用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

求解约束优化问题的混沌类电磁算法

针对约束优化问题,提出了基于混沌优化的一种新的类电磁机制算法。采用多目标优化的约束处理技术,将约束优化问题转化为无约束的双目标优化模型来求解;对于转化后的新模型,设计粒子的电荷和粒子间的受力公式。同时,为了加快算法的收敛速度,结合混沌优化改进种群中的粒子。采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试,并将测试结果与已有算法的结果进行比较,结果表明,新算法能够快速找到问题的全局最优解或近似最优解,是一种非常有竞争力的优化算法。     

基于改进蚁群算法的物流配送优化研究

物流配送是物流管理的重要环节，物流配送关系到物流活动的正常开展，因此，物流配送优化成为学术界和企业界的研究热点。而传统蚁群算法由于存在着缺点，所以采用一种改进蚁群算法以改善传统算法的不足。基于改进蚁群算法，构建物流配送模型，求解最优解。通过算例，求得最优解，实现目标函数最小化。结论表明：改进蚁群算法是求解物流配送优化问题的有效方法。     

基于改进蚁群算法的电缆防盗网络组网方法

为了使应用于低压配电网络中的电缆防盗系统能够可靠、快速地实现系统中主从站点间的通信,在分析系统工作方法、主体结构及拓扑变化的前提下,给出一种基于改进蚁群算法的系统组网方法。该方法对蚁群算法中的信息素挥发系数进行数值大小的限制,尽可能地扩大搜索范围,降低算法陷入局部最优的可能性,从而在全局最优的情况下获得算法的最优解。仿真结果表明:改进的蚁群算法在网络状态正常及发生故障的情况下,都具有更快的寻优速度,且完成通信所需的节点跳数更少,有效地提高了电缆防盗系统的运行可靠性,从而保障了系统实时监控功能的实现。     

城市交通非常规突发事件的应急资源调度最优路径研究

针对城市交通非常规突发事件,在“出救点”和“应急点”已知情况下,研究了多目标下应急资源调度的最优路径问题。对问题进行了描述,建立了时间最短、费用最小的应急资源调度最优路径选择优化模型,将蚁群算法进行改进,结合改进的TOPSIS法求解最优方案,给出了仿真算例。     

配电自动化的主动配电网多目标调度模型与方法

针对配电网中具有竞争性的优化目标,提出主动配电网多目标优化运行方法,并通过Nash议价合作模型,求得多目标优化问题的Pareto最优解。提出的优化模型包含燃气轮机、柴油发电机、储能电源的发电成本和环境成本,可调节负荷的效用成本。将提出的多目标优化模型通过Nash议价模型转换为单目标优化问题,通过常见的交替向量乘子法(ADMM)求解。此外,在Matlab中建立以实际配电网为基础的33节点主动配电网系统。仿真结果表明:所提出的模型能够得到多目标优化问题的Pareto最优解,同时能够鼓励可调节负荷吸纳可再生电源的发电量,减少环境污染成本,为配电自动化系统提供最优调度方案。     

一类投资组合模型的模糊两阶段算法

对多目标证券组合投资模型进行了研究,模型以风险损失率作为风险。该模型是一多目标线性优化问题,我们采用模糊折衷算法对模型进行了求解,算例给出了该模型的一个实例的最优解。     

基于改进蚁群算法的装配线VRPTD问题研究

用改进蚁群算法求解了装配线物料配送的VRPTD问题(带最后期限时间窗的车辆路径问题)。通过信息素动态更新设计,使改进蚁群算法具有自适应性,克服了传统蚁群算法在遍历寻优过程中容易出现停滞和陷入局部最优解的缺点。通过进一步对启发函数可见度进行改进设计,提高了算法的全局搜索能力。仿真结果表明,改进蚁群算法可以很好地求解装配线VRPTD问题,这对实际应用有一定的参考价值。     

基于RW-GA的电力物资配送多目标路径优化

设计了一种基于RW-GA算法的电力物资配送多目标路径优化方案。建立GM模型进行资源预置建模,预测出该地区的电力物资需求量,保障物资仓储量充足,在GM基础上,以时间短、风险小为目标建立多目标物资调度模型。提出了RW-GA算法,采用随机游走算法进行全局搜索,获取最优解备选集,利用遗传算法进行局部搜索获取最优解,规划出多目标约束下的最优路径。仿真结果表明:建立的三级网络GM对电力物资需求的预测精度高,所提RWGA算法能够快速收敛并且稳定性较好,可以快速找到电力物资最优的配送路线。     

一种换热器网络优化新方法

基于遗传算法和神经网络的多层感知器模型的有机结合,提出一种优化换热器网络的新算法和一种新的编码方法－基因矩阵,这种算法根据遗传适应度（目标函数）的大小,以随机搜索方式寻找在求解区域的最优解,采用神经网络多层感知器模型实现换热器网络的结构优化和参数变化。经过遗传－感知模型优化并与外逼近算法做了比较,表明采用此法优化多维、多峰、非凸的换热器网络也具有很好的适应性。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

改进蚁群算法在合肥市包河区果蔬配送中的应用研究

路径优化是运输过程中必须考虑的问题。合理的路径既节省时间成本,又提高工作效率。文章引入蚁群算法和改进蚁群算法,利用算法的优越性,解决合肥市包河区处于快速发展状态下居民对果蔬需求的现实性,进而需要研究果蔬配送过程的路径问题,基于找出最优路径解,运用蚁群算法与改进蚁群算法解决果蔬配送,并对两种算法求出的解进行对比分析,找出最短路径,结果说明解决包河区果蔬配送路径的必要性,也说明算法在新环境中的适应性。     

