基于灰狼优化算法的装配式预制构件生产调度优化研究

合理优化预制构件的生产调度是降低装配式生产成本的一种方式。在考虑到构件生产资源约束的前提下,建立了装配式预制构件生产调度优化模型,设计了求解该模型的改进离散灰狼优化算法(Improve Grey Wolf Optimization, IGWO)并带入实际案例进行了测试。将改进后的离散灰狼算法、Palmer启发式算法和遗传算法(Genetic Algorithm, GA)结果进行了对比,结果表明：改进后的离散灰狼算法优于Palmer法和遗传算法,且在合理安排调度后能够提升预制构件的生产效率。     

粒子群优化算法及在电站短期发电优化调度中的应用

论述了粒子群优化（PSO）算法的原理及在配电网扩展规划、检修计划、机组组合、最优潮流计算、配电网状态估计、优化设计等方面的应用。将该算法用于求解电力系统的短期发电优化调度,给出了算法具体实现以及求解短期发电优化调度的步骤。对15机测试系统进行了仿真计算,并与标准遗传算法（SGA）的测试结果进行了比较。仿真结果表明,与SGA相比,应用PSO算法求解短期发电优化调度具有更高质量的解,收验特性更好。     

基于随机优化算法的天然气管道运行优化研究综述

在“双碳”目标背景下,天然气管道的运行优化可以最大程度地实现降本增效减碳,因而得到了广泛且深度的关注。与确定性算法不同,随机优化算法在处理大规模管道和混合整数非线性规划问题上优于经典确定性算法。为此,对基于随机优化算法的天然气管道运行优化进行了调研。首先,介绍了天然气管道运行的数学模型;其次,采用随机优化算法求解模型最优调度结果,分别对遗传、粒子群、蚁群以及模拟退火4类算法在天然气管道运行中的应用进行了分析、对比和归纳。最后,对天然气管道运行优化的技术挑战与发展趋势进行了探讨。     

基于粒子群算法的设备大修企业模糊作业车间调度

针对大修企业中调度生产系统中存在的各种不确定因素,通过引入三元组对设备大修企业调度问题进行分析描述,以交货期加权满意度最大为调度目标建立作业车间模糊调度模型。运用粒子群优化算法对模型进行求解,结合企业应用实际进行实例分析,验证了该算法的有效性。     

改进粒子群算法在空压机联动控制中的应用

针对空压机控制系统中的节能减排、均衡调度和管网压力波动等问题,提出了空压机联动控制的多目标优化调 度模型,并以改进惯性权重的粒子群算法进行求解。以灰色系统理论中的灰色关联度作为改进粒子群算法的适应度函 数,对影响空压机联动系统的机组功耗、生产均衡调度和管网压力波动等多目标进行了优化求解。引入的非线性动态调 整惯性权重策略改进了算法的全局收敛能力,有效地提高了粒子搜索过程中的智能性。通过某饮料罐装车间的技术改 造,证明了本算法的有效性。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的 Job shop生产调度问题 ,建立了基于模糊规划理论的不确定 Job shop调度模型。在采用两种模糊运算的基础上 ,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法 ,通过仿真数据说明了所建模型及算法的有效性 ,并就结果进行了讨论     

混合威布尔分布参数估计的L-M算法

混合威布尔分布模型常用来分析具有多种失效模式的机械系统或零部件的可靠性寿命数据,为提高混合威布尔分布未知参数估计的精度,利用非线性最小二乘理论,建立了小子样条件下两重混合威布尔分布参数优化估计模型,将L-M算法用于优化求解。以概率图参数估计法的结果作为迭代初始值,提高了迭代求解的速度。计算实例表明利用该方法估计混合威布尔分布参数是可行的,而且能够获得较精确的结果。     

基于DNA进化算法的车辆调度问题

在建立一种物流配送车辆调度模型的基础上,针对传统启发式算法对复杂问题搜索效率低、易陷入局部最优的缺点,构造了DNA进化算法求解该问题。将其在个体变异操作中进行了一些改进,避免陷入局部最优。车辆调度问题(V SP)属于组合优化NP难题。采用V SP问题进行测试,仿真结果表明:该算法简单可行,与其他算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力。     

基于进化算法的电力系统环境经济优化调度

综合考虑环境经济优化调度(Environmental Economic Dispatch,EED)是一个多目标优化问题,采用价格罚因子将环境经济双目标优化调度问题转化为单目标优化问题。考虑发电机的出力限制区,爬坡约束及备用约束,运用进化规划(Evolutionary Programming,EP)算法求解EED问题,在15机系统中采用价格罚因子EP算法求解了EED问题,结果表明所提出的方法的有效性。     

代价敏感多车场车辆路径问题的免疫克隆算法

结合免疫算法和克隆选择算法,本文提出了一种基于免疫克隆选择算法的多配送中心车辆路径调度方法。给出了多配送中心的车辆调度模型、免疫克隆算法的原理和关键步骤,构造二维空间对抗体进行编码,对代价敏感多车场车辆路径问题的免疫克隆算法进行了实现。仿真试验表明,基于免疫克隆算法的代价敏感多车场路径的求解结果接近目前最优解。     

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.     

