双层规划问题的粒子群算法研究

提出一种求解一般双层规划问题的层次粒子群算法.和传统的针对特定类型的问题或者基于特定假定假设条件所设计的算法不同,所提出的算法是一个层次算法框架,它通过模拟双层规划的决策过程来直接求解一般双层规划问题.层次粒子群算法将求解一般双层规划问题转化为通过两个变形粒子群算法的交互迭代来求解上下两层规划问题.同其它算法的实验结果比较表明层次粒子群算法是一个有效的求解一般双层规划问题的方法.     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。     

基于离散粒子群优化的轧辊热处理调度方法

以某轧辊企业铸钢分厂的轧辊热处理调度问题为实际背景,研究了两阶段及三阶段无等待混合流水车间调度问题.针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法;在此基础上,结合离散粒子群优化算法对建立的整数规划模型进行优化求解.通过对真实数据仿真实验所得结果的比较与分析,验证了算法的可行性和有效性,并给出了具有实际参考价值的设备改进策略,对生产决策者合理安排生产具有一定的指导意义.     

基于改进粒子群优化方法的供应商优选与订货量分配模型

研究了随机性需求环境下的供应商优选与订货量分配问题,构建了以质量、成本、交货期3个准则为目标函数、以其他目标为约束条件的多目标随机约束规划模型;借助于加权法和罚函数法,将多目标随机约束规划模型转化为单目标优化模型;进而设计了带惯性因子和收缩因子的粒子群优化求解算法对所建模型进行求解,并与常用的遗传算法求解方法进行对比分析,实例验证了粒子群优化算法解决此类优化问题的可行性和有效性.     

智能组合预测方法及其应用

由于具有能以任意精度逼近任意复杂非线性函数的优良性能,神经网络在灰色系统预测中得到了较大的应用。在已有的研究基础上,针对灰色神经网络进化时容易陷入局部最优,参数修正受阻的问题,建立基于遗传粒子群混合算法优化的新型灰色神经网络模型。首先将灰色神经网络进行数学建模,以便于优化算法的应用;其次,综合遗传算法与粒子群算法的优点,构造一种混合算法,运用混合算法对灰色神经网络进行优化;最后通过日本入华游客数量预测的算例研究,比较新型灰色神经网络与灰色神经网络、单一算法优化的灰色神经网络的预测精度。所得结果表明,混合算法优化的新灰色神经网络具有更好的预测性能,在社会经济领域有着广泛的应用前景。     

粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

粒子群算法求解无能力约束生产批量计划问题

经典的粒子群优化算法是一个在连续的定义域内搜索数值函数极值的有效方法.目前,粒子群算法(particle swarm optimization,PS0)已经成为优化领域中的一个重要的优化工具,其应用在很多优化问题中都可以见到.虽然粒子群算法的应用范围已经十分广泛,但是关于应用其求解多级生产批量计划问题(multilevel lot-sizing problem,MLLs)的文章并不多见.文章提出结合遗传算法(genetic algorithm,GA)变异算子的混合粒子群优化算法(hybrid particle swarm optimizatjon,HPSO)求解无能力约束装配结构MLLS问题.通过实验验证了算法的可行性和有效性.     

粒子群优化算法及其在电力系统中的应用

粒子群优化算法是一种新兴的群体智能优化技术,适用于目前科学领域、工程领域和经济领域中很多复杂的、非线性的甚至非凸形式的最优化问题.本文介绍了PSO算法的基本原理及其在负荷经济分配、无功优化、最优潮流计算等方面的应用.     

基于约束的离散粒子群算法求解大规模指派问题

针对现有进化算法在求解传统指派问题时因取整而影响优化效果的问题,采用了一种基于AllDifferent约束的置换离散粒子群优化算法,该算法针对指派问题中各变量不能重复取值的特点,改进了算法的迭代方式,并引入了模拟退火的差解接受准则以提高优化效果,仿真算例表明改进后的算法在质量上和时间上更具有效性.     

