多种群粒子群算法与混合蛙跳算法融合的研究

针对粒子群算法和混合蛙跳算法在复杂函数寻优上易于陷入局部最优值的缺点,提出一种新的粒子群与混合蛙跳融合算法.算法采用多种群粒子群方法,每次进化后,将各子群中的最优粒子组成新的群体,采用混合蛙跳模式进化,以提高种群的多样性.粒子群各子群的进化模式中,除考虑本子群最好的粒子外,还考虑整合群体最好的粒子.相对于其它一些改进的粒子群或混合蛙跳算法,融合算法概念简单,易于实现,具有良好的全局搜索能力和较快的收敛速度.基准测试函数的仿真结果表明,本文算法优于目前一些常见的改进粒子群算法.

面向维修的复杂装备模块智能聚类与优化求解技术

为解决传统维修过程中由单独的维修部门被动应对既成事实的复杂装备检修问题,同时加强其他部门对于维修活动的协同能力,在复杂装备的设计阶段引入维修相关的驱动要素和维修阶段的策略选择,提出一种面向维修的复杂装备模块化设计方法。从维修成本、维修复杂度、维修效率等方面探讨复杂装备模块化设计准则,得到各维修特性的量化计算方法,通过综合考虑约束条件建立面向维修的模块化设计模型。采用青蛙跳跃算法和细菌优化相结合的混合多目标蛙跳算法对模型进行优化求解,从而得到一系列代表模块化设计方案的Pareto最优解,并利用基于信息熵理论的Pareto优选方法获取最终的模块化设计方案。以沈阳某机床厂设计生产的GMC型精密五轴加工中心为例,运用数值仿真手段验证了该方法的有效性和可行性。

一种蛙跳和差分进化混合算法

混洗蛙跳算法(SFLA)具有算法简单、控制参数少、易于实现等优点,但在高维难优化问题中算法容易早熟收敛且求解精度不高。导致该缺陷的主要原因是在进化后期种群多样性迅速下降,且缺乏局部细化搜索能力。借鉴差分进化算法(DE)中DE/best/1/bin版本具有全局搜索能力较强、种群多样性较好的优点,将SFLA与DE有机融合,形成混合优化算法(SFL-DE),以克服SFLA容易早熟收敛的缺陷。给出了6个30维benchmark问题数值对比实验,结果表明,在给定的较小进化代数内,SFL-DE的寻优效率、计算精度、鲁棒性等性能优于SFLA和基本DE(DE/best/1/bin和DE/rand/1/bin),不足之处是其耗时更长。

基于参数识别的非对称故障双端不同步测距方法

为消除线路双端数据不同步与线路参数不确定性所产生的测距误差,提出了一种基于参数识别的非对称故障双端不同步测距方法。该方法通过等值序网分析消除数据不同步角的影响,进而建立以线路参数和故障距离为待识别参数的故障测距方程组,并应用蛙跳粒子群算法对其进行求解从而确定故障位置。仿真分析与实际线路故障分析的计算结果均表明:所提方法原理上不存在伪根问题,无需线路参数参与计算,仅应用故障后数据即可在双端数据不同步的情况下准确定位故障位置,具有很高的测距精度与可靠性。研究结果可为输电线路的故障定位提供重要依据。

基于改进混合蛙跳算法的多约束车辆路径优化

针对多中心分布式企业存在的产品成本差异化问题,建立包括产品成本、多车场、多车型在内的多约束车辆路径模型,并设计求解该模型的改进混合蛙跳算法.根据问题特性,改进聚类算法并结合邻近矩阵构造初始青蛙种群;提出子群概念,设计自内而外的交流演化模式;定义远离矩阵,对青蛙进行引导性邻域搜索.将所设计的算法进行多组不同的对比实验,结果表明,所设计的算法通用性强,实用性高,与遗传算法、蚁群算法这类传统经典算法相比,具有更好的收敛速度与求解精度,可以有效解决此类问题;考虑产品成本的调度方案总成本平均减少6%,占产品总成本的13%,可以为企业提供更合理的车辆配送方案.