供应链二级分销网络的优化研究

在综合考虑各种费用要素的基础上,提出了供应链二级分销网络优化模型,该模型属于一类选址-分配问题,文章采用遗传算法对其进行求解,从中选出预建立的分销中心,然后采用蚂蚁算法对建立起的二级网络优化运输路线,从而使得总成本更小,文章中用具体的例子进行了仿真,验证了优化模型的正确性和算法的有效性。     

智能组卷中的试题难度评价建模

主要研究了网络考试系统设计中利用遗传算法进行智能组卷的问题．首先根据用户对组卷的要求,利用遗传算法对组卷所需的约束条件设置各项指标,利用矩阵理论建立有利于遗传算子进行组合交叉和变异的数学模型;再针对组卷问题中的一个重要约束条件——试卷的难度指标,采用模糊数学方法和项目反应理论对试题库中每一小题进行综合评价试题难度的数学建模,以准确确定每道小题的试题难度系数,最终为实现遗传算法全局寻优和智能搜索奠定基础．     

总成本约束下的技术增长率优化模型

为了考察企业生产中技术要素的作用、规律,在一定的假设条件下,对其技术要素下了定义,认为其产出函 数包括技术、劳动及资本要素;通过构建与求解生产总成本,构建最大条件下的优化模型,推导出技术最优增长率 与传统生产要素劳动与资本的优化配比关系,进一步构造了企业在生产总成本约束下的技术增长率优化模型,并 设计了遗传算法程序对模型进行求解。实证研究表明,企业技术投入是有成本、有代价的,其所建模型可用于计算 考察企业技术投入的适度规模,以指导企业生产与技术管理实践。     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合,形成模拟退火—遗传算法以及模拟退火—粒子群优化算法,并作性能对比分析。研究结果表明,这两种算法都在进化代数和全局寻优能力方面有较大突破,在找寻最佳个体解的效率上,模拟退火—粒子群优化算法更突出。     

遗传神经网络在邮件过滤器中的应用

针对目前反垃圾邮件技术的缺点,提出一种基于遗传优化神经网络的垃圾邮件过滤器模型,利用遗传算法全局搜索能力优化神经网络连接权值,克服神经网络局部极小值点问题,提高神经网络的学习速度和识别能力。通过对遗传算法和人工神经网络算法的实现,证明它们在垃圾邮件过滤器中有很好的应用效果。     

基于遗传算法与动态规划法的工艺过程优化

针对制造系统中的工艺过程优化问题,提出一种基于遗传算法和动态规划法的综合优化模型。该模型将工艺过程的优化分解为两个并行层次-工序层和工艺路线层。用改进的遗传算法求解工序层中的工艺参数优化问题,同时利用动态规划法实现工艺路线层次的优化。将两个层次优化方法有机结合,在局部优化的基础上进行整体优化,从而实现整个工艺过程的优化。通过实例证明了该优化模型求解的可行性和有效性。     

引入模拟退火机制的新型遗传算法

提出了一种将遗传算法与模拟退火算法相结合的新搜索算法。该算法以遗传算法运算流程作为主体流程,并把模拟退火机制融入其中,用以调整优化群体。在进化过程中使用了保留策略,以保存适应度较好的个体。在模拟退火算法的跳变操作过程中使用类似遗传算法变异来实现,先作置反操作,再作前后等长交换操作,以防止陷入局部最优。实验表明,该算法与传统遗传算法相比,提高了进化速度和全局寻优能力。     

基于关系网络的新型学习控制

设计了一种不同于传统智能算法如自适应控制与模糊控制等的智能控制算法,该算法基于目标输入关系网络, 借鉴强化学习的思想,采用输出试探与评价进行学习,是一种模型无关的控制算法,该算法可以与随机优化算法结合,通 过实验,验证了其在控制过程中有效性,并通过与遗传算法结合,验证了与遗传算法相结合的该智能算法的控制效果。     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。