元启发式算法在植保无人机路径规划中的研究进展

随着无人机系统技术、传感器技术和人工智能算法等相关技术的不断发展,植保无人机路径规划技术在农业生产中备受重视,并被广泛应用。作为航空植保的关键技术之一,植保无人机路径规划面临的是一个复杂且多约束的组合优化问题。传统算法往往难以得到理想的结果,而元启发式算法则因其高效率成为解决该类优化问题的有效手段。为此,首先介绍了农业航空中的路径规划,随后总结出了植保无人机路径规划的关键要素,并使用更为合理的分类方式进行归纳;其次,从算法层面对相关研究所采用的元启发式算法进行分类和梳理,并阐述了其在实际应用中的现状,且根据提出的分类方法和研究特点,全面地归纳了当前的研究成果;最后,针对目前植保无人机路径规划研究存在的问题提出了几条可行的发展思路。

基于XGBoost与元启发式算法相结合的隧道爆破超挖预测与参数优化研究

隧道爆破引起的超挖会对实际工程产生一系列不利影响,为此文章提出了一种基于人工智能的超挖预测与爆破参数优化方法,旨在减少爆破引起的超挖。首先,XGBoost算法分别与两种元启发式算法,即PSO算法、SSA算法结合,以优化XGBoost超参数并提升预测性能。通过四个不同回归指标比较预测模型的准确性,从而优选最佳预测模型。其次,最佳预测模型与PSO和SSA结合,对隧道不同部位分别进行设计参数优化,以减少爆破引起的超挖。最后,对PSO与SSA参数优化效果比较,旨在快速确定最优爆破参数,优化后拱顶至拱肩和拱肩至拱腰的超挖面积仅为3.0963 m^(2)和2.3696 m^(2)。研究结果表明,本模型不仅能准确预测超挖,还能有效优化爆破参数,减少隧道不同部位的超挖面积,显著提升工程施工效率。

基于简化阻抗模型和比较元启发式算法的锂离子电池参数辨识方法

快速准确地辨识电化学参数对锂离子电池机理建模至关重要。而传统的参数辨识方法多采用直接拟合,难以精确反映电池的内部状态。为解决这一问题,本工作以37 Ah三元电池为研究对象,基于电化学反应中的法拉第过程、双层电容的弥散效应的非法拉第过程以及固相与液相的传导过程,构建了一个与电化学模型映射的修正简化阻抗模型,与伪二维(P2D)模型不同,该模型输入为不同荷电状态(SOC)下的三电极电化学阻抗谱(EIS),通过拟合EIS得到对应工况电化学参数,实现对电池模型准确的参数识别。通过拟合阻抗谱,辨识得到了16个高敏感度的电化学参数,其中正极7个、负极9个。我们进一步比较了66种元启发式算法在锂离子电池电化学参数识别中的性能表现,从识别精度、计算效率和鲁棒性等方面对其进行多维分析。研究结果表明,自适应差分进化算法在参数识别中综合效果最佳,其平均绝对百分比误差小于3%,非重复函数计算次数小于35000次,表明其达到最大准确度的同时运算量较低,提出的辨识方法不仅更好地反映了参数的物理意义,还为电化学模型的简化计算和在线辨识提供了有力支持。

多维背包问题的启发式算法研究探讨

多维背包问题是NP难组合优化问题,其模型及算法近年来在众多领域得到了广泛应用。本文主要探讨多维背包问题的启发式求解算法,通过对相关文献进行研究,阐述现有算法的优缺点,针对多维背包问题设计更高效的启发式求解算法,为其提供新的思路和参考。

基于元启发式算法优化的新乡市洪水风险评价

为提高新乡市洪水风险评价模型的评估能力,采用层次分析法(AHP)、逻辑回归(LR)模型、BP神经网络、随机森林(RF)模型以及结合元启发式算法粒子群优化(PSO)的PSO-BP模型和PSO-RF模型6种方法对新乡市进行洪水风险评估,生成包含200个洪水位置的洪水清单图。选择9个洪水影响因子,采用方差膨胀因子分析了洪水影响因子与洪水发生的相关性。利用混淆矩阵和受试者工作特性曲线对比6种洪水风险评估方法的评估能力,最后获得6种方法的洪水风险分布图。结果表明:PSO-RF、PSO-BP模型的评估效果优于单一算法,受试者工作特性曲线下面积分别为0.953、0.947;根据得到的洪水风险分布图,新乡市至少36.5%的地区被列为高度易受洪水影响的地区,耦合元启发式算法后的洪水风险评价模型具有更高精度。

