基于改进蚁群算法的移动机器人路径规划

针对蚁群算法中收敛速度和局部最优的矛盾,提出一种适用于静态环境的基于改进蚁群算法的移动机器人路径规划方法.在环境建模方面,利用机器人起点和终点的位置建立环境的可视图.改进的蚁群算法将环境中局部的路径信息加入到信息素的初始化和路径选择概率中,提高了算法收敛速度的同时尽可能地避免算法早熟.当算法陷入停滞时,引入交叉操作并调整α,β和ρ的值,增加了算法的逃逸能力.仿真结果证明了所提方法提高了最优路径的搜索效率,整体性能优于标准蚁群算法.     

全局最优的SLNR预编码功率分配算法

针对多用户多输入多输出系统,基于总可达速率最大化原则,研究了基于信漏噪比(signal-to-leakage-and-noise ratio, SLNR)预编码功率分配算法。为解决传统算法仅能通过迭代求解,性能不好的问题,提出了可直接求得全局最优解的解决方案。导出了仅含一种变量的目标函数,将功率分配问题转化为有约束条件的非凸优化问题。为解决这个优化问题,提出一种基于鸟群算法(bird swarm algorithm, BSA)实现全局最优的解决方案;为弥补该算法复杂度高的缺点,提出一种基于几何规划(geometric programming, GP)的近似全局最优算法。仿真表明,基于BSA的算法能够实现最大的系统总速率,且随着发射信噪比、基站天线数及用户数变化,性能提升效果能够得到保持;基于GP的算法,在复杂度与性能方面得到折衷,且相比基于BSA的算法,误码率性能更优。     

无人机多任务区侦察时间分配模型与应用

为了合理分配无人机对多个任务区的侦察时间,提出了一种包含问题建模、求解和方案决策的无人机多任务区侦察时间分配方法。首先,建立了包含侦察收益和侦察风险两目标的无人机多任务区侦察时间分配模型,该模型属于带约束多目标优化问题;其次,提出了一种改进的基于分解的约束多目标进化算法,该算法具有简单、灵活、无参等特点,可有效求解;最后,利用优劣解距离法从非支配解集中选择最优方案。选择了6种约束多目标进化算法,在3个不同雷达强度指数条件下进行对比实验。Hypervolume指标说明约束多目标进化算法在求解该问题时优于其他算法。实验结果表明：提出的方法在求解无人机多任务区侦察时间分配优化问题中能够实现快速准确决策。     

协作通信系统中继功率分配算法的研究

研究了协作通信系统中功率分配的问题,主要研究了固定放大转发协议下单中继系统的功率分配.首先对系统的误码率进行了推导并以最小化系统的误码率为目标对优化问题进行了定义;其次引入惩罚因子将有约束的最小误码率优化问题转化为无约束优化问题进而建立新的目标函数;最后提出了人工鱼群和粒子群相结合的算法对系统优化问题进行了求解.仿真结果表明所提算法提升了系统的性能并降低了计算复杂度.     

随机型装配线平衡与缓冲区配置集成优化

线平衡问题和缓冲区配置问题在装配线设计中常被分开独立研究,二者之间存在复杂的交互影响关系.随机型装配线由于操作时间波动加剧了二者之间的相互作用与影响,先平衡再缓冲区配置的串行优化模式难以得到全局最优结果,因此需要在线平衡的同时协同解决缓冲区配置问题.针对随机型装配线规划问题,在基于操作时间状态熵的工位复杂度定义基础上,以生产率最大,整线工位复杂度均衡指数、标准操作时间均衡指数和缓冲区总量最小为优化目标,构建线平衡和缓冲区配置集成优化模型.采用参数化建模仿真获取整线生产率,通过改进的遗传算法获取集成优化方案.最后对变速箱装配线实例进行计算验证,证明了该方法的有效性.     

基于Petri网的离散事件系统初始资源优化配置

资源优化配置技术能够在系统执行任务之前提供合理的资源分配方案,以满足预先设定的生产目标、成本等约束条件,对于节约成本、提高经济效益具有重要意义.本文基于Petri网研究离散事件系统的初始资源优化配置问题.首先,根据Petri网的结构化特性将初始资源优化配置问题抽象为整数线性规划问题;其次,利用Lingo等软件求解初始资源优化配置问题;最后,利用实例对提出的方法进行验证.实验结果表明,提出的方法简单,高效,具有重要的实际意义.     

