基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题

由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。

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.

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

基于梯度搜索与进化机制的多目标混合算法

多目标进化算法(MOEA)因其良好的全局探索能力备受关注,但其在最优值附近的局部搜索能力却相对较弱,且对于具有大规模决策变量的优化问题,MOEA所需的种群数量与迭代次数都十分庞大,优化效率较低。基于梯度的优化算法能够很好地克服这些问题,但梯度搜索算法很难应用于多目标问题(MOPs)。在加权平均梯度的基础上引入随机权函数,发展多目标梯度算子,将其与基于参考点的第三代非支配排序遗传算法(NSGA-Ⅲ)结合,发展了多目标梯度优化算法(MOGBA)和多目标混合进化算法(HMOEA)。HMOEA在保留NSGA-Ⅲ良好的全局探索能力的同时,极大地增强了局部搜索能力。数值实验表明:HMOEA对于各种Pareto阵面都具有优秀的捕获能力,与典型的多目标算法相比效率提升了5~10倍。进一步将HMOEA应用于RAE2822翼型的多目标气动优化问题中,得到了理想的Pareto前沿,表明HMOEA是一种高效的优化算法,在气动优化设计中具有潜在的应用价值。

带负载均衡的混合算法求解分布式异构作业车间调度问题

针对以最小化最大完工时间为目标的分布式异构作业车间调度问题(DHJSP),本文提出了一种新的混合遗传禁忌搜索算法.首先,综合考虑工厂的工件总负载与最大机器负载,提出了一种新的工厂负载表达方式.其次,针对DHJSP总工序数不定的特性,提出以最小化最大工厂负载为目标快速确定初始工件分配方案,并验证了方法的高效性.然后,新设计了两种考虑负载均衡的单工件转移邻域结构,根据工序调度的结果对工件分配方案进行局部搜索.最后,因DHJSP缺少标准算例和相关算法,在分布式同构作业车间调度问题(DJSP)上与现有算法进行对比,所提算法在TA算例的480个问题上更新了420个问题的最优解,其余60个问题取得了同等最优解.在随机生成的3个不同规模的异构算例中,所提算法也均取得了较好解,验证了所提方法的优越性.

基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能,提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数,以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量,基于粒子群算法,引入罚函数和遗传交叉、变异操作,解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例,对优化后的轴承进行应力分析和敏感度分析。结果表明,所提出算法的收敛性能较好、优化能力较强、运算速度较快,优化后的深沟球轴承接触应力下降了31.7%,从而验证了所提出方法的有效性。

基于GBDT-PSO混合算法的隧道地表沉降预测与控制方法研究

为提高隧道掘进过程地表沉降的预测效果,提出了一种基于梯度提升回归树-粒子群(Gradient Boosting Decision Tree-Particle Swarm Optimization,GBDT-PSO)混合算法的隧道地表沉降预测与控制方法,通过选取深圳市某城市轨道交通区间施工的隧道线路数据,采用GBDT-PSO算法进行地表沉降预测。结果表明:GBDT-PSO混合算法可有效预测地表沉降值,通过调整刀盘扭矩值有效控制地表沉降。

求解最小支配集问题的禁忌遗传混合算法

将最小支配集问题转换为一系列判定问题k支配集问题,并提出一种禁忌遗传混合算法对k-DS问题进行求解。此算法将禁忌搜索算法和遗传算法两种启发式算法结合起来,互补不足。高效的邻域结构保证了算法的运行效率,禁忌策略防止算法过早陷入局部最优陷阱,遗传算法框架进一步增强了算法的疏散性。经过与现有求解最小支配集算法的结果进行分析比较,禁忌遗传混合算法的结果较其它算法更优。

基于混合算法的互联网访问用户身份认证方法

提出基于混合算法的互联网访问用户身份认证方法,结合域内联盟链和跨域联盟链,建立教育区块链身份认证框架。在认证架构中设置固定的权威节点后,结合无证书签名以及哈希函数,完成机构节点、用户节点的合理注册。建立基于混合算法的安全认证机制,首先应用国密算法中的SM4算法(SM4分组密码算法)产生一个初始密钥;然后利用SM2算法(SM2椭圆曲线公钥密码算法)对密钥数据进一步处理,获取可以用于身份认证的随机密钥;最后,以云计算为核心的认证服务器的作用下,对互联网访问用户身份进行阶段认证。实验结果表明,在并发用户数量为300时,所提方法的互联网访问用户身份认证响应时间仅为2.85 s,满足实时性要求。