结合启发式算法与改进整数线性规划的有序逃逸布线

在印刷电路板布线中,逃逸布线是重要的组成部分。随着器件引脚数量不断增加,引脚阵列规模不断扩大,有序逃逸布线问题变得愈发复杂。针对目前有序逃逸布线研究中布线时间与质量无法兼顾的问题,提出一种结合启发式算法与改进整数线性规划的布线方案。该方案分为构建初始解与拆线重布二个阶段。在第一个阶段,先利用最长公共子序列给出逃逸引脚初步布线顺序,接着利用分段代价预估函数的启发式算法,在短时间内对大部分引脚进行预布线。在第二个阶段,首先确定子图范围,然后给出改进的整数线性规划表达式,在初始布线的基础上进行拆线重布,提高布通率的同时达到局部最优。最后再使用最短路径算法进行拆线重布,进一步提高总体布通率。实验结果表明,提出的布线方案能够在较短的时间内得到最优或近似最优的布线结果,相较于使用整数线性规划方案来进行布线,CPU时间平均减少35.57%。

基于启发式算法的计算机异构大数据跨源调度方法

为了提高计算机异构大数据跨源调度性能,设计了一种基于启发式算法的计算机异构大数据跨源调度方法。将计算机异构大数据跨源调度任务划分为若干子任务,利用max-min思想和min-max思想,构建了跨源调度时间负载均衡模型。基于计算机异构大数据跨源调度顺序的灵活性,利用启发式算法的最优策略,选择最优调度任务。根据计算机异构大数据的状态,计算出异构大数据传输控制协议连接的吞吐量,将待调度异构大数据的质量都作为计算机数据层的子流权重,通过处理所有待调度的子流,实现计算机异构大数据跨源调度。实验结果表明,文中设计的方法可以将跨源操作的级别条件提高至10级,跨源调度计算机异构大数据的利用率超过97%,加速比大于85%,计算机异构大数据跨源调度性能明显提升。

基于改进启发式算法的四向穿梭车系统双端预编组研究

四向穿梭车存储系统是一种新型密集存储系统,可以满足电商环境下仓储快速响应的需求。四向库具有双端检索货物的功能,以释放库存潜力并提升出入库的效率。由于系统的多深位特性,出库过程中会涉及额外的检索操作,因此提前对货物进行预编组排序至关重要。针对四向库预编组问题,设计了一种改进的启发式算法,在非高峰出库时段通过双端检索排序使货物达到有序状态,减少出库移动步数和检索时间,从而提高仓储作业的效率。结果表明:相较于L公司现有算法,该算法平均减少了12.82%的移动步数;采用矩形布局和双端出库布局可以进一步减少移动步数,分别平均减少了35.44%和12.82%的移动次数。

一种物流配送机器人路径搜索启发式算法研究

针对带有时间窗和配送机器人的车辆路径问题,提出了一种自适应大邻域搜索启发式算法(ALNS)。首先研究了带时间窗口的车辆路径问题,分析了在调度-等待-检索系统中,时间窗约束引起的同步问题以及两种不同的配送资源在时间问题上的关系,在此基础上提出了改进的自适应大邻域搜索(ALNS)启发式算法。该算法通过破坏和修复部分现有解,在每次迭代时改变大部分解,通过创建初始解决方案,并在自适应机制的基础上获得最优解决方案。通过实验证明了该算法在解决带有时间窗和配送机器人的车辆路径问题上的性能和有效性,最后对配送机器人的应用情况进行了敏感性分析。

基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法

为了解决建筑钢筋混凝土桁架结构承载力较低的问题,文章提出了基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法。建筑钢筋混凝土桁架结构设计变量过滤处理为后续计算提供基础。根据轴心受力构件计算标准,构建应力约束条件。使用启发式算法中的组合优化方法,在MATLAB软件完成建筑钢筋混凝土桁架结构拓扑优化。试验结果证明:此方法具有较高的计算能力,可提升桁架结构的应力承载力至70.251J,得到最优优化结果。

