基于混合平衡优化器算法的多目标柔性作业车间多重动态调度研究

面对生产过程中出现的多种扰动问题对实际调度过程的影响,构建以紧急订单和机器故障为扰动因素,以最小化最大完工时间、最小化订单拖期惩罚和最小化碳排放为目标的柔性作业车间多重动态调度模型。采用基于事件和周期的混合动态调度策略来应对突发事件,并提出一种改进的平衡优化器算法来求解该模型。该算法通过采用基于精英反向学习的混合种群初始化策略提高初始种群质量;通过采用IPOX交叉、MPX交叉和变异操作,提高算法解集的广泛性和多样性;通过使用基于Metropoils准则的精英选择策略来更新种群,防止种群陷入局部最优;通过双层变邻域搜索提高算法的寻优能力。通过大量拓展算例仿真验证了该算法的有效性、稳定性和优越性。

电流互感器J-A模型参数辨识及大通流动模试验

电流互感器(current transformer,CT)的暂态饱和容易导致继电保护误动作,寻求暂态饱和的原因和防范保护误动的对策特别需要建立CT的分析模型,然而该模型及其参数的构建如何体现实际运行一直是个研究难点。该文首先基于J-A理论给出了CT分析模型,分析了该模型的数值计算思路。然后针对J-A模型中描述不同励磁曲线轨迹的关键参数,研究了以磁感应强度B为优化目标的引力搜索辨识方法。最后,精心设计了330k V系统P级CT的6~48k A大通流动态模拟试验,测试表明CT的J-A模型以及所提的参数辨识算法是有效的、正确的并且符合工程实际。

求解动态优化问题的改进多种群引力搜索算法

针对目前多种群算法解决动态优化问题时存在过多冗余计算、寻优精度低等缺陷,提出多种群串行搜索的引力搜索算法。采用多种群串行搜索的策略,便于当前子种群利用其他已收敛种群的进化信息。为解决多峰重复搜索而带来的冗余计算问题,提出具有约束条件的初始化策略,给予初始化的粒子以方向性的指引,避免其初始化在已寻峰区域;采用距离判决的策略发现并终止多峰重复搜索。为全面的监测环境变化及解决多样性丢失问题,提出一种监测环境策略及追踪策略。研究结果表明:所提算法,面对不同的环境变化程度以及不同的峰值数量,其求解精度都优于其他7种对比算法的求解精度,证明该算法在求解动态优化问题上的优越性。

采用动态多子群GSA-RBF神经网络的机车黏着优化控制

为解决机车牵引过程中轮轨间最优黏着利用能否获得的问题,提出一种基于高斯RBF神经网络的机车黏着智能优化控制方法。针对黏着极限态优化控制效果的定量评估,定义了同时考虑轮轨间黏着力变化指标和牵引电机转矩波动指标的加权目标函数;提出动态多子群GSA算法以优化RBFNN参数,避免了参数选择的盲目性,提高了RBFNN的收敛速度和学习能力;此外,该方法不依赖被控对象的解析模型,仅基于系统输入、输出信息完成控制器设计,并通过对电机转矩的动态调整,实现轮轨间黏着的最优利用。仿真结果验证了该方法的正确性和有效性。

基于改进GSA-BP算法的动态称重数据处理

为提高动态称重数据处理的精确度和速度,研究动态称重数据处理相关方法,提出一种改进的引力搜索算法(GSA)对BP神经网络进行优化的方法。通过引入改进黑洞因子(BH)和自适应惯性权重,提高GSA的搜索能力,优化BP神经网络的初始权值和阈值,使动态称重数据的处理速度更快、精确度更高。将改进GSA-BP算法和BP算法、GABP、GSA-BP进行仿真对比,对比结果表明,改进的GSA具有优秀的全局搜索能力,经其优化的BP网络对动态称重数据的处理结果更加精确、性能更好。

基于动态规划的MUSIC算法谱峰搜索

动态规划是求解最优化问题的一种方法,研究了其求解矩阵链乘问题的基本思想及具体步骤,并将其应用于MUSIC算法谱峰搜索,通过理论分析得到了MUSIC算法谱峰搜索时不同矩阵链乘顺序的计算量,继而得到矩阵链乘的最优顺序,有效节约了计算量和搜索时间。

