基于低碳物流的危化品仓库堆垛布局优化研究

为保证危化品仓库安全的同时有效减少碳排放并提升经济效益,建立危险指数最小、物料搬运量最小和碳排放成本最小的危化品仓库堆垛布局多目标优化模型,采用改进的粒子群-禁忌搜索混合算法对模型进行求解。该算法在传统粒子群算法的基础上加入多点变异操作,并在粒子群算法得出解的基础上加入禁忌搜索算法,提高算法跳出局部最优解的能力。研究结果表明:利用本文建立的多目标优化模型及改进算法,危险指数、物料搬运量和碳排放成本均有所下降,解集质量较高,从而在保证危化品安全的情况下,有效降低物料搬运量及碳排放成本。研究结果可为危化品企业对仓库内部碳排放量的影响因素和数值计算以及危化品仓库安全性的界定提供参考与借鉴。

一种可用于航天Boost拓扑电源参数辨识的数字孪生方法

电力电子变换器中元器件随时间退化会影响到航天电源的稳定性与可靠性。为确保航天电源的可靠性,并准确识别零部件状态,数字孪生依靠其非侵入性、数字化、高性价比、低风险、可视化与实时性的特点,可以解决电力电子变换器的故障趋势判断与状态检测的问题,从而保证航天电源的稳定性与可靠性。通过验证Boost拓扑电路的数字孪生模型,同时采用禁忌搜索算法以比较结果最小二乘误差为目标函数得到全局最优解,进行Boost拓扑电路参数辨识、实时监控。并且对比了100、500、1000算法迭代次数对结果的影响,随着迭代次数的增加,最终结果与实际值仅有最大0.96%的误差。验证该项技术可应用到航天电源的实时状态监控,以保证其可靠性。

神华铁路动态货物列车开行方案编制优化研究

重载铁路作为我国大型战略物资的重要运输通道,其货物流向及列车径路较为简单。货物列车开行方案既是货物运输组织的重要计划,也是影响货主装运需求与货运到达时限的关键。以神华铁路为研究对象,以重车作业时间与空车延误时间最小化为目标,构建神华铁路动态开行方案编制优化模型,并设计两阶段遗传-禁忌搜索算法的求解策略。最后以包神南线与神朔线作为实例验证,优化后总目标函数值为30010min,其中重车运输作业时间30010min,空车延误时间0min。实现了重空车的合理接续,最大化的保障了货主运输需求,证明了上述模型与算法的有效性。

感-通-物多目标融合应急无人机路径规划方法

为了完成多无人机应急救援场景下救灾点的需求感知(感)、数据收集(通)和物资投放(物)任务,提出了在考虑无人机能耗约束下,感-通-物多目标融合的两阶段的应急无人机路径规划求解框架。第一阶段提出基于时序图卷积网络的救灾点人数预测模型,并量化救灾点物资和通信需求;第二阶段提出基于贪心和禁忌搜索的多无人机路径规划算法,通过交替优化救灾点划分和单无人机路径规划来求解原优化问题。仿真结果表明,该算法在总服务收益上优于传统的无预测多无人机路径规划算法。

无人机集群任务分配的多目标算法研究

针对目标识别场景下的无人机集群协同任务分配问题,建立了以识别代价和识别收益为目标的优化模型,设计了基于分解的多目标差分进化算法求解该模型。首先,提出了精英初始化方法,在保证所得非支配解分布均匀的基础上,筛选初始解以提高解集的质量;其次,结合模型特性构造整数编码下的多目标差分进化算子,提高算法的收敛速度;最后,设计了带限制的禁忌搜索策略,使得算法具有跳出局部最优的能力。该算法为问题的求解提供一组非支配解集,使得可以根据实际需求选择更加合理的最优解。通过上述方法获得分配方案后,基于拍卖算法设计任务重分配策略,进一步调整分配方案,以应对无人机损毁的突发情况。仿真实验验证了所提算法在求解小、中、大规模任务分配问题上的有效性。相比于其他算法,文中算法所得非支配集具有更高的质量,可以消耗更少的识别代价来获取更高的识别收益,说明算法具有一定的优越性。

