基于免疫机制的动态约束多目标优化免疫算法

该文针对一类决策空间维数可变且带约束条件的动态多目标优化问题,基于生物免疫系统的机理,提出一种结构简单、易于应用的动态约束多目标优化免疫算法.算法设计中,借助抗体识别功能,设计环境识别规则,加速相似环境的寻优过程;依据约束控制概念,设计挑选较好抗体的免疫选择操作;引入基于两级概率控制方案的两种不同的变异策略,进行抗体变异.借助三种性能评价指标,通过该算法与两种出众的算法比较,数值实验结果表明此算法能够获得满意的搜索效果以及具有较强的环境跟踪能力.     

基于记忆策略的动态分解约束多目标进化算法

针对现有面向多目标优化问题的约束处理方法存在求解效率不足,基于分解策略的多目标进化算法受到约束限制导致求解性能低的问题,提出一种基于记忆策略的动态分解约束多目标进化算法.本文首先引入具有记忆功能的归档集,改进基于短暂忽略非容许解的约束处理方法,提高算法的求解鲁棒性.然后结合基于分解的多目标进化算法,设计一种动态分配搜索...     

多目标约束水平的动态运输问题

构造了目标多约束水平（MC^2）动态运输问题的数学模型,开发了求解这一模型的迭代算法。此算法利用MC^2单纯形法给出基可行解,并在此基础上,运用动态规划思想从最优子策略逐步求得最优策略。     

能力约束批量问题的模拟退火算法研究

为了提高能力约束批量问题的计算效率,运用模拟退火算法对此类问题进行了研究。采用0-1编码的方式,在满足总需求的情况下以一定概率通过交换相邻周期的0-1编码来产生新解,内循环的迭代步长由生产规模决定(N×T),温度衰减系数为固定值,终止温度选择一个很小的正数。通过实例仿真,验证了模拟退火算法用于求解此问题的有效性。仿真结果表明,初始温度越高,搜索范围越大;迭代步数越多,寻得最优解的可能性就越高。生产规模为6×6时,取得最优解的计算用时不超过145ms。     

求解约束优化问题的动态多种群粒子群算法

为有效求解带有约束条件的优化问题,提出一种动态多种群粒子群算法。采用动态多种群策略和广泛学习策略来提升种群的多样性, 并根据人类社会“人尽其才”的思想, 为每个子群指派成员, 以发挥每个粒子的最大效用。采用动态变异策略, 对全局最优粒子(Gbest)进行变异操作以提升算法跳出局部最优解的能力。在基准函数的测试结果中显示DMCPSO获得了较高的求解精度。     

动态流量多约束优化路径算法

基于多重上联链路网络,建立一个考虑多服务质量(QoS)度量约束限制的网络路径寻优调度模型,并针对时延和剩余带宽提出动态流量多约束优化路径算法(MOPA).基于MOPA和最短路径约束,给出了具有一个多重上联链路的确定性网络拓扑中实现优化流量费用的工程方法.通过分析网络资源现状及目标作用的重要程度,以主次目标形式考虑,建立目标之间的关联,简化多目标之间关系,使用迭代方法求解非线性约束条件下的流量和代价的优化解,动态选择最优路径使流量费用比最优化并实现工程应用.实验表明,该算法适用于多链路网络各种负载下的流量优化.     

基于动态规划的QoS多约束路由算法

基于动态规划的思想,提出一种新的质量服务(QoS)多约束路由算法(QMCRA_DP).对可行路径进行智能分段,并自适应地调整求解各段的线性花费函数.理论分析及实验验证表明:QMCRA_DP算法在保持较低计算开销的同时,较大地提高了求解可行路径的成功率.     