多约束双边装配线平衡的改进万有引力搜索算法

双边装配线具有结构紧凑、生产高效的特点,广泛用于汽车等大型产品的装配中。在双边装配线中除了要满足装配线中基本的约束外,还需要考虑一些特定的约束,包括方向约束、区域约束、位置约束和协同约束等。应用随机键编码方法,将万有引力搜索算法(Gravitational Search Algorithm,GSA)的连续型编码转换为具有离散特性的任务序列。针对多种并存的约束,通过方向和多约束集调整,明确各约束间的逻辑关系,简化解码流程。融合局部搜索算法调整邻域结构,构造一种改进的万有引力搜索算法(Improved Gravitational Search Algorithm,IGSA),增加种群多样性,避免陷入局部最优。最后通过算例验证了改进的万有引力搜索算法的有效性。

基于重力装载的自适应随机算法求解多箱型三维装箱问题

为了针对电商订单货物进行快速经济选箱,在建立多箱型三维装箱问题(3D-MBSBPP)数学模型的基础上,对空间搜索策略进行创新,提出两种求解算法。自适应随机算法实现货物与空间的自适应;粒子群算法采用动态编码,并实施5种类型的分段变异。采用重力式空间搜索策略求解已有三维装箱算例,使空间利用率提高2.16%,证明了重力式空间搜索策略的有效性。通过求解以三维装箱标准算例为基础构造的8类3D-MBSBPP实例来对比两种算法,自适应随机算法在8类算例上的表现均更优,且平均gap值优于粒子群算法19.59%,证明了自适应随机算法的优越性和稳定性。

基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法

为了更好地均衡高阶QAM信号,本文提出了基于改进的布谷鸟搜索算法优化的正交小波动态加权多模盲均衡算法(ICS-WT-DWMMA),利用改进了的布谷鸟搜索算法初始化均衡器的权向量,利用小波变换(WT)降低信号自相关性,其中动态加权多模盲均衡算法(DWMMA)利用由判决符号的指数幂构成的加权项来调整代价函数中的模值.水声信道的MATLAB仿真实验结果表明,与小波加权多模盲均衡算法和小波动态加权多模盲均衡算法比较,新算法收敛速度更快,稳态误差更小.

基于引力搜索算法的造纸过程模型辨识

造纸过程是一个多输入多输出的过程,造纸过程的模型辨识具有重要的研究意义。建立了造纸过程的多输入多输出模型,采用引力搜索算法(GSA)对造纸过程的模型进行参数辨识,并将预测模型的预测输出与实际模型的输出作对比。同时,论文使用广义增广随机梯度算法(GESG)对该造纸过程的模型进行辨识,并将两种算法的辨识效果进行对比。结果表明,GSA在造纸过程的辨识方面具有较高的辨识精度,预测模型的输出与系统输出较为吻合。相比于GESG算法,GSA具有收敛速度快、辨识精度高等优点。在不同的噪声方差影响下,GSA也能取得较好的辨识效果。该算法对造纸过程的参数辨识具有一定的可行性。

基于万有引力优化算法的有源配电网动态无功优化

研究含典型风、光分布式电源的配电网动态无功优化问题,以分布式电源和电容器组的无功调节能力作为控制变量,建立了考虑电容器组投资成本、系统有功损耗及电压偏差满意度的多目标优化数学模型。将一种新型的万有引力优化算法用于有源配电网动态无功优化。对IEEE-33节点系统进行仿真计算,结果表明万有引力优化算法具有很好的全局搜索性能,验证了所提方法的合理性与可行性。