面向表面质量的镍基高温合金铣削参数多目标优化研究

针对镍基高温合金材料在铣削过程中存在表面加工质量低的问题,提出一种基于神经网络及NSGA-Ⅱ算法的工艺参数多目标优化方法。采用不同工艺参数进行数控铣削镍基高温合金Inconel 718加工并获取数据集,以表面粗糙度为输出,不同工艺参数组合为输入,利用麻雀搜索算法建立SSA-BP神经网络模型用于预测Inconel 718铣削表面粗糙度;以最大材料去除率、最小表面粗糙度为优化目标,构建NSGA-Ⅱ工艺参数多目标优化主体模型,调用构建好的预测模型作为主体模型的目标函数并优化求解得到Pareto最优解集。使用TOPSIS法对Pareto最优解集进行最优解决策,得出最佳的工艺参数组合。优化结果表明：该方法不仅可用于高温合金材料数控铣削表面粗糙度预测,还可用于工艺参数优化,为进一步提高数控铣削材料加工质量和效率提供参考。     

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。     

多塔斜拉-悬吊协作体系合理成桥状态确定方法

基于悬索桥挠度理论和斜拉桥索力优化方法,针对斜拉-悬吊协作桥的合理成桥状态,提出有限元迭代优化方法。该算法以既定的合理成桥状态为目标,首先应用悬索桥解析公式和斜拉桥刚性支承连续梁法获得初始成桥状态,接着利用零位移法通过迭代计算获得结构目标线形,再以弯曲能量最小为目标,指定各种约束条件,利用ANSYS优化模块中的一阶优化方法进行求解,最终获得目标成桥状态,求解过程中考虑各种几何非线性效应。建立3~6塔主跨为1 400m斜拉-悬吊协作桥的有限元模型,利用参数化设计语言(APDL)编制算法程序,进行算例分析。结果表明:悬吊部分与斜拉部分相互影响较小;主梁恒载弯矩在斜拉悬吊结合处有峰值,其它部位分布均匀;索塔以轴压为主,塔根弯矩接近为零;微调斜拉索索力,对斜拉部分主梁弯矩影响显著,对其它部分内力影响不大。     

模式搜索法实现换热网络同步最优综合

在Grossmann换热网络分级超结构的基础上,建立了用于描述换热网络的无分流两级分级超结构模型,通过对换热网络设计的3个目标(换热设备单元数、换热面积、公用工程)进行同步考虑,将模式搜索法应用到换热网络的最优综合中,建立了求解换热网络最优综合问题的数学模型.计算结果表明,模式搜索算法不可行解的剔除策略能明显提高换热网络优化的质量和效率.     

基于改进蝙蝠算法的装配式施工安全风险优化

研究利用工作分解结构-风险分解结构(Work Breakdown Structure-Risk Breakdown Structure, WBS-RBS)方法识别出装配式建筑施工安全风险因素,并利用模糊贝叶斯网络和施工网络计划图实现风险的量化与传递。通过构建以安全风险损失值最小为目标函数的控制模型,提出了一种加入服从指数递减惯性权重的改进蝙蝠算法并对其进行求解。结果表明：改进蝙蝠算法具有更好的收敛性和寻优精度,能够找到装配式建筑施工安全风险控制模型的最优解,从而实现安全风险的优化。     

认知无线网络中基于免疫克隆优化的功率分配

针对认知OFDM无线网络中下行链路的功率分配问题,将其建模为一个约束优化问题,进而提出了一种基于免疫克隆的求解方法。给出了功率分配的数学优化模型、算法实现过程和关键技术,设计了适合算法求解的编码、克隆、变异算子。仿真实验结果表明,在总发射功率、误码率及主用户可接受的干扰约束下,该算法可以获得更大的总数据传输率,同时具有较快的收敛速度,能够得到较优的功率分配方案,进而提高频谱利用效率。     

自动化立体仓库退库货位优化问题及其求解算法

针对自动化立体仓库出库作业过程中剩余货物退库问题,以堆垛机作业总能耗最小化为目标,以退库货位分配为决策变量,建立了自动化立体仓库退库货位优化模型,提出了基于深度强化学习的自动化立体仓库退库货位优化框架。在该框架内,以立体仓库实时存储信息和出库作业信息构建多维状态,以退库货位选择构建动作,建立自动化立体仓库退库货位优化的马尔科夫决策过程模型;将立体仓库多维状态特征输入双层决斗网络,采用决斗双重深度Q网络(dueling double deep Q-network, D3QN)算法训练网络模型并预测退库动作目标价值,以确定智能体的最优行为策略。实验结果表明D3QN算法在求解大规模退库货位优化问题上具有较好的稳定性。     

15-谜问题的可达性判定

定义了15-谜问题的6个动作规则,在此基础上证明了15-谜问题解的存在性判定的充分必要条件,其充分性的证明过程是一个构造性证明方法,提供了求解15-谜问题的一个解的可实现算法;同时,对此结论进行了扩展,对于给定的一初始格局和任一目标格局,证明了初始格局可达目标格局的的充分必要条件,其结论有助于构造问题的状态空间与限界函数。这两个结论从理论上完全解决了15-谜问题,对获得最优算法提供了理论基础。