粒子群算法在VRP中的应用

物流配送车辆路径问题(VRP)属于NP—hard问题。谈文针对粒子群算法的局限性,引入了一种动态改变惯性权重的粒子群算法,在优化迭代过程中,惯性权重随粒子的位置和目标函数的性质而变化。实验结果表明,改进后的算法能使收敛速度显著加快,而且不容易陷入局部最优。     

基于Benders分解算法的跨区互联电力系统协调规划模型

研究跨区互联电力系统的协调规划,对于提高投资效率实现更大范围的资源配置具有较强现实意义。本文首先描述多区域电力系统扩张规划问题,并建立多区域扩张规划模型,旨在寻求最优的扩容方案,以最小投入来满足多区域电力系统负荷增长需求;其次,采用Benders分解算法将多区域扩张规划问题分解为一个规划主问题和一个运行子问题,通过主子问题之间的迭代求解,获得最终的最优解;最后,对某个典型的包含7个区域的多区域电力系统进行模拟仿真,验证了本文所构建模型及算法的有效性。     

基于DNA遗传算法的表面贴装生产线负荷优化分配

印制电路板组装任务的负荷优化分配包含设备约束、工艺约束等大量约束,是电子行业表面贴装生产线中的一类重要优化问题。其优化目标是在生产节拍给定和一定约束条件下,使得不同贴装机负荷均衡,任务分配达到最优。首先,根据不同表面贴装机、不同吸嘴及多种类型元件匹配的的复杂性,提出贴装机任务分配组合优化的问题;然后分析设备和元件的参数、组装可行性、贴装时间,以及贴装优化关系等因素,并提出假设条件,建立了平衡率最大化条件下的负荷分配组合优化的数学模型;最后,针对贴装生产线负荷分配问题的复杂性与特殊性,通过改良编码方式后的DNA遗传算法来优化组合数学模型,计算适应度,并借助MATLAB进行仿真求解,进而找到最优解。结果表明：本文提出的贴装生产线负荷分配方法可以解决带复杂约束的印制电路板组装负荷优化分配问题,提高设备的平衡率和生产效率,促进生产线的优化运行。     

一种策略层项目计划的双目标优化方法

针对产品开发项目管理的实际情况,对策略层计划优化方法进行研究。以工作包的工作量估算为基础,以资源投入水平和工期最小化为目标,考虑各种约束条件,提出一种策略层项目计划问题的混合整数规划问题模型。以非支配遗传算法NSGA-II为基础框架,设计了一种改进的双目标遗传算法。该算法针对问题的特点,提出了基于资源平滑的解码算法。参考NSGA-III的关键特征,对拥挤密度计算方法进行改进。通过企业实际项目案例,验证了算法的性能和所提出的策略层项目计划方法的有效性。     

A multi-objective particle swarm for a flow shop scheduling problem

Flow shop problems as a typical manufacturing challenge have gained wide attention in academic fields. In this paper, we consider a bi-criteria permutation flow shop scheduling problem, where weighted mean completion time and weighted mean tardiness are to be minimized simultaneously. Since a flow shop scheduling problem has been proved to be NP-hard in strong sense, an effective multi-objective particle swarm (MOPS), exploiting a new concept of the Ideal Point and a new approach to specify the superior particle's position vector in the swarm, is designed and used for finding locally Pareto-optimal frontier of the problem. To prove the efficiency of the proposed algorithm, various test problems are solved and the reliability of the proposed algorithm, based on some comparison metrics, is compared with a distinguished multi-objective genetic algorithm, i.e. SPEA-II. The computational results show that the proposed MOPS performs better than the genetic algorithm, especially for the large-sized problems.     

计算模糊综合评价逆问题的一种方法

计算模糊综合评价的逆问题,有助于总结评价经验,具有普遍的应用价值。目前常用的方法是经验性枚举选优法,其计算结果与计算者的经验和枚举的次数有关。为此,该文中把该问题等价于一个以贴近度为目标函数、权重模糊集为优化变量、含有最大最小运算的非线性优化问题,并提出用加速遗传算法(AGA)来计算该问题的新方法。实例的结果说明,AGA简便、有效且具有通用性,其计算精度高于枚举选优法的相应结果,在模糊综合评价的理论与实践中具有一定价值。     

基于遗传算法的装备采购决策优化研究

在装备采购中，由于需求单位地域分布和担负的任务各不相同，对装备的品种、数量、时限要求也就不一样，如何使装备采购科学化、合理化，是一个涉及多变量、多目标的复杂系统问题。在综合考虑装备采购各项因素的基础上，构建多约束条件下的多目标模糊指派模型，提出了基于遗传算法的解决方案，最后通过案例进行仿真实验，验证该算法的可行性和有效性，解决了采用传统优化方法难以解决的装备采购优化决策问题。     

多粒子群混合算法求解虚拟组织服务资源配置

为了提高虚拟组织服务资源配置的效率,本文提出了一种多粒子群混合算法。该混合算法将多种群与线性搜索相结合,在算法优化过程中,通过多个粒子种群协同来控制种群的多样性,将多种群中较优的粒子进行复制,同时在每个种群中对单个粒子进行维变量变换。实验结果表明该方法具有可行性。