基于启发式算法和遗传算法的三维装箱问题混合算法研究

在三维装箱问题中,启发式算法和遗传算法都能够较好地解决问题。本文在可放置点生成的启发式算法和遗传算法的基础上,将二者结合生成了新的混合算法来研究三维装箱问题,并通过真实应用场景数据对新的混合算法进行测试,混合算法的装载率和原传统算法相比稳中有增,尤其是针对货物规格种类较多的情况下,混合算法的优势更为明显。In the three-dimensional packing problem, both heuristic algorithms and genetic algorithms can effectively solve the problem. Based on the heuristic algorithm for generating placeable points and the genetic algorithm, this paper integrated the two algorithms into a new hybrid algorithm for the three-dimensional packing problem. The new hybrid algorithm was tested by real data in the application, and its loading rate was stable and had increased compared to the original traditional algorithm. Especially for cases with multiple types of goods, the advantages of the hybrid algorithm were more obvious.

基于多目标混合启发式算法的协同无冲突4D航迹规划

为促进基于航迹运行的框架下未来空中交通管理系统的协同决策,本文提出了一种协同无冲突4D航迹规划方法。首先以提高航班效率和航空公司间的公平性为目标,以无冲突为约束构建了一个多目标整数线性优化模型。其次,提出了一种基于基尼系数的指标以量化航空公司间的成本分配公平性。为了提高问题求解效率,采用了基于网格的探测方法以加速冲突检测,并设计了一种多目标混合启发式算法(Multi-objective hybrid-meta-heuristic optimization algorithm,MHMOA),通过结合模拟退火(Simulated annealing,SA)和爬山局部搜索算法来近似最优的非支配解。最后,利用实际航班计划和航路网络数据比较和分析了MHMOA、SA和两种常规多目标优化算法的优化结果。结果表明,MHMOA所获得的非支配解的质量更高、延误更低且航空公司间公平性更优,在3个多目标优化性能指标方面表现优异,可为空中交通管理员提供更详细的决策支持。

混合超启发式算法求解复杂两级车辆路径问题

针对模糊需求下的绿色两级车辆路径问题,以最小化车辆运营成本和油耗成本之和为优化目标,提出一种混合超启发式算法进行求解.首先,考虑两级问题解空间庞大且相互耦合,设计一种聚类分解策略将该问题分解为多个子问题,以合理缩小问题搜索空间;然后,提出增强超启发式分布估计算法(enhanced hyperheuristic estimation of distribution algorithm,EHHEDA)对各个子问题进行求解,进而获得原问题的解.EHHEDA基于超启发式算法框架,在高层策略域设计一种基于三维概率模型的分布估计算法,动态确定由底层操作域中各搜索算子所组成的排列(即高层个体),可有效控制和引导整个算法的搜索行为;同时,在底层操作域设计10种有效邻域搜索算子,并加入重升温操作的模拟退火机制作为问题解(即底层个体)的接受准则,有利于在问题解空间中执行深入搜索.仿真实验结果表明,所提出的算法在大多数测试集上优于近年来用于求解类似问题的算法,验证了所提出算法的有效性.

基于混合启发式算法的中小学布局优化研究

以就近入学和均衡化发展为目标,提出中小学空间优化方法。从各区域学生平均上学距离与中小学空间分布的角度出发,建立武汉市中小学空间优化模型。基于ArcGIS分析和TS-SA混合启发式算法构建空间优化模型。经过学区优化调整,中小学可达规范服务半径内的能力得到提升,校际差异缩小,较好实现了就近入学、均衡教育和提升服务覆盖的目标。

基于启发式算法的停机位分配研究

针对当前机场停机位资源紧张以及航班延误等问题,本文研究了机场停机位资源分配问题。首先,依据机场停机位资源分配的相关规定,将其转化为目标函数和约束条件,构建了以最小化停机位使用的整数规划模型。其次,考虑飞机与停机位属性匹配的问题,提出了基于属性匹配的启发式算法,对停机位分配问题进行求解。最后,通过使用CPLEX软件对小规模问题进行精确的求解,以验证模型的准确性,并应用启发式算法对某机场的大规模分配问题进行研究。实验结果表明,本文构建的模型和算法能有效应对机场现实运营中的停机位分配问题,且效果良好。

