基于信息素差异分布策略的路径规划蚁群改进算法

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题,提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离,对初始信息素不平均分配,使其呈正态分布,降低算法搜索初期的盲目性,加快最优解的搜索;其次改进挥发因子,采用双挥发因子原则,控制信息素的挥发,既降低局部最优的可能,又能加快收敛速度;对冗余路径作进一步优化处理,使得路径更优。仿真结果表明,本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快,收敛性更稳定。     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足,提出了一种改进的遗传算法。首先,采用栅格法对机器人路径规划进行建模。然后,提出一种生成初始种群的方法和精英策略,设计出自适应变异概率,提高了算法的求解质量。同时,在规划过程中,将全局路径规划与局部路径规划相结合,并且根据机器人与动态障碍物碰撞类型的不同,提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法,能够有效地指导机器人在动态环境中实现避障,获得无碰最优或次优路径。     

基于改进算法的工艺规划与车间调度的双目标优化模型

针对工艺规划与车间调度的集成问题,一般考虑以加工时间、加工成本和加工质量为优化性能指标,而对能量消耗等环境影响因素考虑不足。本文建立了工艺规划与车间调度的数学模型,以完工时间和能量消耗为优化目标,通过设置权重系数来调节优化目标倾向。采用改进的混合模拟退火与遗传算法对问题进行求解,利用遗传算法的全局搜索速度快和模拟退火的突跳性强的特点,结合回火机制,有效地得到了完工时间和能量优化结果。最后,通过实例仿真表明该方法具有可行性。     

基于博弈的多目标弹药调度策略优化研究

针对作战部队弹药调度策略问题,综合考虑不同作战部队对弹药调度时间因素和安全因素需求程度的差异,通过博弈模型对多目标问题进行度量,进而结合遗传算法对弹药调度策略进行优化。仿真结果表明,本文构建的博弈模型能够更加合理地为不同环境下具有差异化需求的弹药调度策略进行优化。     

基于RHC的航班着落调度多目标优化算法

研究了基于滚动时域控制(RHC)策略的终端区进场航班动态排序问题,目的是在终端区空中交通繁忙的情况下,有效地为到达航班安排合理的着陆次序,在满足安全间隔兼顾管制员负荷的情况下,给出航班经过多目标优化的着陆时间,提高航班进场率,降低飞行延误成本。建立了基于RHC的航班动态排序模型,并利用精英保留策略的遗传算法对一个算例进行验证计算。算例仿真结果表明,进场率得到了提高,延误时间和成本明显减少,验证了方法的有效性。     

基于改进遗传算法的柔性作业车间调度

在实际的柔性作业车间调度中,不但工件需要加工时间,而且工件在各个机器之间利用AGV转移也需要占用一定的时间,因此对柔性作业车间调度中考虑AGV运输时间的研究更具有实际意义。首先,针对此问题,建立了有AGV约束的柔性作业车间调度数学模型。其次,提出一种多段式编码,可以使得一些对进化没有帮助的基因直接被淘汰掉;提出一种分阶段的自适应交叉和变异概率公式及多种群进化机制以实现快速收敛及全局优化的效果。最后,仿真实例验证了本文提出算法的有效性和可行性。     

Assembly Line Balancing Based on Double Chromosome Genetic Algorithm

Aiming at assembly line balancing problem, a double chromosome genetic algorithm （DCGA） is proposed to avoid trapping in local optimum, which is a disadvantage of standard genetic algorithm （SGA）. In this algorithm, there are two chromosomes of each individual, and the better one, regarded as dominant chromosome, determines the fitness. Dominant chromosome keeps excellent gene segments to speed up the convergence, and re cessive chromosome maintains population diversity to get better global search ability to avoid local optimal solu- tion. When the amounts of chromosomes are equal, the population size of DCGA is half that of SGA, which significantly reduces evolutionary time. Finally, the effectiveness is verified by experiments.     

基于TOP-HAT滤波器算子的红外弱小目标检测算法

针对红外序列图像中运动弱小点目标的检测问题,设计了一种基于改进神经网络优化的修正Top-Hat形态学滤波器算子.其中形态学滤波器的结构元素采用两层前馈神经网络,通过大量样本训练优化,将Top-Hat运算作为一个整体当作一层,输出层节点定义为Top-Hat运算后图像矩阵的最大值.实测数据的处理结果表明:针对低信噪比(RSN≈2)图像,在虚警概率≤5%情况下,优化的修正Top-Hat形态学滤波器算子对复杂图像检测概率≥75%,与固定结构元素的Top-Hat形态学滤波器相比检测概率提高了近8%,算法的运算时间仅增加了0.7ms.     

改进遗传算法的纵列式直升机总体参数优化设计

研究纵列式双旋翼直升机总体参数的优化设计方法,在分析双旋翼气动干扰对旋翼气动特性影响的基础上,采用改进的遗传算法,以运输效率为目标、以飞行性能和重量效率等参数为约束条件,建立优化设计模型,优化纵列式直升机总体参数。以CH-47D纵列式直升机为优化算例,计算结果表明,本文提出的优化方法是可行的,优化效果良好。     

Solving Job-Shop Scheduling Problem Based on Improved Adaptive Particle Swarm Optimization Algorithm

An improved adaptive particle swarm optimization(IAPSO)algorithm is presented for solving the minimum makespan problem of job shop scheduling problem(JSP).Inspired by hormone modulation mechanism,an adaptive hormonal factor(HF),composed of an adaptive local hormonal factor(H l)and an adaptive global hormonal factor(H g),is devised to strengthen the information connection between particles.Using HF,each particle of the swarm can adjust its position self-adaptively to avoid premature phenomena and reach better solution.The computational results validate the effectiveness and stability of the proposed IAPSO,which can not only find optimal or close-to-optimal solutions but also obtain both better and more stability results than the existing particle swarm optimization(PSO)algorithms.     

基于GA-PID参数优化的网络拥塞控制

推导了基于流体流理论的网络简化模型。基于该模型将P ID控制器应用于网络主动队列管理系统中,将遗传算法应用于P ID控制器参数优化,定义了一种新的综合调节时间、上升时间、超调量、系统误差等动静态性能指标的时域标准函数,克服了IAE,ISE标准函数中减小超调与缩短调节时间的矛盾,弥补了ISTE标准函数计算复杂的缺陷。在给定的参数空间进行组合优化搜索,迅速求得获取使性能指标优化代价函数极小化的一组P ID控制器参数。仿真结果表明,在大时滞和突发业务流的冲击情况下,该方法设计的控制器的动静态性能优于RED,P I算法。     

基于可变重调度区间的柔性作业车间动态调度策略

针对动态柔性作业车间调度问题,提出了基于可变重调度区间的动态重调度策略。建立了柔性作业车间调度数学模型。提出一种初始化机器、初始化工序和随机初始化相结合的改进种群初始化的方法,进一步提高初始种群解的质量。实际生产案例仿真对比分析结果表明,利用本文重调度策略和改进遗传算法后得到的结果比企业实际运行时间缩短了47.8%,比他人的调度策略所得到的优化结果提高了5.4%,从而验证了本文所提出算法的可行性和有效性。