基于仿真的车间作业计划优化设计

车间作业排序是一个NP-Hard问题,针对其复杂性和难以求解的特点,提出了采用仿真与优化算法相结合的求解方法。首先,建立了车间作业计划仿真优化系统的框架,采用UML对系统进行建模分析,并在仿真软件eM-Plant中映射实现,应用遗传算法优化模型关键参数,实现最优排序,最后示例说明该系统。该方法简单可行,为解决这类复杂问题提供了一条捷径。     

集装箱海运二维收益管理能力分配随机模型

在充分考虑集装箱海运的二维属性,包括不同尺寸的集装箱类型和班轮的容量与重量双重约束的基础上,基于收益管理的思想建立了多班轮、多航段能力分配的随机模型.运用稳健优化方法将其转化为整数线性规划模型,并给出了实际应用中情景及其发生概率的获取方法,然后采用遗传算法进行求解.在算例中,得到了不同箱型的最优和满意的承运方案,研究结果表明了模型和算法的有效性.最后,通过数值分析和讨论得到3个有益的性质和管理策略.     

基于遗传算法和模糊决策的大规模联盟伙伴选择方法研究

为解决大规模的网络制造联盟合作伙伴选择问题,在建立该问题数学模型的基础上通过分析引入遗传算法和模糊决策理论,提出一种分阶段的伙伴选择算法:通过遗传算法求解模型缩小选择的范围,利用遗传算法的解通过模糊决策考虑多个影响因素进行最后决策.对于该方法给出了具体的求解步骤,并用算例说明这种方法的可行性.这种分阶段的伙伴选择算法充分利用了数学的工具和决策者的经验,提高了决策的科学性和合理性.     

基于正交遗传算法和灵敏度分析的体系仿真优化方法

体系对抗已成为当今战争的主要形式,因而急需对体系优化问题进行深入细致地研究.鉴于此,提出了一种基于正交遗传算法和灵敏度分析的体系仿真优化方法.该方法采用正交遗传算法在可行域内快速地搜索一些较优方案(解);利用灵敏度分析方法从已评估方案中得到待研究体系输入、输出之间的灵敏度关系;应用这种灵敏度关系来指导正交遗传算法的后续搜索.最后采用一些数据实例来验证该方法,实验结果表明,该方法是可行的、正确的和有效的.该方法能在较少次数的仿真后,得到待研究体系的满意解或最优解;同时,该方法可推广到其它复杂优化问题的求解中.     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.     

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.     

有时延和数据包丢失的网络控制系统反馈控制

针对同时具有网络诱导时延和数据包丢失的网络控制系统,假设数据包丢失率一定,网络诱导时延小于一个采样周期,将网络控制系统建模为具有事件率约束的异步动态系统。提出了使得该系统达到指数稳定的动态输出反馈控制器的设计方法。利用遗传算法获得了NCS的事件衰减率的局部极大值。通过仿真算例证明了该方法的有效性。     

基于广义卡尔曼滤波的飞机防滑刹车变结构控制

飞机防滑刹车控制的关键是控制机轮的滑移率，为了使机轮工作在最佳滑移率，得到最大结合系数，提出了一种基于滑移率控制的防滑刹车变结构控制律。由于飞机滑跑时的真实速度很难测量，为此采用广义卡尔曼滤波器得到飞机刊车系统非线性模型的状态估计，状态估计值作为防滑刹车控制器的输入。计算机仿真结果显示该控制律改善了飞机的防滑刹车性能，具有较强的鲁棒性。     

天文卫星巡天扫描智能规划模型及仿真

巡天扫描是天文卫星进行天体观测的基础,但是使用传统方法很难实现全天球覆盖,并且会遇到能源输出瓶颈。因此,针对天文卫星巡天扫描所遇到的问题,提出了使用多目标遗传算法对卫星飞行任务进行智能规划的模型。该模型通过调整飞行任务很好解决了能源输出的问题,与仅依靠被动的分段式扫描方法相比,还大大缩短了巡天扫描的时间。从仿真结果来看,该模型是十分有效的。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。