带性能约束布局问题的不干涉遗传算法

针对卫星舱设计中的带性能约束优于问题,给出了并证明了矩形图元布局优化不干涉性的判别定理,依该定理构造了求解布局问题的不干涉遗传算法,数值结果表明了该算法的正确性和实用性。     

旋转舱布局优化模型的主要性质及不干涉性算法

以简化的人造卫星舱优化布局为对象，研究旋转舱内长方体与圆柱体群的布局优化模型及其不干涉算法，给出了布局优化模型及其主要性质，将其归结为一带多个反凸约束的Ｄ．Ｃ．规划问题，为求得全局最优解奠定了理论基础，最后，给出了判断各待布物之间不干涉的有效算法。     

基于改进离散粒子群算法的危化品仓库垛位布局优化研究

堆垛是危化品仓储的重要方式之一,其布局优化是带有特殊约束的非确定性多项式难题(NP-hard).为此建立了以仓储利用率为目标函数,危化品仓储安全距离为约束条件的仓储堆垛布局优化数学模型.针对此问题的非二进制离散特性,提出了符合危化品垛位布局优化问题的离散粒子群算法,该算法重新定义了速度与位置更新公式,设计了最高水平线分层排放策略,实现了危化品仓库安全约束条件下适应度函数的计算,优化了垛位与通道位置的布局.实验表明:该算法在满足危化品仓储安全的条件下,可有效提高货物堆垛仓储的利用率.     

求解非线性约束优化问题的进化规划算法

给出一种求解带有非线性约束优化问题的进化规划算法,此算法能避免将约束问题转化为无约束问题,计算时间较短且算法稳定性强,通过数值计算得到最优解.     

变粒度协同进化设计算法及其在卫星舱布局设计中应用

采用进化算法求解复杂卫星舱布局问题时,算法容易陷入局部最优,且干涉计算复杂度高,计算耗时长.为提高对复杂解空间的搜索能力,基于协同进化算法,将问题分解为若干子问题求解;为减少计算耗时,子问题求解时采用了一种设计变量的变粒度策略.称上述方法为变粒度合作式协同进化算法(CCEA-CFG).卫星舱布局优化数值实验表明,与目前常用的几种布局求解算法(遗传算法、协同进化算法以及遗传/粒子群算法(QPGP))相比,CCGA-CFG(基于GA的CCEA-CFG)具有较好的计算质量、计算效率和计算鲁棒性.     

带性能约束的矩形图元布局问题的求解

讨论了卫星舱设计中带性能约束的矩形图元布局优化问题,给出一种矩形图元不重叠判别方法,并给出数学表达式,从而建立布局问题的非光滑优化模型.应用熵函数方法,对目标函数和约束进行光滑近似得到一般优化问题.最后给出了数值结果.     

求解带性能约束凸多边形布局的混合算法

针对带性能约束的凸多边形布局问题,设计了一种波纹探测启发式定位算法(REHA),并将其与广义模拟退火算法(GSA)相结合,形成混合算法.波纹探测启发式算法模拟波纹的现象,以圆形容器的圆心为中心,构造同心圆,逐步增大同心圆半径向外探测,根据同心圆与质心临界多边形的交来确定布局物的放置位置.该算法同时兼顾布局问题的紧凑性和静平衡约束,是一种定位启发式方法,其解的质量受布局顺序的影响.利用广义模拟退火算法优化布局顺序,形成混合算法,并将其与经典的模拟退火算法作分析对比,数值试验验证了提出算法的有效性.     

基于集合覆盖和禁忌搜索算法的WCDMA基站布局

分析和比较了集合覆盖和禁忌搜索两种高效布局算法的优化性能和计算时间.在此基础上提出了一种新的WCDMA基站布局算法,该算法使用集合覆盖进行整体布局,使用禁忌搜索进行局部优化.由于综合利用了集合覆盖算法的快速性和禁忌搜索算法的精确性,实际场景仿真结果显示,新算法仅用禁忌搜索算法8.8%的计算时间,就搜索到比禁忌搜索算法优化性能更好的布局配置.     

基于改进蚁群算法的CVRP问题研究

车辆路径优化问题归属于NP-hard问题;针对基本蚁群算法求解效率低下,可行解质量不高,容易陷入局部最优解的情况,在充分考虑具有一般性的车辆路径优化问题的数学模型与解决方案后,提出了一种带有轮盘赌运算与2-opt优化运算相结合的改进蚁群算法,算法在运算过程中对选取路径的概率进行二次计算,扩大了全局的搜索范围;同时对得到的路径进行内部优化,增强了局部搜索能力,提高了解的质量;通过MATLAB软件进行仿真实验的结果表明:相较于基本的ACO算法以及遗传算法得到的结果,改进的蚁群算法在性能上和求解的质量具有很大的优势,可以更好地解决带有容量约束的车辆路径优化问题,为相应的企业更好地节省物流成本。     

具有性能约束布局问题的优化算法及收敛性

研究了二维布局优化问题,建立了具有性能约束的二维布局半无限优化模型.应用图论、群论等,把该问题分解为有限多个子问题,在每个子问题中克服了优化变量的时断时续性质,并将子问题松弛化,利用极大极小函数给出了松弛子问题的最优性函数,该函数在其零点使松弛子问题的一阶必要条件成立.利用最优性函数构造了松弛子问题的优化算法,并证明了算法的收敛性.     