变权重蛙跳算法在PMU优化配置中的应用

以电力系统状态信息完全可观测为前提,配置相量测量单元PMU(phasor measurement unit)数目最少为目标,建立PMU优化配置问题的数学模型,并应用一种变权重蛙跳算法进行求解。首先以混合蛙跳算法为基础,建立考虑PMU配置数目和系统可观性的适应度函数;然后通过改变蛙体基因段的权重,指引蛙体跳跃的方向,解决了收敛性较差和跳出局部最优解较慢的缺点,实现了最优配置方案多样性;最后进行冗余度比较确定最优方案。通过新英格兰39母线系统和IEEE 57母线系统的仿真分析,验证本文方法较一般算法具有更佳的收敛效果和全局性。

基于SFLA-GA混合算法求解时间最优的旅行商问题

该文以经典的对称旅行商问题(Symmetric Traveling Salesman Problem,STSP)为基础,求解时间最优的旅行商问题(Time Optimal TSP,TOTSP),将拟合函数引入到混合蛙跳遗传算法(SFLA-GA)的适应度函数来反映景点客流量随时间的变化,旨在旅游旺季为游客提供一条游览时间最短的路径推送服务。实验结果表明:相对于随机游览路径,SFLA-GA混合算法得到的游览路径明显节省了游览时间;与SFLA和混合粒子群遗传算法(PSO-GA)相比较,SFLA-GA混合算法具有计算量少、收敛速度快、对初始种群依赖性低以及全局性更好等优点,在求解TOTSP上搜索性能更强、时间更优。

高峰期城市轨道交通列车跳站运行优化

传统的“站站停”轨道交通列车运行模式虽然可以满足乘客的出行需求,但是由于忽略了不同车站客流时空分布的不均衡性,影响了列车运力与乘客需求的匹配效果,造成乘客旅行时间增加、列车运行时间增加等问题。考虑高峰期轨道交通客流的时空分布特性,在描述列车到发时间约束以及精细化刻画客流约束的基础上,以最小化乘客总旅行时间和最大站台人数为目标,本文构建了列车灵活跳站运行整数规划模型,并设计了一种改进的混合蛙跳算法。最后,以北京地铁亦庄线为例验证了模型和算法的有效性。数值结果表明:优化后的列车跳站运行方案减少了乘客总旅行时间,并且最大站台人数也控制在合理的范围之内。虽然列车跳站运行导致复杂的乘客换乘行为,但是只有极少数乘客需要采用换乘方案完成出行。最后,通过对两种需求模式的对比分析,给出了列车跳站运行的适用条件,即客流需求更靠近始发站的需求模式更适合列车跳站运行。

面向服务组合的密码服务调度智能优化研究

为了提高密码服务的质量,提出了一种面向服务组合的密码服务体系结构,并针对其中的密码服务调度问题提出了一种改进的混合离散蛙跳算法。该算法利用传统混合蛙跳算法的基本框架,重新设计了编码和解码方式以及个体矢量更新方法。同时为了提高搜索的精度,利用6种邻域结构,结合变邻域搜索算法,对组内最优青蛙进行优化。最后分别进行了标准算例对比实验与模拟仿真实验,结果验证了算法高效的寻优能力以及合理地实现了服务组合的优化,满足了用户的需求,符合现实情况。

PSO和SFLA混合优化算法

各种智能优化算法由于进化原理不同,优化性能各异,将不同种类的智能优化算法混合起来,往往能够取长补短,互相促进,提高混合算法的优化性能。利用粒子群优化(PSO)算法的快速收敛特性和混合蛙跳算法(SFLA)突出的全局协同搜索能力,提出了一种PSO-SFLA混合优化算法。该混合算法在执行过程中将种群分为2个子群体,一个子群体采用PSO算法进化寻优,另一个子群体采用改进的SFLA进化寻优,2个子群体共享整个种群极值信息。通过对3个标准函数进行实验并与基本PSO算法进行比较,实验结果表明混合算法获得了更好的解,具有更好的优化性能。

改进的混合蛙跳算法求解背包问题

混合蛙跳算法是一种全新的基于群体智能的后启发式计算技术,具有高效的计算性能和优良的全局搜索能力。文中描述了0/1背包问题的数学模型,分析了混合蛙跳算法基本流程,改进了混合蛙跳算法,并将该算法应用到0/1背包问题的求解过程中。