基于集中式MIMO雷达的多目标跟踪功率分配优化算法

针对集中式MIMO雷达对多个运动目标进行跟踪的问题,提出一种基于后验克拉美罗下界的功率分配方法。首先给出了多个运动目标定位误差的后验克拉美罗下界,并将其作为代价函数进行优化,从而将雷达功率分配转化为求解凸优化问题;然后,运用SDP算法对该凸优化问题进行处理,将其转化为SDP问题并求解,从而实现对雷达功率的优化分配;最后,通过仿真验证了算法的有效性。结果表明,与功率平均分配和一种基于最大信噪比的贪婪算法相比,该功率优化分配方法能明显提高目标跟踪精度。     

能力约束下单产品多厂区联合决策模型及算法

针对具有能力约束的制造厂和多用户组成的生产-分销系统,研究了生产和运输能力约束下生产与运输联合决策,决策变量为产品的生产周期、供应商和用户之间的运输频率以及产品的经济分配量,优化目标为最小化供应链的单位时间平均总费用.在建立问题的非线性规划模型后,对模型进行了改进,提出了适合该问题模型的分配启发式算法.采用该算法和拟牛顿法(quasi-Newton method,QNM)分别对不同规模的问题进行了实例计算,结果验证了该模型的正确性和算法的有效性.     

解决约束多设备韦伯问题的一种启发式算法

提出解决约束多设备韦伯问题的启发式算法属于一种定位和分配交替算法.约束多设备韦伯问题包含了常见的不带约束的多设备韦伯问题作为它的特殊情况.在分配阶段,采取最近中心再分组方法;在定位过程中,将非光滑约束韦伯问题转化为优化问题,再将之化为单调线性变分不等式,进而通过投影—收缩方法;在文章的最后给出了几组实例的数据计算结果.     

A Model Combining Discrete Event System Simulation and Genetic Algorithm for Buffer Allocation in Unreliable Large Production Lines

To solve the difficulties in allocating buffers for unreliable large production lines, this paper investigated a model combining the genetic algorithm with the discrete event system simulation method. In the simulation method, times-to-failure of an unreliable large production line is assumed to follow exponential distribution, whereas times-to-repair and times-to-processing are set to follow an Erlang-k distribution. Using a genetic algorithm based on special position-based mapping means and elitist protection strategy, the buffer configuration of an auto-body welding line is optimized. The simulation of the optimized configuration shows that the performance of the production line, such as productivity and the main average utilization of the workstations, is much improved. This model can optimize the allocation of buffers for unreliable large production lines effectively.     

无线移动传感器网络中动态频谱分配及协同策略

为降低复杂性并在兼顾公平的情况下提高信道利用率和减少切换次数,在无线移动传感器网络(WMSN)中提出了一种动态频谱分配及协同策略.该策略利用空闲私有频段进行无线通信,通过有效的频谱感知与分配来协同实现网络效益最大化.簇首选择合适的感知频段避免通信碰撞,而频谱分配则结合WMSN特点建立恰当的动态频谱分配模型,并转换为不带...     

认知无线网络中基于免疫优化的比例公平资源分配

针对认知无线网络中基于OFDM技术的资源分配,将其建模为一个约束优化问题,进而提出了一种基于免疫克隆的求解方法. 算法采用两阶段资源分配方法,即先将子载波分配给用户,然后基于免疫优化算法给不同的子载波分配功率. 此外,算法充分考虑了主用户可容忍的干扰约束及次用户对资源的比例需求,更符合实际要求. 根据问题本身特点,设计了适合算法求解的编码、克隆、变异算子. 仿真实验结果表明,在总发射功率、误码率及主用户可接受的干扰等约束下,本算法可以获得较高的数据吞吐量,并保证次用户对资源需求的公平性.      

下垫式认知无线电网络的鲁棒功率分配算法

针对认知无线电网络功率分配的参数扰动性问题,提出一种基于保护因子的认知无线电鲁棒功率分配算法.该算法根据实际系统信道参数的扰动性,对授权用户干扰功率阈值引入保护机制进行鲁棒规划,运用Lagrange对偶算法和凸优化相关理论得到最优功率分配,解决了下垫式(Underlay)模式下认知无线电网络信道参数扰动性问题.仿真结果表明,该算法具有较好的鲁棒性,降低了算法复杂度,并提高了认知无线电网络的系统容量.     

一种新的基于遗传算法的OFDM系统跨层资源分配方案

在进行多用户OFDM系统的MAC层设计时,提出一种同时考虑应用层分组到达过程,用户时延QoS和物理层子载波信道条件的跨层资源分配方案.该方案将这三层综合成一个整体考虑,把问题归结为约束函数优化问题.为了有效解决该优化问题,又提出一种低复杂度的基于精英选择的遗传算法.数值计算实例证明了所提算法的有效性,且其低复杂度使得它非常适用于实际系统中.     