基于约束骨干粒子群算法的化工过程动态多目标优化

大多数化工过程是动态过程,需同时优化多个目标,从而带来复杂的约束多目标动态优化问题。因此提出了一种动态约束多目标骨干粒子群算法,即采用一种新型约束处理方法,结合Pareto支配和ε约束支配技术的双档集机制;针对约束优化问题寻优难度更大,更易陷入局部最优的特点,采用局部搜索和混合变异策略,并自适应调整搜索步长,提高算法的探索和开发能力;采用分段线性函数参数化方法,构建一种动态约束多目标粒优化算法,并将其用于解决间歇反应器的动态多目标优化问题。测试实验表明:与NSGA-II和自适应差分进化算法(SADE-εCD)比较,该算法具有更优秀的收敛性与分布性;应用到化工过程多目标动态优化问题实例进行比较表明,多目标骨干粒子群算法在约束多目标动态优化问题的求解中表现出更好的应用前景。     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解     

煤矿铁路最优空车分配方案的数学模型及算法

运用计算机编制矿区的最优空车分配方案 ,使全矿的总落地煤最少 .建立了数学定义和数学模型 ,给出空车分配问题的一系列最优性准则及化简方法 ,有效地降低了求解该问题的规模 .应用动态规划方法编制了求解该问题最优解的计算机算法 ,分析了该算法的复杂性和有效性 .通过对一个实例的计算和结果的分析 ,说明该算法在实际应用中是可行的 .     

非线性约束最优化问题的多目标模拟退火算法

给出了非线性约束问题的一种新解法，首先将其转化为多目标优化问题，提出了高效模拟退火算法求解多目标最优解问题，通过搜索操作和参数的合理设计，以及试验函数的验证，证明了给出的SA算法是一类有效的多目标优化算法。     

基于协同进化的多目标约束进化算法

针对约束多目标优化算法(COA:Constrained Optimization Algorithms)中存在的难以有效兼顾收敛性和多样性的问题,提出了采用协同进化策略的多目标优化算法(CoMaC)。首先,将一个COA转化为一个带动态约束处理的多目标进化算法。然后采用差分进化(DE:Differential Evolution)生成第1种群,并将其中的已知可行解选入第2种群,并与第1种群协同进化。第1种群通过保持原约束条件的全局搜索加快收敛。第2种群通过局部搜索进化,保持并获得更多可行解。最后采用标准约束多目标测试函数进行实验,以测试所提出算法的性能。实验结果表明,与使用惩罚函数处理约束问题(PF:Penalty Function)和使用动态处理约束边界方法(DCMaOP:Dynamic Constrained Many Objective optimization Problem)相比,所提算法在反向世代距离(IGD:Inverted Generational Distance)和超体积(HV:Hypervolume)两个指标上均取得了良好的结果,说明所提算法可以有效地兼顾收敛性和多...     

基于动态调整的GA-SVM多分类二叉树的方法

基于遗传算法的支持向量机决策树多分类方法仍然存在错误累积的问题,累积的错误往往使分类准确率下降,分类效果变差,存在全局优化缺陷的问题;并且在每个节点进行二分类常用的实数编码切分方法,效率低下。针对这两方面的问题,提出从根节点开始逐层构造二叉树,运用二进制编码的遗传算法进行每一阶段的二叉树构造。二进制编码对于每个节点的分类以及进行交叉、变异更高效,不用考虑从什么位置切分。针对越靠近根节点产生的误差对后续节点分类误差的累积影响,提出一种动态调整的方法,此方法对每个节点赋予权重再进行对权重的调整使得整体的分类误差减小,最终得到二叉树的全局最优,从而提高分类精度。通过实验并进行五折交叉验证表明,DABT-SVM比多种传统的支持向量机多分类算法在全局优化能力和分类精度上有很大的提升。验证了该算法的可行性和有效性。     

