生鲜农产品分拣车与冷藏车的协同作业优化研究

聚焦生鲜农产品“最先一公里”冷链运输环节中的分拣车和冷藏车协同作业优化难题,本文采用时空网络建模方法和拉格朗日松弛算法等,以多维复杂组合优化问题的降维分解为主要切入点,重点研究基于时空状态网络构造移动分拣车和冷藏车协同作业优化模型;设计基于拉格朗日松弛算法和贪心规则的求解方法,实现大规模高维网络的降维分解,提升算法效率;通过数值实验与CPLEX商用求解器进行对比,验证本文算法在求解较大规模问题时的性能,并通过敏感性分析研究了单位行驶成本对系统运行状态的影响。本文采用时空网络建模方法,为降低多阶段协同作业优化建模的复杂度提供新思路,为高效求解大规模多维网络优化问题提供新方法。

自聚合飞蛾火焰优化算法对PID参数优化研究

PID控制器的控制对象通常具有高阶非线性等特点,在参数整定时容易使控制器出现超调、振荡、性能变差等缺陷。为解决此问题,提出一种自聚合飞蛾火焰优化(SMFO)算法对PID参数进行优化。在常规飞蛾火焰优化(MFO)算法中引入萤火虫算法中的光强吸引特性,以提高算法的寻优性能。采用高斯分布对火焰种群适宜个体进行选取,其利用光强吸引特性周期性地对适宜火焰的位置进行调整,强化火焰之间的联系,增强算法的局部勘探能力。将改进算法用于PID控制参数优化实验,以PID参数作为算法中的个体,以ITAE为适应度函数,进行PID参数优化。仿真结果表明:SMFO算法具有较好的寻优性能,相比于MFO算法和Z-N法,其超调量至少减少26.3%、调节时间至少减少69.6%,保证了控制系统的稳定性。