面积约束下船舶舱室声学布局优化设计的理性准则法

给出了船舶舱室声学布局优化通用模型的数学表达式,解决了舱室声学布局优化设计难以定量化描述的难题.基于该通用模型,研究考虑舱室面积约束和非标准空间约束的声学布局优化设计问题,给出了求解这类问题的理性准则法.针对常规舱室面积约束的声学布局设计,通过建立改进的计权指派系数矩阵,采用基于匈牙利算法的准则法求解;针对待分配空间数量不等于待分配舱室数量的非标准空间约束,提出基于排序不等式的非标准空间布局准则法.通过算例分析,验证了面积约束条件下舱室总体声学布局优化的理性准则法有效性.     

装填布局拓扑模式变换的遗传算法

在布局优化中需给出初始点以构成初始布局，用构造非同胚布局拓扑模式的方法给出若干非同的初始布局，是缓解组合爆炸，求得全局最优解或较好的局部最优解的关键。用遗传算法的思想来实现布局拓扑模式变换，生成非同胚布局拓扑模式的不同初始布局。     

任意多边形无叠接靠拢算法的研究与实现

CAD 中常遇到这样一个问题:已知一多边形的位置,如何按指定方向放置另一多边形,使这二多边形以最紧密的方式排放,但不发生叠接现象?以往的方法繁琐,计算时间长。本文介绍一种新型的快速靠拢算法。该算法基于投影法上,再适当使用旋转处理和隐藏区域处理,使判断仅基于有限的多边形顶点,简化了处理过程。本算法可适用于任意多边形,可广泛用于计算机辅助机械落料,集成电路 CAD 中的布局,飞机、汽车制造业中的裁剪,制鞋、制帽和服装中的排料等领域,也为自动排料提供了优化算式的基础。     

求解带平衡约束矩形布局问题的混合算法

以卫星舱布局为背景,针对二维带平衡约束的矩形集在圆容器内的布局问题,提出了一种混合算法,即带压缩策略的动态匹配算法,并与粒子群优化算法结合起来.对于给定的圆容器,将整个布局过程分为4个阶段,相应地将圆容器分成8个区域.每次放置矩形时,动态匹配算法先根据系统质心动态选择装填区域,然后在该装填区域中根据排序函数选择待布矩形.压缩策略用来压缩圆容器,粒子群优化算法用来优化排序函数的参数.在测试集上的计算结果表明:相对于已有算法,提出的混合算法更加有效.     

基于粒子群和蚁群算法的船舶机舱规划方法

基于粒子群算法和蚁群算法,提出了一种优化算法用于求解船舶机舱布局规划问题.船舶机舱规划问题主要包括设备布置和管路敷设.由于船舶机舱空间有限,设备和管路数量繁多,约束条件复杂,在进行具体设计过程中,需要反复多次校核修改,才能获得可行的设计方案.为了充分考虑设备布置和管路敷设设计两者之间的耦合作用,建立数学模型,从而获得全局最优的设计方案.模拟实验的结果证明,所提出的优化方法在求解船舶机舱布局规划问题中的可行性和有效性.     

随机学习萤火虫算法优化的模糊软子空间聚类算法

传统软子空间聚类算法在利用局部搜索策略解决等式约束的连续非线性的变量加权问题时,易陷入局部最优导致聚类效果不佳.针对该问题,该文提出了一种随机学习萤火虫算法优化的模糊软子空间聚类算法.该算法利用具有全局搜索能力的萤火虫算法对新算法的目标函数进行优化,同时,为弥补萤火虫算法易提前收敛和寻优精度较低的缺陷,对萤火虫种群进化...     

基于改进型自适应遗传算法求解设备多行布局问题

对面积不等、形状固定的设备多行布局问题，提出了自由换行布局策略和净行间距概念.构建了带逆向物流、净行间距的多目标组合优化数学模型.引入免疫系统群体多样性作为种群进化的标志的基础上，建立了改进的自适应遗传算法(Improved Adaptive Genetic Algorithm, IAGA)，实现了交叉概率和变异概率的非线性自适应调整.最后，对算法进行了实验对比分析.结果表明，所提出的算法能快速有效地获得问题的近似最优解，稳定性好，对解决设备多行布局组合优化问题具有实用价值.
     

一种基于Seeds集和成对约束的主动半监督聚类算法

针对半监督聚类算法中监督信息使用不充分,监督信息中信息含有量低的问题,提出一种结合主动学习的半监督聚类算法.首先结合使用数据的类别标记和成对约束信息,指导Kmeans聚类过程,设计出一种基于Seeds集和成对约束的半监督聚类算法SC-Kmeans;其次将主动学习算法引入到SC-Kmeans中,以尽量小的代价选取信息含有量更高的监督信息,提高SC-Kmeans算法的聚类精度;最后在UCI标准数据集上进行仿真实验.实验结果表明,该算法取得了较好的聚类效果,有效提高了聚类准确率.     

受约束时间最优控制问题罚函数法收敛性分析

通过罚函数方法,受约束时间最优控制问题的求解可转化为对带罚函数的无约束最优控制问题的求解.文中证明当罚因子趋于无穷大时,用罚函数构造的无约束最优控制问题的解收敛于原来受约束时间最优控制问题的解,从而为用罚函数方法求解受约束时间最优控制问题提供理论保证.