基于遗传算法的加工方案选择与操作排序综合优化方法

为了得到全局最优工艺计划,提出一种基于遗传算法的可行加工方案选择与操作排序综合优化方法.考虑了特征有多个可行加工方案且其选择概率不同,在每次外层迭代中,由轮盘赌算法选择其一用于操作排序优化.通过内层的遗传算法获取子最优工艺计划,在外层比较各子最优工艺计划来获取全局最优工艺计划.特征的操作优先约束随着加工方案选择的不同而自动改变,并用于约束调整算法来保证解的可行性.实例验证了该方法的有效性,并发现了全局最优工艺计划产生于选择各特征的最大选择概率对应的可行加工方案的规律.     

面向加工中心的工艺方案优化技术

在全面考虑影响加工效率和质量的多个因素的基础上,使用多种优化方法,选择最优的工艺方案.首先用神经网络为每个加工特征选择合适的加工链,将不同特征的加工链组合成可行的加工方案集合,然后用遗传算法对加工方案排序,以辅助加工时间最少为优化目标,决策出最优的加工方案.将相关特征聚合为一个特征参加排序,大大减少了计算复杂度;最后,在聚类特征内部以刀具空行程最短为目标,规划刀具的移动路径.算法以某厂缸盖为对象进行实例验证.     

中继下基于特征子矩阵的干扰对齐优化算法

针对MIMO双向中继网络系统中,由于用户对间的数据流具有非对称性,通过研究用户对与中继之间的天线分配关系,提出了一种基于特征子矩阵的干扰对齐优化算法及可行性方案.该算法首先利用特征子矩阵准则,为每个用户设计干扰对齐预编码优化方案,然后基于分布式迭代算法逐一推导出最优的干扰抑制矩阵,以达到在目的用户端消除其他用户干扰的效果.通过仿真结果表明,与传统中继迫零方法相比较,优化算法对系统传输速率有了显著的改善.     

单机总误工问题的分解启发式算法

为了解决单机总误工问题,提出了一种分解启发式算法。该算法是将解决这一问题最好的优化方法(Lawler分解算法)和非常有效的启发式算法(MDD)有机结合,在每一次迭代过程中均利用MDD算法估计Lawler分解算法中不同分解位置对应的误工,确定具有最大加工时间的工件在获得最小总误工的分解位置处加工。从理论上证明了该算法得到的排序结果优于MDD排序,仿真实验也表明该算法得到的结果99%以上为最优排序,而且可以求解多达1000个工件的问题。该算法以较短的时间获得了接近最优排序的结果,算法性能优良。     

基于遗传算法的工艺路线优化决策

为了实现计算机辅助工艺计划(computer-aided process planning, CAPP)系统中的工艺路线优化决策,分析了工艺路线优化决策过程中存在的问题以及相关约束,提出利用遗传算法对基于工艺约束的工艺路线进行优化决策.在加工工序排序决策过程中同时考虑机床和刀具的选择,通过遗传算法的复制、杂交、变异等操作进行工艺路线决策.结果表明 利用遗传算法可以有效地对工艺路线进行优化决策,得到满足生产要求的最优或接近最优的工艺路线.通过实例,详细介绍了利用遗传算法进行加工工序排序决策以及相关的机床和刀具的选择过程.     

拓扑优化在单缸机缸体轻量化设计中的应用

为将三维拓扑优化技术应用于发动机气缸体轻量化设计中,对采用变密度拓扑优化方法的拓扑优化技术进行了研究．以缸体上施加最大爆发压力工况为边界条件,以缸体总柔度最小化为优化目标,以缸体重量为约束条件,对缸体进行拓扑优化．拓扑优化后的结构考虑加工、装配等因素,进行合理的重新建模后,分析了最大爆发压力工况和最大侧向力工况的气缸体应力分布,两种工况下优化后的缸体最大应力比原气缸体降低,应力分布更加均匀．结构优化方法用于缸体的等强度轻量化设计中,很容易确定缸体的最佳形状,并能减少重复设计验证的次数。     

基于公差推理的零件聚类装夹规划方法研究

针对计算机辅助工艺设计中的装夹规划问题,提出一种面向制造特征的基于公差推理的装夹聚类规划方法.通过分析零件的制造过程,对加工单元进行定义,建立零件的装夹规划数学模型.随机生成装夹规划的初始解,计算加工单元之间的装夹相异度,通过进行反复迭代的聚类分析获取最少的装夹分组.基于公差的推理方法,获得加工单元的加工顺序约束关系,进行装夹的组间及组内排序,生成最优装夹规划方案.同时,基于CATIA设计平台实现了零件的装夹规划原型系统,通过实例对所提算法进行了验证.      