基于禁忌搜索的列车运行控制系统测试用例生成方法研究

当采用故障注入方法对高速铁路列车运行控制系统功能进行组合测试时,系统容易受到输入参数之间约束关系的影响,产生无效测试用例。为了应对多个故障间的耦合作用,以临时限速场景为例,提出一种基于禁忌搜索算法的测试用例生成方法。首先,提取临时限速场景的设备故障特征作为故障注入输入参数,分析设备间的约束关系,建立约束满足模型;然后,依据信号设备的特点,改进禁忌搜索算法的初始解生成方式和邻域搜索过程,生成满足约束关系的测试用例;最后,依托京张智能高速铁路列车运行控制系统仿真测试平台,结合现场线路数据和实际设备信息,验证所提算法的有效性。实验结果表明:临时限速场景中加入约束后的测试用例个数比加入约束前在覆盖维度为2、3、4时分别减少了7.7%、7.0%、4.5%;所提算法生成的测试用例个数比IPOG、IPOG-F、mAETG、TS算法分别降低了32%、30.1%、24.5%、3.7%,且组合覆盖率比随机测试和自适应随机测试提高了9.5%和3.7%。该研究成果可为列车运行控制系统优化及安全性验证提供一定的参考。

无缓存流水线生产系统中AGV调度问题的研究

针对无缓存流水线生产系统中的AGV(automatedguidedvehicle)调度问题提出了复合评分的启发式调度算法,降低了系统中AGV执行任务的间隔等候时间.首先,通过建立数学模型,对目前主流的AGV规模估计方法做出了改进.其次,提出了一种新的基于复合评分禁忌搜索的AGV前瞻调度算法.不同于目前主流的以空驶距离为优化目标的调度算法,该算法能够以最小化工件延误时间、最小化AGV空驶距离等多目标来统筹调度AGV.最后,为验证所提算法的有效性,从多个角度与已有算法进行了实验对比.仿真实验结果表明,相较于其他算法,提出的前瞻调度算法能够更有效地解决无缓存流水线生产系统这一新场景的AGV调度问题.实车实验也证明了该算法在实际生产中的有效性.

考虑资源转移的突发公共卫生事件鲁棒性调度优化

突发公共卫生事件应急救援中,资源转移对救援处置效率与成本的影响至关重要。基于这一特点,研究了在添加资源缓冲的项目计划基础上,如何通过资源转移进一步抵抗资源波动对救援计划的干扰,以最小化应急救援过程的总成本。首先界定研究问题并据此构建了包含3组决策变量的鲁棒性优化模型,根据问题的NP-hard属性和决策变量特点,设计了带有改进措施的双层嵌套禁忌搜索算法,与多重迭代算法进行对比测试,并分析了关键参数对救援项目总成本的影响。结论表明:在救援总成本优化过程中,资源缓冲成本、活动延迟成本以及资源转移成本三者之间存在权衡关系,资源缓冲基础上的资源转移可以从项目内外部同时优化资源,提高资源储备与应急救援效率。

基于混合果蝇算法的桩锚支护深基坑临界滑面搜索

进行基坑整体稳定性分析常采用极限平衡法,但仍然需要依据经验试算一系列滑面,将安全系数最小的滑面确定为最危险滑面.针对此问题,提出将果蝇优化(FOA)算法与禁忌搜索(TS)算法融合,提出自适应步长的混合果蝇优化算法(HFOA),以克服基本果蝇算法局部寻优精度不高且易陷入局部最优的缺点,确保获得全局最优解,并结合简化Bishop算法用于临界滑面的搜索.在Matlab中编程实现该算法,通过与6种启发式算法进行对比,结果表明,HFOA适用于均质土悬臂支护基坑、成层土和含软弱夹层的桩锚支护基坑,相较于遗传算法等6种算法具有更快的收敛速度、更高的收敛精度和可靠性,为深基坑临界滑动面搜索提供了一种新的求解策略.