基于改进鲸鱼算法的并网型微网能量管理

为解决并网型风/光/柴/储微电网的能量管理问题,以经济性和环保性为目标函数,考虑各发电设备安全稳定运行作为约束条件,构建并网型微网容量优化配置模型;采用差分排序和差分变异的优化策略且引入Lévy飞行轨迹的机制来改善标准鲸鱼算法(whale optimization algorthm,WOA)的收敛精度和收敛速度;基于所提的风-光-储-网-柴的调度策略,采用改进鲸鱼算法求解配置模型。挑选某地一年四季4个典型日进行案例分析。结果表明:本文所提出的调度策略和配置模型具有合理性;改进的WOA算法能够有效地解决微网能量管理问题,在全局搜索和寻优能力方面具有优势。     

改进鲸鱼优化算法及其在混流U型装配线平衡问题的应用

为提高鲸鱼优化算法的寻优效果和求解稳定性,通过改进算法的种群初始化、局部搜索、越界处理方法和收敛因子,提出一种改进的鲸鱼优化算法 。 采用基于切割法的均匀设计种群初始化方法,改善算法初始种群的均匀性;通过引入基于NEWUOA算法的局部搜索算子,提高算法的局部搜索能力;在算法的越界处理方面,提出一种基于环形区间和随机波动的方式,降低算法陷入局部最优的可能;引入了非线性收敛因子和自适用权重,均衡算法的局部和全局搜索,并进一步增强搜索的精细度。通过7个单模态、多模态以及固定维度的基准测试函数进行了数值仿真实验,验证了改进的鲸鱼优化算法相较于遗传算法、鲸鱼优化算法以及其他改进的鲸鱼优化算法,在寻优效果和求解稳定性方面具有优越性。 针对混流U型装配线平衡问题,考虑最小化装配线的节拍时间,将改进的鲸鱼优化算法用于问题求解;在解码阶段,设计一种基于阈值的解码方法,优化工序的分配过程;最后计算了21个混流装配线算例,结果表明,改进的鲸鱼优化算法在20个算例中求得了更优解,相较于其它算法,节拍时间平均降低3.02%。     

面向成本优化的SBS虚拟化资源分配

在部署云应用问题中,对于结构复杂的基于SBS的资源优化分配问题,目前尚缺少深入研究.针对这一问题,提出了组件服务资源配置的概念及其确定方法,基于此将SBS的资源优化分配建模为资源配置的组合优化.为求解优化模型,给出了一种改进了交叉算子和变异算子的遗传算法.实验验证了优化模型的有效性,同时表明提出的遗传算法具有较快的收敛速度,且与线性规划相比,虽然最优解的质量相近,但是在较大规模问题上求解效率明显优于后者.     

基于改进粒子群算法的诺西肽发酵过程优化

在诺西肽补料分批发酵动力学模型的基础上建立了诺西肽发酵过程产量优化模型,根据发酵工艺选取了决策变量,并确定了变量的边界约束范围.针对标准粒子群算法在求解复杂优化问题时易于陷入局部最优的问题,利用混沌序列具有随机性和遍历性的特点,引入混沌迁移算子,提出了一种改进的粒子群算法.利用改进算法对所建立的诺西肽发酵优化模型进行求解,大大提高了最终产物的产量,证明了所提改进粒子群算法的有效性.     

不规则型泊位与岸桥集成分配问题的优化建模和算法研究

泊位和岸桥作为港口的有限资源，对其进行优化分配有利于提高港口的作业效率，加快船舶的离港时间.由于地理条件的限制，一些港口的泊位线不呈一条直线型，而是呈“L”或“F”等形状，岸桥无法在这些不连续的泊位线上自由移动，该类泊位无法按照连续型泊位分配问题进行优化，而按照离散泊位进行优化会极大浪费泊位线的空间.本文针对不规则型泊位和岸桥集成分配问题，根据船舶停靠的相对位置和时间建立了线性规划数学模型，结合问题特性和变量关系，提炼出三个有效不等式，并采用CPLEX软件对加入不等式前后的模型分别进行求解.针对问题规模增加后，CPLEX求解时间较长的问题，本文采用了粒子群算法进行求解，并提出具有随机搜索策略的速度更新方式，避免算法陷入局部最优.实验结果表明，加入有效不等式后，模型的求解时间降低了83.39%;改进的粒子群算法比标准粒子群算法获得的优化解降低了25.21%.     

分散、递阶蚁群算法及其在相变序列图像分割中的应用

提出了一种分散、递阶蚁群算法，它将多个分散的蚁群并行求解各自对应的子问题，形成一个执行层，而递阶协调层利用执行层反馈的信息协调执行层的优化过程，从而得到递阶求解问题的整体最优解．该算法已应用于相变热图序列图像模糊相变线的提取问题，即运用区域划分方法先将序列图像的分割转化为关联型多子图搜索问题，再利用分散、递阶蚁群算法进行求解，结果表明该算法能很好地利用相变线的运动信息成功地解决热相变序列图像分割问题．与蚁群算法独立搜索比较，分散、递阶蚁群算法能更有效地实现多子图之间的关联．