加工时间离散可控的分批排序问题

分批排序和可控排序是两类重要的现代排序模型,该文中把这两类排序模型相结合,讨论加工时间离散可控的单机分批排序问题:对于所有工件具有相同的可控加工时间和控制费用这一情形,分别考虑机器容量有限及无限两种情况下,分别使最大完工时间和总完工时间加上加工时间可控所需费用的总和为最小作为优化的目标,讨论了这四个问题的最优解的性质,并在此基础上提出了相应的多项式时间最优算法.     

基于矩阵型惯性投影神经网络的非负矩阵分解算法

提出一种基于矩阵型神经动力学优化的非负矩阵分解算法.将矩阵非负分解优化问题首先转换为两个矩阵变量凸优化子问题，针对其子问题分别提出矩阵型惯性投影神经网络；然后，采用交替迭代方案寻找矩阵非负分解优化问题的解.理论分析证明了矩阵型惯性投影神经网络能收敛于矩阵变量凸优化子问题的最优解，并且基于矩阵型神经网络的交替迭代算法可以收敛到矩阵非负分解优化问题的偏最优解.最后，所提出的基于矩阵型神经网络的交替迭代算法被有效地应用于人脸识别.     

带有交货期和加工时间可控的单机排序问题

讨论了带有交货期和工件的加工时间可控的单机排序问题.本文首先根据最优排序的性质确定了最优资源的分配方法,并将问题转化为指派问题,通过构造多项式时间算法确定最优排序.然后,本文将学习效应与加工时间可控问题结合,分别讨论了加工时间是线性资源函数和凸资源函数两种情况,证明了该类问题是多项式时间可解的.最后,讨论了一种特殊情况(学习因子是常数,加工时间是凸资源函数),给出了复杂性为O(nlogn)的算法,通过运行此算法确定最优资源分配量和工件的最优排序.     

基于交叉变异操作的连续域蚁群算法研究

研究一种基于交叉变异操作的连续域蚁群算法,该算法对解的每一分量的可能取值组成一个动态的候选组,并记录候选组中的每一个可能取值的信息量.在蚁群算法的每一次迭代中,首先根据信息量选择解分量的初值,然后使用交叉、变异操作来确定全局最优解的值,通过相应算法设计,对于来自相对适应度较大的解的分量值, 其变异的区域较小,成为局部搜索,反之,变异的区域较大,则构成全局搜索.同时,随着迭代次数的增多,分量值的变异幅度逐渐变小,这样可使收敛过程在迭代次数较多时得到适当的控制,以加速收敛.最后通过仿真实验,把交叉变异操作的连续域蚁群算法与遗传算法性能进行比较,证明了交叉变异操作的连续域蚁群算法具有较高的搜索较优解的能力,大大节约了计算时间.     

基于MMAS的MIMO-OFDM系统上行多用户检测

在多输入多输出-正交频分复用(multiple input multiple output-orthogonal frequency division multiplexing,MIMO-OFDM)系统上行多用户检测(multi-user detection,MUD)中,针对基本蚁群算法(ant colony optimization,ACO)在搜索过程中易出现过早停滞及收敛于局部最优解等问题,提出一种基于最大最小蚁群系统(max-min ant system,MMAS)的MUD新算法.该算法在蚁群每次循环结束后,仅处于最优路径上的单只蚂蚁释放信息素;同时,通过限制每条路径上信息素的取值范围,避免路径间信息素的差值过大,从而使蚂蚁在每次循环时尽可能地选择不同的路径,提高算法的搜索能力.仿真结果表明,MMAS算法能够有效降低蚁群陷入局部最优解的概率,进而提高了检测性能;同时,随用户数的增加,该算法的计算复杂度却远低于最大似然(maximum likelihood,ML)检测算法,因此,该算法能够在检测性能与计算复杂度之间取得较好的折中.     

