基于混合离散粒子群优化的控制模式分配算法

连续微流控生物芯片是生物化学实验自动化、微型化的革命性技术.多路复用器的控制模式分配作为连续微流控生物芯片自动化设计的关键环节之一,是难的NP(Non-deterministic Polynomial)优化问题.现有工作采用粒子群优化算法求解控制模式分配问题存在过早陷入局部最优解、收敛速度慢以及算法稳定性差的缺点.为此,本文提出一种连续微流控生物芯片下基于混合离散粒子群优化的控制模式分配算法.首先,为了加快算法收敛速度及避免过早陷入局部最优解,提出了离散的自适应区域搜索策略.其次,通过基于样例的社会学习机制提高了算法的稳定性.然后,采用等距抽值的方式筛选出自适应区域搜索策略中重要参数的最佳组合,以进一步提高分配方案的质量.最终实验结果表明,所提算法在多路复用器中阀门使用数量上平均优化了19.01%,在算法稳定性上提高了29.18%,且在现实的生化应用中有良好的性能表现.

流水车间调度中的离散粒子群优化算法

针对传统的流水车间调度不能适应存在并行机的工作过程的缺陷,本文提出了求解柔性流水车间调度FFSSP(Flexible Flow Shop Scheduling Problem,FFSSP)的方法。针对无等待阻塞柔性流水车间调度问题中流水车间最大时间最小化的问题,设计了一个优化求解模型,实现了多约束条件下的柔性流水车间调度,实验结果验证了该算法的有效性和可行性。

离散粒子群优化算法在输电网络扩展规划中的应用

输电网络扩展规划是一个非常复杂的大规模组合优化问题。文中研究了离散粒子群优化(DPSO)算法在单阶段输电网络扩展规划中的应用,提出一种基于黑板系统的多智能体协调模型。该模型中,DPSO算法利用黑板系统进行粒子间信息共享,有效地提高了算法的全局收敛能力。通过构造节点扩展矩阵和速度矩阵,建立了输电网络扩展规划问题的求解模型和DPSO求解算法。该算法已成功用于IEEE Garver-6等两个系统,计算结果表明了该方法的可行性和有效性。

基于离散粒子群优化算法的多用户检测器

利用粒子群优化算法解决优化问题的基本思想,提出了一种新的粒子群算法,进而设计了两种使用NDPSO和多阶段检测器(MSD)相结合的混合方法进行CDMA通信系统的多用户检测.一种方法是使用NDPSO作为MSD的初始阶段给后面阶段的MSD提供一个好的初始值;男一种方法是把MSD嵌入到NDPSO 的每一代中.通过混合MSD到NDPSO中,可以加快NDPSO的收敛速度,减少计算复杂度.另外,NDPSO所提供的好的初值可以改善MSD的性能,嵌入的MSD还改善了NDPSO的性能.仿真结果表明,多用户检测方法与传统检测器和已有的DPSO多用户检测方法相比,在误码率、抗远近能力方面都有显著提高.

一种改进的离散粒子群优化算法

针对旅行商问题,提出了一种改进的离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的速度、速度的相关运算规则和粒子的运动方程进行了重新定义,为防止算法的早熟停滞现象,提出用扰动速度来增加粒子群的多样性,为提高算法的求精能力,设计了一种高效的近邻搜索算子来提高粒子的适应值,使算法在空间探索和局部精化间取得了很好的平衡.与领域中的其它典型算法进行了仿真比较,结果表明,该算法具有很好的性能.

带时间窗装卸一体化车辆路径问题的混合离散粒子群优化算法

为了同时实现总配送成本最低、车辆数最少和车辆行驶距离最短等目标,考虑车辆指派成本及运输路径成本的相对重要性,建立了带时间窗装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种混合离散粒子群求解算法。算法基于客户排列的直观无分段大路径解表示法,采用改进深度优先搜索分割法对问题解进行解码与评价;嵌入一种变邻域下降搜索程序并在个体粒子每次迭代时以一定概率选择执行,利用混合粒子群算法在多邻域深度搜索和在全局空间广度搜索进行寻优,同时应用模拟退火思想和比例选择性变异最差个体来改善个体搜索停滞现象。采用两个不同目标算例进行寻优测试,验证了所提算法的可行性和有效性。

