改进多邻域候鸟优化算法的柔性作业车间调度研究

针对最小化最大完工时间的柔性作业车间调度问题(FJSP),提出一种改进的多邻域候鸟优化算法。首先,采用随机和最优加工时间策略提高初始种群质量;其次,采用两段式编码解决FJSP的机器选择和工序排序问题,基于不同的插入和变异算子设计了6种邻域结构,采用联合邻域搜索策略扩大解空间的搜索范围;再次,采用二次种内竞争策略以增强优秀个体在种群中的作用,设计了种间协同策略来避免算法陷入局部最优。最后,通过实例和基准算例验证了所提算法在求解FJSP问题时的有效性。

多策略候鸟优化算法的多目标FJSP研究

针对以最大完工时间、瓶颈机器负荷、总机器负荷最小为优化目标的多目标柔性作业车间调度问题(flexible job-shop scheduling problem,FJSP),提出一种基于新型拥挤度的多策略候鸟优化算法。首先,结合FJSP的特点,采用两段式编码;其次,针对编码方式构造多种邻域结构,并设计联合邻域搜索策略,有效扩大解空间的搜索范围;再次,引入一种新的拥挤度计算方式,解决同一支配等级下的非支配解在拥挤距离相等时无法判断位置关系的问题;最后,考虑到候鸟优化算法容易陷入局部最优,提出多源种间交叉策略和基于外部存档的重置机制。多组基准算例和生产实例的仿真结果表明,所提算法在求解多目标FJSP方面优于对比算法,有一定的优越性和实用性。

多层优化蚁群算法的移动机器人路径规划研究

针对地图环境建模以及蚁群算法存在的问题,提出了一种移动机器人路径规划的多层优化方法。首先对U型陷阱栅格区域进行凸化处理,避免前期搜索混乱;设计新的状态转移规则,解决常规蚁群规划的路径过于紧贴障碍物的问题;改进距离启发式函数,有效提高算法收敛速度;设计平滑启发函数,增加蚂蚁局部探索时直行的机率,提升初始路径平滑性;提出按路程长度和平滑程度分配信息素的更新原则,利用优质蚂蚁进行全局信息素更新,进一步提高算法收敛速度;利用最大最小蚂蚁策略,防止蚁群陷入局部最优;通过二次路径优化策略,去除多余冗余点,进一步提升路径平滑性。仿真及实验结果表明,该方法能为移动机器人规划出一条安全且综合性能较好的路径,为路径规划的求解提供了一种切实可行的方法。

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明:改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。