基于动态权重SA-PSO的工艺路线决策

综合考虑粒子群算法的全局搜索能力和模拟退火算法的局部搜索能力,在算法中引入动态惯性权重的概念,使惯性权重随着迭代次数的增加而减小,提高了算法的收敛速度和精度。在工艺约束条件下,同时考虑机床、刀具的选择,建立了以最小成本为优化目标的目标函数,运用已建立的算法对其进行运算,得到满足生产要求的最优工艺路线。最后通过实例,详细介绍了该算法进行加工工序决策及相关机床和刀具的选择过程。     

基于轨迹映射模型的天车多目标调度方法

为有效解决生产过程中的多天车调度问题,在统筹考虑天车任务初始态和时空约束等特征的基础上,提出一种全新的天车轨迹映射模型.结合传统差分进化方法,将库位分配规则和天车分配算法融合到调度算法的每一次迭代过程中以指导算法寻优.以最小化入库订单延迟成本和最小化出库订单等待成本作为评价指标,设计仿真试验并与经典多目标优化算法进行对比,验证了算法是有效可行的,进一步的数值试验表明了合理的调度规则可以有效提高天车调度性能.     

多约束路由的分层计算方法

针对多约束参数限制下服务质量路由的寻找问题,提出一种分层式计算思想.设想把路由计算方式分为两层,第一层工作是计算源与目的节点间的可达路径集,第二层则是在路径集中寻找满足条件的路由.研究出一种可达路径集计算方法,在此基础上推出了具体的分层式路由计算方法,采用由少到多逐一增加串联链路和节点数量递进方式进行,一旦寻找到满足条件的路由,则给出结果,退出计算.通过算例详细介绍了路径集与路由寻找的计算方法,并论证了路径集算法的正确性,阐明了路由新算法的时间复杂性及诸多优点,提出了适应多约束参数传输的状态信息交换协议改进建议.通过仿真实验验证了路由新算法的正确性,同时也说明新算法完全能够满足实际需要.     

关键链多项目调度中能力约束缓冲的研究

本文基于集中式能力约束设置方法的不足,采用分散式能力约束缓冲设置法,考虑任务延期的积累性,将能力约束缓冲设置到关键任务之前;针对前置式分散能力约束缓冲,提出综合考虑关键资源紧张度、关键任务网络复杂度、关键任务间的间隙度和关键任务的自由时间等因素来计算能力约束缓冲的尺寸大小。模拟结果表明:本文提出的能力约束缓冲的计算方法在不确定性大的情况下,可以有效地避免项目的延期和缓冲区的溢出。     

基于自适应变异粒子群算法的铁路空车调配

提出一种用于求解铁路空车调配的自适应变异粒子群算法.该算法在迭代过程中加入了变异操作,根据群体适应度方差调整变异概率的大小,并通过调整惯性权重因子来增强算法跳出局部最优的能力.将自适应变异粒子群算法用于铁路空车调配,建立以空车总走行距离最小为目标的数学模型,并在此基础上设计相应的算法.算例结果表明,应用自适应变异粒子群...     

基于失效率调整因子的多目标动态预防性维护决策建模

针对静态维护策略中事先确定固定维护周期以及当前维护决策多为单一目标决策的不足,引入整合失效率调整因子的修复非新模型,采用动态预防性维护决策,更符合随役龄增加而使设备的预防性维护周期递减的实际情况.在此基础上,整合优化维修成本率和设备可用度,建立一种动态预防性维护的多目标决策模型.数值实例结果表明,利用多目标动态预防性维护决策模型,可求出基于维修成本率最小和设备可用度最大的各维护周期最优预防性维护时间间隔.     

多资源约束下串并联生产系统的多目标动态维护

针对多资源约束下的串并联生产系统,在多资源约束条件下考虑系统的可用性,以各工序资源需求优先级为标准,建立了一种多目标动态维护模型.引入权重因子,通过采用可靠度恢复因子描述各工序设备维护前后可靠度的变化过程,建立以维护成本和系统可用度为优化目标的维护策略.通过仿真抽样求解出系统在给定区间内的预防性维护与机会维护阈值.结果...