带阶段跳跃和恶化效应的炼钢-连铸调度的混合启发式算法

针对炼钢-连铸中阶段跳跃、恶化效应以及连铸阶段组批加工的现实生产约束,提出了一种结合头脑风暴优化算法与候鸟优化算法的启发式算法解决该调度问题。基于碳达峰与碳中和的背景,建立以最小化最大完工时间与能耗的加权和为目标的生产调度优化模型,以头脑风暴优化算法作为主算法,引入反向学习策略以提升初始解集质量。在迭代过程中,采用自适应组间、组内讨论次数的策略以增强全局搜索与局域搜索的平衡性,结合候鸟优化算法再次提高解的质量。不同规模的仿真实验,对五种算法进行对比,结果表明所提混合启发式算法能够得到质量更好的近优解。

基于自组织神经网络与元启发式算法的地表爆破振动预测方法

提出一种基于自组织神经网络(SONN)和元启发式算法的露天矿爆破诱发地表振动预测方法,通过几种常用的元启发式算法,包括蝠鲼觅食优化(MRFO)、饥饿游戏搜索(HGS)、天鹰优化算法(AO)和裸鼹鼠算法(NMRA),以提高SONN模型的预测精度。利用k折交叉检验以确定算法最优参数,并用于重新训练模型以预测爆破诱发地表振动。以国内某露天矿为例验证了提出方法的有效性。研究结果表明,提出的4种模型均可准确预测爆破诱发地表振动,而在4种模型中,预测精度及可靠性由高到低排序均为:MRFO-SONN模型>HGS-SONN模型>NMRA-SONN模型>AO-SONN模型。推荐采用MRFO-SONN模型来预测由爆破活动诱发的地表振动。

启发式算法在交通领域的应用研究

启发式算法被广泛应用于各个领域中,尤其是在交通领域的研究中,需要根据实际问题建立数学模型及优化求解,但往往在实际求解过程中寻找最优解需耗费大量的时间及精力,故在交通领域的各个方面均会采用启发式算法。通过梳理现有研究中启发式算法在交通领域的应用,对现有应用研究进行总结。最后,基于仿真数据,采用免疫算法对新能源汽车充电站进行选址优化及采用模拟退火算法对绿色车辆路径进行规划,并得出结论。

基于启发式算法的重力式挡土墙压力计算及截面优化设计

由于传统方法在重力式挡土墙压力计算及截面优化设计中应用效果不佳,不仅压力计算误差比较大,而且优化后重力式挡土墙抗滑稳定安全系数仍然比较低,文章提出基于启发式算法的重力式挡土墙压力计算及截面优化设计。利用朗金理论对重力式挡土墙压力计算,建立挡土墙截面优化模型,利用启发式算法对数学模型求解,得出最优挡土墙截面参数组合,以此完成基于启发式算法的重力式挡土墙压力计算及截面优化设计。经实验证明,设计方法压力计算误差在0.1kPa以内,截面优化后挡土墙抗滑稳定安全系数在0.9以上,为重力式挡土墙压力计算及截面优化设计提供了参考依据。

基于改进启发式算法的B2C电商物流库存路径优化方法

当前,B2C电商物流库存路径优化模型较为单一,优化的覆盖范围小,导致成本的标准差增加。为此,本文提出基于改进启发式算法的B2C电商物流库存路径优化方法的设计与分析。根据当前的路径优化需求进行物流点部署与B2C实时物流数据采集,结合改进启发式算法,扩大优化的覆盖范围。设计改进启发式测算B2C电商物流库存路径优化模型,采用自适应调整的方式完成路径优化处理。测试结果表明,相比于不确定需求下异构电动物流车辆的路径优化、碳排放和客户满意度下医药冷链物流配送路径优化,此次设计的改进启发式算法下B2C电商物流库存路径优化方法最终得出的成本标准差整体上呈现出下降的趋势,并逐渐保持平衡状态。说明在完整路径的优化后,对应的成本也更加可控,具有实际的应用价值。