基于万有引力优化算法的配电网动态优化

种群粒子个体通过万有引力作用相互吸引,遵循动力学规律进行粒子移动,质量较大的个体在移动过程中受引力作用越大,当优化过程结束时,质量最大的个体处于空间最优位置,其所对应的位置信息为优化过程相关最优解。研究含典型风、光分布式电源的配电网动态无功优化问题,以分布式电源和电容器组的无功调节能力作为控制变量,建立了考虑电容器组投资成本、系统有功损耗及电压偏差满意度的多目标优化数学模型。将一种新型的万有引力优化算法用于有源配电网动态无功优化。对IEEE-33节点系统进行仿真计算,结果表明万有引力优化算法具有很好的全局搜索性能,验证了所提方法的合理性与可行性。

基于元胞自动机的动态回溯搜索优化算法

针对传统回溯搜索优化算法存在收敛速度慢、搜索精度不高等问题,提出了一种基于元胞自动机和正交实验设计的改进算法。首先将正交实验设计方法引入算法的交叉算子中,得出具有代表性的优质子代个体;然后在元胞自动机邻居模型的基础上,对个体展开领域内多父代正交交叉操作,提高算法的开采能力和搜索效率;最后对参与交叉的种群引入动态优秀个体比例权重进行选择更新,并采用新的动态变异方程,平衡算法的全局搜索和局部搜索能力。通过对12个标准测试函数进行仿真实验,并与其他六种表现良好的算法进行比较,结果表明,改进的算法在收敛速度以及寻优精度方面都具有明显优势。

“双碳”背景下联合配送冷链物流模型及其求解算法

首先,基于“双碳”战略目标的提出以及物流企业低碳转型的发展趋势,以多中心冷链物流绿色车辆路径问题为研究对象,以碳排放成本、配送成本和时间窗惩罚成本之和最小化为优化目标,建立考虑联合配送和碳交易机制的冷链物流模型;然后,针对遗传算法局部搜索能力差、收敛速度慢等缺点,设计一种具有变邻域搜索操作和动态灾变机制的多种群遗传算法,以标准算例集验证该算法在寻优能力、稳定性、收敛速度等方面的优势;最后,通过实验验证所提出模型的有效性,并从联合配送、决策目标、碳交易机制等多角度进行分析,为冷链物流企业和政府提供管理启示.

碰撞振动系统混沌运动的脊波神经网络控制

针对一类含间隙碰撞振动系统混沌运动的控制问题,提出一种基于脊波神经网络的混沌运动智能优化控制方法.该方法基于脊波神经网络设计混沌控制器,同时采用动态多子群引力搜索算法优化脊波神经网络模型的参数.在碰撞振动系统进入混沌运动状态后,利用经优化的脊波神经网络混沌控制器输出微幅调整量施加于系统的可控参数,对混沌系统进行参数反馈控制,使系统产生规则的周期运动.该方法不依赖被控系统的精确数学模型,可适用于系统模型未知而仅获得系统I/O数据的情况.仿真结果验证了该控制方法的可行性和有效性.

基于动态引力常数和种群递减的引力搜索算法

为进一步增强标准引力搜索算法的全局搜索能力及克服其早熟收敛等缺点，提出了一种基于动态引力常数和种群递减的引力搜索算法．首先，所提算法通过动态调整引力常数，有效地平衡算法的全局搜索和局部开发能力；其次，为提高算法的性能，对种群规模进行动态递减调整，从而有效地加强了算法后期的收敛速度．最后，用30个CEC2014测试函数的仿真实验结果与3种引力搜索算法的比较说明所提算法收敛速度快，寻优能力强．

基于多种群分解预测的动态多目标引力搜索算法

为提高算法求解动态多目标问题的寻优性能,提出一种多种群分解预测动态多目标算法.首先,提出进化向量生成策略,即基于偏好目标的解生成一组均匀分布的平行向量,并采用引力搜索算法优化每个子问题,保证其对应解的精度和分布的均匀性;其次,设计插值生成策略,即根据进化向量子问题的解在目标空间中的取值,通过线性插值的方式生成更多非支配解,保证解集的多样性和均匀性;再次,在环境变化后,根据相邻子问题的解存在相近性预测生成搜索种群,提高算法的寻优速度.与5个对比算法在10个标准动态测试函数上进行对比分析,实验结果表明采用所提出算法求解动态多目标问题具有较好的分布性和收敛性.