基于离散粒子群优化的云计算QoS调度算法

针对云计算环境下用户任务的多种服务质量(QoS)需求,综合考虑任务截止时间、调度预算和可靠性,提出一种多QoS约束离散粒子群优化(QoS-DPSO)的任务调度算法。对任务的QoS进行定义和数学建模,通过截止时间和调度预算约束DPSO的搜索空间,根据可靠性重新定义DPSO的适应度函数,由适应度值搜索最优的任务调度方案。实验结果表明,与PSO,DPSO,DBC和EDF算法相比,QoS-DPSO在满足调度截止期的情况下具有较高的可靠性,并且对Makespan性能的影响较小。

求解第Ⅰ类装配线平衡问题的离散粒子群优化算法

为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。

一种求解矩形排样问题的遗传-离散粒子群优化算法

针对制造业领域的矩形优化排样问题,提出一种遗传-离散粒子群优化算法.引入交换子和交换序概念,解决了标准粒子群优化算法在求解组合优化问题时粒子的更新难以描述问题;融合遗传算法的交叉与变异思想,增强了粒子群的多样性和稳定性;同时采用改进的最低水平线搜索算法加快算法的收敛速度,并解码形成排样方案.通过实验数据对比,验证了该算法在求解矩形排样问题中的高效性和鲁棒性.

求解TSP问题的伪贪婪离散粒子群优化算法

以旅行商问题为例,提出一种基于元胞结构的伪贪婪离散粒子群优化算法.为了体现粒子对环境的感知能力,设计了伪贪婪的粒子位置修改操作算子,为了反映粒子间不同学习能力,体现粒子的个体差异性,设计了3种学习算子来提高算法的局部求精能力,为了更好地保持粒子群的多样性,采用了元胞结构作为粒子群的种群拓扑和邻域结构,这些策略使算法在空间探索和局部求精间取得较好的平衡.在典型旅行商问题上进行了仿真,结果表明算法具有良好的性能.

确定复杂环网方向保护最小断点集的改进离散粒子群优化算法

确定复杂环网方向保护最优配合顺序的核心步骤是求解最小断点集(minimum break point set,MBPS)。文章提出一种基于改进的离散粒子群优化算法(discrete particle swarm optimization,DPSO)求解MBPS的新方法。该方法首先以带约束的策略生成初始粒子,然后在迭代中引入惯性权重因子来平衡粒子的全局与局部搜索能力,同时增加一个固定粒子飞行方向的约束,以保证搜索始终在解的可行域中进行。文章最后以具有典型线路保护配置的电力系统为例进行了仿真,结果表明,新方法能以较快的收敛速度和较高的收敛精度得到MBPS的可行解,具有较好的实用性和有效性。

求解二次分配问题的离散粒子群优化算法

提出了一种求解二次分配问题的离散粒子群优化算法.根据二次分配问题及离散量的特点,重新定义了粒子的位置、速度等量及其运算规则,为抑制早熟停滞现象,为粒子和粒子群分别定义了个体多样性和平均多样性.算法中定义了排斥算子来保持粒子群的多样性,使用局部搜索算子来提高算法的局部求精能力,使算法在空间勘探和局部求精间取得了较好的平衡.在QAPLIB的实例上的仿真结果表明,离散粒子群优化算法具有良好的性能.

基于混合离散粒子群优化的轨道分配算法

现有的轨道分配工作大多忽略局部线网问题,并且容易陷入局部极值.为此,文中基于离散粒子群优化、遗传操作和基于协商的精炼策略,综合考虑局部线网、重叠冲突、线长和障碍物,提出轨道分配算法.算法抽象局部线网,构建对应的线段模型.为了扩大种群多样性,混合遗传操作以提高全局搜索效率.同时,设计简单高效的适应度函数.最后,使用基于协商的精炼策略进一步减少线段重叠.实验表明文中算法的有效性,该算法可以获得较佳的重叠代价指标优化值,减少关键布线区域的拥挤情况.