基于混合算法的船舶波浪中操纵运动预报研究

本文基于开源代码OpenFOAM,采用基于全非线性势流方法与粘性流方法耦合的混合模型,结合桨舵推进模型,模拟单桨船在波浪中的回转和Z形操纵运动。外场采用全非线性势流方法(FNPT)模拟波浪水池,内场采用粘流方法模拟波浪与船舶相互作用,采用考虑波浪影响的桨舵力学模型计算航行中的桨舵推进受力,实现船舶在波浪中六自由度操纵运动的仿真。采用KVLCC2模型用于数值模拟,通过自航试验对比验证方法的有效性。模拟初始横浪条件下船舶波浪中操纵运动,通过改变波长研究和分析横浪下波长对船舶回转性能和机动性能的影响。

高超声速带奇性轴外形热流准确预示的混合算法研究与应用

准确的热流预示在超/高超声速复杂流动数值模拟是一个难点问题。当计算网格中出现奇性轴时,进一步增加了准确流场模拟、热流计算的难度。本文针对奇性轴在有限差分计算中出现的流场结构不稳定、热流预测误差大等难题,在通量重构方法的基础上,结合基于守恒变量的重构方法,提出了一种采用高精度格式计算带奇性轴问题的混合算法。该算法在奇性轴附近使用基于守恒变量的重构方法,有效反映奇性轴附近流场分布对奇性轴计算的影响,能够有效解决奇性轴问题。采用该混合算法并对比应用WENO3‑JS和高分辨率WENO3‑PRM^(2)_(1,1)格式,本文对高超声速球头、HB‑2、球钝锥及Apollo等外形绕流问题进行了数值模拟,结果表明:新方法能够有效解决含奇性轴问题计算中的流场结构不稳定问题,并且可以实现准确的热流预示。

基于动态双种群的黏菌和花粉混合算法

针对单一启发式算法易受自身原理导致的全局和局部搜索不平衡的问题,提出了一种基于动态双种群的黏菌和花粉混合算法HASMFP。首先,通过种群个体和当前最优个体之间的距离,将种群动态划分为黏菌子种群和花粉子种群分别进行搜索,以更有效地平衡算法的探索能力和开发能力;其次,对全局搜索融入相似度与适应度的综合排序感知机制来提高黏菌子种群的多样性,以帮助黏菌算法跳出局部最优;最后,在标准花粉算法的全局搜索中加入动态权重和恒定收缩系数,并对局部搜索设计了精英引导项来提高算法的收敛速度和搜索精度。选用CEC2017测试集中的12个函数作为实验测试集,将HASMFP与ISMA、DTSMA、HLFPA、SCFPA和tMFPA五种改进算法进行性能测试对比。还对HASMFP的各个改进策略进行消融实验,实验表明在综合改进策略的共同作用下,HASMFP的优化性能排名第一。基于实验结果的Friedman检验表明,HASMFP能够获取最优的性能。

基于混合算法计算炸药JWL状态方程参数的研究

JWL状态方程参数是炸药爆炸膨胀数值模拟仿真的基础,圆筒试验标定法复杂且成本很高,为了准确快速地获得炸药JWL状态方程参数,提出一种基于灰狼粒子群混合算法计算确定炸药JWL状态方程参数的方法。该方法仅把炸药的爆速和初始密度作为已知条件即可计算确定JWL状态方程参数。基于此方法对TNT、PETN 1.77、HMX、PBX-9010、PBX-9501和OCTOL炸药的JWL状态方程参数进行计算,将计算所得参数进行圆筒试验数值仿真模拟,同时与标准参数仿真模拟结果进行对比,仿真结果曲线R 2分别为0.995681、0.999012、0.99999、0.999533、0.999069和0.998904,均大于0.99,说明计算方法可行,可为炸药JWL状态方程参数的获取研究工作提供一定参考。

基于Dijkstra-ACO混合算法的煤矿井下应急逃生路径动态规划

煤矿井下应急逃生路径规划需要根据煤矿井下环境的变化及时调整,但传统方法依赖静态网络和固定权重而无法实现逃生路径规划适应井下环境动态变化。针对上述问题,提出了一种基于Dijkstra-ACO(蚁群优化)混合算法的煤矿井下应急逃生路径动态规划方法。基于巷道坡度和水位对逃生的影响分析,建立了煤矿井下应急逃生最优路径动态规划模型,实现逃生路径随巷道坡度、水位等环境变化而实时调整,从而提高逃生效率和安全性。采用Dijkstra-ACO混合算法求解煤矿井下应急逃生最优路径动态规划模型,即利用Dijkstra算法快速确定初始路径,引入ACO算法寻找距离最短且安全性最高的逃生路径,实现规划路径能够适应环境变化。搭建了模拟某煤矿多种巷道类型及其坡度、水位等参数的仿真环境,开展了应急逃生路径动态规划实验。结果表明,在50 m×100 m,100 m×200 m,150 m×250 m 3种不同尺寸的测试区域中,基于Dijkstra-ACO混合算法规划的路径长度比基于A^(*)算法和基于改进蚁群算法规划的路径长度缩短了19%以上,同时避障率提高了5%以上。

