多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展.本文首先描述多目标粒子群优化算法(MOPSO)的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.

基于密集距离的多目标粒子群优化算法

设计出基于密集距离的多目标粒子群优化算法(CMPSO),该算法根据密集距离大小按轮盘赌方式为每个粒子从外部档案选取全局最好位置并采用基于密集距离的方法对外部档案进行维护.将算法应用于3个复杂的测试实例,并与强度Pareto进化算法2等算法进行比较,计算结果表明CMPSO具有良好的连续优化能力.

求解模糊作业车间调度问题的群体邻域搜索算法

本文提出一种群体邻域搜索算法(Swarm-based Neighborhood Search,SNS),用于最小化模糊作业车间调度问题(Fuzzy Job Shop Scheduling Problem,FJSSP)的模糊makespan.该算法使用基于有序工序的编码,通过锦标赛选择和概率为1的动态调整互换操作更新群体.对调度结果的理论分析表明,模糊makespan能反映解的优劣.理论分析及大量实验证明,SNS具有较强的全局和局部优化能力,以及较快的收敛速度,在求解FJSSP方面具有较强的优势.

彩色图像分割算法研究与费歇算法应用

图像分割是图像分析和模式识别需要解决的首要问题和经典难题。彩色图像比灰度图像具有更多的视觉信息，因而受到了越来越多的重视。文中对各种彩色图像分割方法进行了系统论述，分析了各种方法的优缺点，重点介绍了费歇算法。该算法能有效地对彩色图像进行分割，在工业实践中取得了比较好的效果。

钢筋自动计数系统中图像识别算法的研究

钢筋自动计数是钢材生产中的一个难题。现有的钢筋自动计数方法包括捆装棒材的图像计数和在线棒材的自动计数,它们的采集、处理方法有较大差别。本文对比分析了面积计数和模板计数这两种方法,指出了它们各自存在的问题以及需要完善和改进之处。

证书认证系统中数字证书的生成及相关功能的实现

首先针对目前Internet上信息传输存在的安全隐患提出解决办法 ,即设计安全证书认证系统 ,然后介绍了此设计所实现的证书认证系统的一些主要功能 ,并描述了该证书系统在虚拟私有网中的应用 。

在VC++环境下实现串行通信的两种编程方法

编写串行通信程序是微机监控软件中基础、关键的一个环节。本文详细地介绍了用 VC编写通信程序的两种方法。

考虑附加资源和学习效应的不相关并行机调度

针对考虑附加资源和学习效应的不相关并行机调度问题(unrelated parallel machine scheduling problem,UPMSP),提出一种动态人工蜂群算法(dynamical artificial bee colony,DABC),实现最小化最大完成时间。给出一种新的编码方法和解码过程,并构建2个初始蜂群;提出一种蜂群评估策略,以动态确定雇佣蜂群和跟随蜂群;在雇佣蜂阶段和跟随蜂阶段采用不同搜索策略,以增强算法的探索能力。实验结果表明:DABC的新策略合理有效,且该算法在求解UPMSP时收敛性、平均值和稳定性更强,显示出较强的搜索性能。

求解高维多目标调度的新型人工蜂群算法

高维多目标连续优化问题已得到广泛研究,而高维多目标组合优化问题的进展相对较小,虽然人工蜂群(Artificial Bee Colony,ABC)算法已成功应用于多种生产调度问题,但很少被用来求解高维多目标调度问题,而且高维多目标调度自身的研究进展也非常小。针对高维多目标柔性作业车间调度问题,文中提出了一种新型ABC算法以同时优化最大完成时间、总延迟时间、总能耗和机器总负荷。与常规柔性作业车间调度问题不同,上述问题考虑了总能耗,使其成为绿色调度问题。新型ABC具有明显不同于现有ABC算法的新特点,其跟随蜂(onlooker bee)的数量小于引领蜂(employed bee),引领蜂侧重于全局搜索,而跟随蜂只进行局部搜索,通过两类蜜蜂彼此各异的搜索方式来避免算法陷入局部最优。同时,该算法将跟随对象限定为质量较好的部分引领蜂和外部档案成员,其他引领蜂无法成为跟随对象,以避免计算资源浪费在较差解的搜索上,并给出了侦查蜂(scout)新的处理策略。测试实例的仿真实验表明,高维多目标调度问题中非劣解数量占种群规模的比例明显低于高维连续优化问题。将新型ABC与多目标遗传算法和变邻域搜索进行比较,实验结果表明,新型ABC在求解高维多目标调度方面比对比算法更有优势,计算结果更好。