基于混合蚁群遗传算法的SAT问题求解

根据SAT问题的特点,通过分析传统蚁群算法和遗传算法在求解SAT问题上的不足,提出一种基于混合蚁群遗传算法的SAT问题求解方法。给出一种新的初始解的生成方式;在迭代过程中,根据较优解的累积信息提出进化算子;利用当前得到的最优解,通过改变不满足子句中文字的取值,增加变异算子。最后选取标准测试集中的20个实例对算法进行测试,实验结果表明:改进后的算法通常仅通过较少次数的迭代就能找到解,能够有效避免蚁群算法和遗传算法过早收敛的缺点,具有较强的寻优能力。     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿矩阵迭代解

针对带子矩阵约束的二次逆特征值问题的最小二乘埃尔米特广义斜哈密顿结构矩阵解问题,给出了一种共栀梯度迭代算法.首先提出了带子矩阵约束的二次逆特征值问题的最小二乘问题及其最佳逼近问题;然后分别给出了基于共轭梯度的迭代算法,证明了算法的收敛性.对于任意初始约束矩阵,在不存在舍入误差的情况下,用该迭代算法可以在有限步迭代中得到...     

组合蚁群算法及其化工应用

针对连续空间优化问题,提出基于新型蚁群算法和模式搜索策略的组合蚁群优化算法。该算法将解空间的每维变量都划分成若干子域,根据每维变量各个子域中信息量占每维变量总信息量的比例来决定蚂蚁在各个子域间的转移,并在各子域中引入遗传操作实现蚂蚁品质的提升。同时,当最优解经过若干代没有改进时,对所有蚂蚁通过模式搜索策略加快收敛进程。以非线性连续优化问题为例进行仿真,结果表明:该方法比遗传算法具有更好的性能。最后,将该算法应用于反应动力学模型参数估计,取得良好的效果。     

基于多目标蚁群算法的复杂设备拆卸序列规划

针对复杂设备转化成混合图信息模型后面临的组合爆炸和搜索爆炸问题,提出了一种改进的Louvain算法,对其模型进行社团化处理。将拆卸工具、拆卸方向改变次数以及拆卸时间作为优化目标,构造了基于多目标蚁群算法搜索社团划分可行解;并得出由多个Pareto解构成的平衡解集。最后结合直升机旋翼,利用所提方法进行算法验证;对比未被社团化处理的多目标蚁群算法而得出的拆卸序列,在算法运行效率上提升了17.2%;且复杂设备中紧密度越小零件占比越多时,运行效率越高;对比单目标蚁群算法社团化后得出的拆卸序列,在迭代次数相同的条件下,更易得到较高效率的解。实验结果表明,在实际拆卸序列规划问题上,该方法为方案设定人员提供了更合理高效的选择。     

改进FCMS算法及其在颅内肿瘤图像分割的研究

为了提高脑部肿瘤的磁共振成像(MRI)在肿瘤分割方面的精度和分割效率,提出了自适应阈值蚁群模糊聚类算法(TSAG_PnFCMS)。针对传统的模糊c均值聚类(FCMS)算法对噪声敏感,以及MRI图像中存在属性不同的样本点,在聚类过程中,将不同属性样本点的相关系数作为权重融入到欧氏距离的计算,提高聚类精度;针对蚁群算法容易陷入局部最优,提出一种自适应阈值蚁群算法,提高算法的全局搜索能力,将自适应阈值蚁群算法与改进的模糊聚类算法相结合,提高系统的分割精度和抗噪声性能,使得最终的分割效果达到最优。通过轮廓系数、目标函数收敛结果以及迭代时间进行实验仿真对比,表明改进算法的有效性,可见算法为颅内肿瘤图像的分割提供了可靠的技术手段。     

基于蚁群算法的炼钢-连铸作业计划编制方法

为提高炼钢-连铸作业计划编制中资源配置的有效性,提出了一种面向生产流程动态网络的自组织资源配置蚁群算法.炼钢-连铸作业计划以最小化炉次作业冲突时间和作业前等待时间、尽早安排连铸机开浇时间为目标,以连铸机连浇等工艺要求为约束条件建立模型,按生产流程网络结构的时空逆序关系设计了蚁群求解算法.利用某钢厂实际生产作业计划数据进行的算法验证结果表明:模型及算法能迅速得到高质量的可执行炼钢-连铸生产作业计划.