求解非线性方程组的蛙跳和BFGS混合算法

混合蛙跳算法具有算法简单、控制参数少、易于实现等优点,但缺乏良好的局部细化搜索能力,使得求解精度不高。借鉴BFGS算法强的局部搜索能力,将BFGS算法与混合蛙跳算法有机融合,形成性能更优的混合优化算法,并用来求解非线性方程组。通过3个非线性方程组的实验表明,该混合算法收敛精度较高,收敛速度较快,是一种较好的求解非线性方程组的方法。

基于改进蛙跳算法的分布式两阶段混合流水车间调度

针对考虑顺序相关准备时间的分布式两阶段混合流水车间调度问题,提出一种改进的蛙跳算法以同时最小化拖后工件数和最大完成时间.该算法通过启发式方法和随机方法对种群进行初始化,采取基于种群和记忆的种群划分方法,同时给出模因组质量评价方法,并根据模因组质量将所有模因组划分为最优模因组、最差模因组和其他模因组,每种类型的模因组分别采取不同的搜索策略,并分配不同的搜索次数,其中最优模因组不参与种群划分.选用一种多目标经典算法和两种近5年提出的算法作为对比算法,并与改进蛙跳算法的变体进行比较以验证模因组搜索新策略的有效性.通过对大量实例的计算实验结果表明,模因组搜索新策略有效,改进蛙跳算法能有效求解分布式两阶段混合流水车间调度问题.

基于新型蛙跳算法的低碳混合流水车间调度

针对低碳混合流水车间调度问题(HFSP),提出一种新型蛙跳算法(SFLA)以同时最小化总能耗和总延迟时间.该算法将种群内最差的部分解排斥在模因组之外,运用模因组构建和模因组搜索新策略产生新解,同时利用搜索过程产生的优化数据替换种群中未进入模因组的差解并更新外部档案以提高求解质量.通过算例验证新型蛙跳算法解决该问题的有效性,实验结果分析表明,新型SFLA对于所研究的低碳HFSP具有较强的搜索能力和优势.

基于混合蛙跳算法的齿轮传动优化设计

混洗蛙跳算法(SFLA)求解高维连续优化问题时容易早熟且求解精度不高。利用基本差分进化算法(SDE)中DE/best/2/bin(DEb2)全局搜索能力较强、收敛速度快的优点,将SFLA与DE有机融合,形成混合优化算法(HODEFL),以克服SFLA的缺陷。以斜齿圆柱齿轮减速器的优化设计为研究对象,建立体积最小为目标的约束优化设计模型。应用HODEFL求解该问题,并与改进粒子群算法(LWP-SO)、SFLA、DEb2等3种算法比较。实验结果表明,HODEFL算法在寻优效率、计算精度、鲁棒性等方面性能优于其他3种对比算法。

基于协作蛙跳算法的可重入混合流水车间调度

针对可重入混合流水车间调度问题(RHFSP),提出一种协作蛙跳算法(CSFLA),以同时最小化最大完成时间和总延迟时间.给出了模因组的解质量和进化质量评价方法,根据进化质量确定最多两对模因组,在每对的两个模因组之间执行交换搜索次数和搜索能力的动态协作,并运用动态多邻域搜索(DMNS)和自学习过程改善算法性能.运用大量实例进行仿真实验,实验结果表明:CSFLA的新策略有效,且在多目标RHFSP优化方面具有较强的优势.

基于蛙跳算法的分布式装配混合流水车间调度

为了降低延迟交货率,针对以总延迟时间为优化目标的分布式装配混合流水车间调度问题,提出基于Q-学习的蛙跳算法.设计了问题的三串编码方法,并给出解码过程.将Q-学习嵌入到蛙跳算法的模因组搜索过程中,Q-学习算法包括由全局搜索、邻域搜索和解的接收准则组成的动作集合,和基于种群精英解和离散度而构建的6种状态.在算法运行过程中,根据种群的状态,利用Q-学习动态地选择执行的模因组搜索策略.实验结果表明:与现有算法相比,基于Q-学习的蛙跳算法在112个实例中均能获得更好或者相同的结果,表明基于Q-学习的蛙跳算法在求解考虑运输和装配的分布式混合流水车间调度问题方面具有较强优势.