GA-PSO混合算法的工作臂铰点优化设计

现有施工装置中离不开挖掘机工作臂,但在工作过程中因承载和振动,造成铰接点销轴破裂。为了提高工作的可靠性,通过SolidWorks软件建立模型,分析由铲斗、斗杆、动臂及其油缸构成平面连杆机构工作原理;建立动臂动力学模型,借助齐次矩阵方法分析各部件的铰点位置参数,得到各铰点受到外力和力矩;以动臂各铰点受力为优化目标,以各铰点坐标参数作为设计变量,以动臂油缸所做功为约束条件,实现目标函数模型建立。借助GA-PSO混合算法,进行选择、变异和交叉操作,提高工作臂的优化设计参数精确度;结合ADAMS软件,得到优化后和优化前铰点受力曲线,实现了优化后铰点受力小于优化前。同时,为相关农业机械的研究提供理论研究基础。

基于粒子群萤火虫混合算法的计算机辅助配棉

为促进棉纺企业精细化管理水平和生产效益的提升,提出一种粒子群萤火虫混合算法的计算机辅助配棉方法。首先,构造混和棉成本最小和混和棉综合质量指标最优的多目标优化函数,建立库存、总重量、原棉种类及质量指标边界等多约束条件,按照线性加权方式将多目标模型转化为单目标模型。其次,对粒子群和萤火虫群进行分阶段初始化,设计一种学习因子动态调整和非线性递减惯性权重策略用以提高粒子群算法的综合寻优能力,并采用自适应移动步长更新萤火虫个体位置。最后,使用粒子群、萤火虫及粒子群萤火虫混合算法对配棉模型进行求解。试验结果表明:3种配棉算法均展现出良好的求解可行性,所得混和棉质量指标的综合绝对误差分别为0.0268、0.0240、0.0281,皆处于较低水平;并且粒子群萤火虫混合算法在成本节约方面更具优势,其配棉的总成本相比粒子群算法、萤火虫算法分别降低了1.20%、2.27%。

基于GRASP-PR混合算法的多目标EV充电任务序列优化模型

提出基于GRASP-PR混合算法的多目标EV充电任务序列优化模型,以提高配电网的平峰填谷能力,确保其稳定运行。根据EV出行特点,在分析无序充电模式对配电网负荷峰谷差影响的基础上,构建EV充电任务序列优化模型,采用引入路径重连策略的贪心随机自适应搜索算法对优化模型求解,确定最优EV充电任务序列调度方案。实验结果表明:在无序充电模式下,并网充电EV数量越多,配电网负荷峰谷差越大;该优化模型可实现EV充电任务序列的优化控制,达到平峰填谷效果,降低配电网运行成本、EV充电成本。

混合算法求解无人机纯方位无源定位问题

近年来,随着无人机领域的发展日益成熟,单架无人机已逐渐不能满足一些复杂任务的需求,多无人机编队协同控制研究成为热点。无人机集群在遂行编队飞行时,为保持编队队形,需要进行有效定位。传统的定位方法是利用辐射信号来对目标进行定位,容易受到干扰。为避免外界干扰,降低截获率,无人机应尽可能保持电磁静默,少向外发射电磁波信号。

基于创新的混合算法在列车姿态测量系统中的应用研究

本文针对列车姿态测量系统中无线传感器网络的覆盖优化难题,提出了一种创新的混合算法—PGSO。该算法融合了粒子群算法优化出色的全局搜索能力与萤火虫算法在局部精细搜索方面的优势,旨在提升列车姿态测量系统中无线传感器网络的覆盖质量。实验显示,PGSO算法较PSO和GSO更快收敛、覆盖率更高、全局搜索能力更强,在列车姿态测量场景中表现卓越,有效解决了无线传感器网络覆盖优化问题。

基于自适应混合算法的基带资源池部署与重构

基于资源池架构的卫星地面站基带技术是解决当前地面站基带设备种类多、交叉使用、灵活备份难等问题的有效途径。基带资源池技术的目的是建立通用基带平台与运行环境,利用软件可定义技术使平台与功能软件相分离,按需实现多种功能的部署与重构。