化算法

提出了一种基于实数编码的粒子群优化和遗传算法的混合优化算法,该算法首先由粒子群优化进化一定代数后,将最优的M个粒子保留,去掉适应度较差的pop_size M个粒子。然后以这最优的M个粒子的位置值为基础,选择复制得到pop_size M个个体,并进行交叉、变异等遗传算法运算。最后将保留的M个粒子位置值与遗传算法进化得到新的pop_size M个体合并形成新的粒子种群,进行下一代进化运算。该算法在进化过程中能进行多次信息交换,使两种算法互补性得到更充分的发挥。通过5个函数优化实例与其他多种算法的对比研究,表明该算法收敛性能好,运算速度快,优化能力强。此外,还研究了最优粒子保留规模M以及粒子群优化进化较少代数规模对算法性能的影响。     

求解连续空间优化问题的量子差分混合优化算法

借鉴量子计算的相关原理和差分进化思想,提出一种用于连续空间优化问题的量子差分混合优化算法。算法的核心是构造由决策向量的分量和量子位概率幅为等位基因的实数编码染色体;采用依据染色体的具体形式设计的互补变异进化部分优秀个体,以加快算法的收敛速度;利用差分进化思想进化部分随机选取个体,以保持算法的全局搜索能力和鲁棒性。对Benchmark函数测试表明,该算法具有寻优能力强、搜索精度高和稳定性好的特点。应用该算法求解路基沉降预测模型参数估计问题,能够有效提高实测沉降数据的拟合精度.     

基于混合蚁群算法的产品开发过程优化方法

通过对迭代产品开发过程的分析,提出了将产品开发过程中设计活动被首次访问视为TSP问题中蚂蚁访问城市的思想,将Markov 过程建模方法与基本蚁群算法相结合,建立了混合蚁群算法对产品开发过程进行优化求解.示例表明该方法成功地将蚁群算法扩展到复杂产品开发过程优化问题,在考虑设计迭代以及设计活动完成时间服从任意分布的情况下,建立了产品开发过程优化模型,为该类问题的求解提供了一个新的思路和方法.     

一类多资源作业车间混合优化调度方法

针对多资源作业车间调度问题,结合启发式算法和遗传算法的特点,提出了混合优化调度方法,建立了多资源约束的车间优化调度模型.根据启发式算法中调度优先规则对调度目标的影响程度,设计了新的编码规则.采用正弦函数作为改进遗传算法中的自适应因子,使交叉概率和变异概率随群体的适应度自动改变,提高了运算的效率.通过实例仿真并与其他算法比较结果表明,该混合调度算法可以进行作业车间在机床、刀具等多种生产资源约束下的优化调度,并在评价指标上较其他算法更优.     

一种基于Bayes方法的优化算法

对实际问题而言 ,人们对于问题的解一般会有一个初步认识 ,并且这种认识会在搜索过程中逐渐加深或得到修正 ,这符合人们认识世界的普遍规律 .作者基于这一认识 ,提出了一种基于 Bayes方法的优化算法 ,从而较大地加快了算法的收敛速度.     

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。     

基于混合粒子群算法的组合式变速箱传动比优化研究

针对组合式变速箱传动比分配难以得到最优方案的问题,提出基于混合粒子群算法的组合式多档位变速箱的传动比优化方法.基于多目标粒子群算法,引入具有自我更新机制的领导种群,构成混合粒子群算法.以各段单级变速的传动比为变量,结合传动链布局,以驱动功率损失率、比油耗损失率等为优化目标,以理论车速等为约束条件,建立多目标优化模型,并...     

烟叶采购混合订单分配优化模型与算法

烟叶采购混合订单分配问题包括卷烟企业炳叶供应商选择和订单分配优化两个子问题,是卷烟企业资质认证采购和供应链优化的基础.综合考虑供应商选择和订单分配优化,以最小化隐性和显性采购费用为第一优化目标、最小化供应链循环时间为第二优化目标、最小化品质负差为第三优化目标,建立卷烟企业烟叶采购混合订单分配模型;利用组合赋权法确定目标权值,提出基于内置换、内外置换、取舍三种基本操作的烟叶混合订单分配启发式算法.利用该模型与算法即可确定供应商备选集合及其优先顺序和订单分配方案.实例表明所建立的模型与算法行之有效,为卷烟企业供应链优化提供理论支持,对卷烟行业的资质认证采购具有现实指导意义.     

用GA求解敏捷供应链质量兼容生产计划问题

在考虑产品质量控制过程的基础上,建立了极大化生产利润的敏捷供应链质量兼容生产计划模型,并利用遗传算法对这个复杂的组合优化问题进行了求解,从而提出基于遗传算法的敏捷供应链质量兼容生产计划算法。在改进的遗传算法中,染色体编码被设计成一种位串式的整数编码形式,遗传算子采用了一种引导遗传变异操作的运算方式,惩罚技术和精华选择策略被用来引导遗传搜索达到可行解空间的最好区域。大量仿真计算表明所提算法是有效性的。     

用多目标遗传算法优化设计水库分期汛限水位

水库分期汛限水位利用洪水的季节性规律,可在不降低水库防洪标准的前提下,显著提高水库兴利效益.论述了优化设计分期汛限水位的必要性、基于模拟调度优化设计分期汛限水位的可行性.以防洪、发电、航运等多目标来评价分期汛限水位方案,以不降低水库防洪能力为约束条件,建立了优化设计模型.对简单遗传算法进行了多目标评价、引入共享函数、线性变换适应度函数、优解保持策略、重新洗牌等改进,建立了一种改进的多目标遗传算法,用以优化设计分期汛限水位方案.以三峡水库为研究背景,采用混合编码方法描述分期汛限水位方案,利用1882~2003年宜昌站汛期的实测日流量资料进行模拟优化,得出了较优的分期汛限水位方案.计算结果表明,分期汛限水位优化设计能权衡防洪与兴利之间的关系,在满足防洪要求的前提下,显著提高水库兴利效益.