求解排列问题的分布估计离散粒子群优化算法

目前粒子群优化算法和分布估计算法较少用于解决排列编码组合优化问题,本文提出了一种新的适用于求解排列问题的分布估计离散粒子群优化算法.提出的算法结合粒子群优化算法和分布估计算法的思想,突破了标准粒子群优化算法速度-位移更新模式.新算法中每个粒子的信息一部分来自该粒子当前解排列与全局最优排列的最长公共子串,另一部分来自描述所有个体最优值分布信息的概率模型.这样粒子的当前解、所有个体最优值和全局最优值都参与了新解的生成过程,提出的算法秉承了粒子群优化算法的思想,同时具有更全面的学习能力,提高了算法的寻优能力以及避免陷入局部最优的能力.在两个经典的排列问题上的实验结果表明提出的算法具有良好的性能.

并行免疫离散粒子群优化算法求解背包问题

针对离散变量的优化问题,提出了一种改进的二进制混合粒子群优化算法(MHBPSO)。MHBPSO算法利用生物免疫机理和并行运算原理简化算法结构,并针对后期可能出现局部收敛、停滞的问题,从保持粒子群位置的多样性入手,引入了鲶鱼效应和交叉变异操作。仿真实验比较了几种成熟的离散优化算法在解决典型0-1背包问题时的性能。结果表明MHBPSO算法结构简单、收敛速度快、全局寻优能力强,是一种解决离散优化问题的有效方法。

基于离散粒子群优化算法的直升机减速器齿轮故障特征选择

粒子群优化算法自提出以来,由于其容易理解、易于实现,所以发展很快,在很多领域得到了应用。本文针对机械故障特征选择问题,提出基于离散粒子群优化(PSO)算法的特征选择方法,并在直升机减速器齿轮故障诊断中进行了应用。实验结果表明,离散PSO算法可以快速、有效的求得优化特征集,是求解故障特征选择问题的一个较好方法。

基于费舍尔评分与离散粒子群优化的棉花异性纤维在线检测

为改进基于机器视觉的棉花异性纤维在线检测效率,提出一种基于费舍尔评分与离散粒子群优化的棉花异性纤维特征选择方法。该方法将费舍尔评分滤波式特征选择方法及基于离散粒子群优化的捆绑式特征选择方法组合在一起,首先利用费舍尔评分方法过滤噪声特征,然后利用离散粒子群算法从已去噪的特征集中选取最优特征子集。提出的方法应用于棉花异性纤维数据集,并与费舍尔评分方法、离散粒子群方法、遗传算法、蚁群算法进行对比,试验结果表明该方法可以更有效地选择出有较少特征数目、较高分类精度的特征子集。从75个棉花异性纤维原始特征中选出18个特征组成的特征集,其分类准确度达到93.5%,检测时间仅为0.8231 s,有效地改进了棉花异性纤维在线检测的精度与效率,从而减少异性纤维对棉纺织品的危害,提高棉纺企业经济效益。

一种求解集合组合问题的离散粒子群优化模型

针对变长集合组合优化问题,提出了一种离散粒子群优化模型.该模型将集合的概念和运算引入粒子群优化中,定义了一个可变集合搜索空间,并重新定义了粒子的位置、速度及作用于此空间的运算规则,既保留了粒子群本身的优化特性,又体现了集合组合优化的特点.采用典型的变长集合组合优化问题——背包问题来验证此模型的性能,并与二进制粒子群优化(BPSO)算法进行了对比.结果表明,该模型具有较强的寻优能力和更高的稳定性.

基于离散粒子群优化算法求解矩形件排样问题

改进了一种近似排样算法,并将改进的近似排样算法与离散粒子群优化算法结合求解矩形件排样问题。设计了应用离散粒子群优化算法求解矩形件排样问题的相关操作和定义,给出了离散粒子群优化算法求解矩形件排样问题的详细步骤,最后通过实验测试,验证了算法的有效性。

基于混合多值离散粒子群优化的混合极性Reed-Muller最小化算法

针对布尔函数系统的混合极性Reed-Muller(Mixed-Polarity Reed-Muller,MPRM)最小化问题,该文提出了一种混合多值离散粒子群优化算法。为解决多样性损失,改善优化结果,兼顾算法的效率和精度,算法采用多群协同优化方法,并提出了概率变异更新、没有重复的更新以及群间重复最优变异3种更新和变异策略。实验结果表明,和模拟退火遗传算法相比,所构造算法能够在获得基本相同优化结果的同时,提高MPRM最小化的时间效率。