考虑冷链-常温货品混合配送的路径优化问题

针对冷链-常温货物混合配送问题,建立了以总配送成本最小为目标的车辆路径优化模型,模型综合考虑了区域客户拥挤度,多车型,多服务时间窗的现实情况.提出了带有两种邻居解评价机制的禁忌搜索算法对问题进行求解,机制1综合解的各个指标为其设置了一个目标值向量,机制2则在目标值向量上增加了一个惩罚目标值.实验结果表明,禁忌搜索+机制2的优化效果最好,冷链混合配送模式能有效降低配送总成本.提出的模型和算法对于电商企业构建更低成本更高质量的新型冷链混合配送网络有一定指导作用.

基于改进人工鱼群算法的蠕虫机器人路径规划

针对人工鱼群算法在机器人路径规划中存在路径长、精度不高、易陷入局部最优等问题,提出了一种改进的人工鱼群算法,旨在提高算法效率及精度。首先,在算法觅食行为中加入寻优循环,减少算法在路径规划中选取位置点的随机性,使机器人能够更快地走向目标点;其次,融合禁忌搜索算法,通过引入禁忌表来记录算法陷入局部最优的路径,使算法在选取新位置点时能够避开局部最优区域,避免算法在局部过度循环,同时对规划出的路径进行优化处理,删去重复栅格点之间的路径,保证路径中没有重复的栅格点;最后,将改进后的人工鱼群算法应用在一种新型的三维栅格地图中。实验结果表明:相较于其他对比算法,在地图1、2、3中改进人工鱼群算法所取得的平均路径长度分别减少了10%、15%、30%,在复杂地图中路径规划的成功率提高了75%。

基于行为效应的双资源柔性作业车间调度

针对具有机器和工人双资源约束的柔性作业车间,考虑了影响加工时间的各种因素,以完工时间、生产成本、车间总能耗为目标,提出了一种改进的NSGA-Ⅱ和禁忌搜索结合的多目标混合算法(MOGATS)。算法设计混合初始化方法保证初始解的质量和多样性,并在考虑运输时间的基础上进行贪婪式解码,采用自适应交叉、变异算子,在Pareto前沿中找到各个目标的最优个体进行禁忌搜索,综合两种算法提高全局和局部搜索能力。通过实例仿真,结果均优于对比算法,验证了MOGATS算法的有效性和可行性。

考虑众包场景的电动车动态需求车辆路径问题

针对企业自有车辆和社会车辆共同取送货的场景,以及国家节能环保的政策背景,考虑分时电价、部分充电、软时间窗、以及动态需求等因素,以最小化配送总成本为目标,建立考虑众包场景的电动车动态需求车辆路径问题(EDDVRP-CD)的两阶段整数规划模型。考虑动态需求的时效性,设计了启发式算法——改进的禁忌自适应大规模邻域搜索算法(IALNS-TS),增加了新的删除算子和修复算子,同时提出了加速策略。分别与两种算法——自适应大规模邻域搜索算法(ALNS)以及禁忌搜索算法(TS)进行对比,通过大量算例验证了IALNS-TS算法能够快速响应动态需求,并有效降低总配送费用。

求解最小双连通支配集问题的变邻域禁忌搜索算法

针对经典NP难优化问题——最小双连通支配集问题,提出了一种元启发式求解算法——变邻域禁忌搜索算法。算法将原优化问题的求解转换为一系列判定问题——k双连通支配集问题的求解,使用两种邻域结构更加有效地覆盖解空间,同时使用扰动及禁忌机制帮助算法跳出局部最优陷阱。通过与现有文献中的精确算法、启发式算法在国际文献公开的38个双连通图算例上的实验对比,结果表明变邻域禁忌搜索算法能够有效求解最小双连通支配集问题,可求得所有公开算例的最优解,并且在稠密图中计算效率明显优先于其他算法。

求解最小支配集问题的禁忌遗传混合算法

将最小支配集问题转换为一系列判定问题k支配集问题,并提出一种禁忌遗传混合算法对k-DS问题进行求解。此算法将禁忌搜索算法和遗传算法两种启发式算法结合起来,互补不足。高效的邻域结构保证了算法的运行效率,禁忌策略防止算法过早陷入局部最优陷阱,遗传算法框架进一步增强了算法的疏散性。经过与现有求解最小支配集算法的结果进行分析比较,禁忌遗传混合算法的结果较其它算法更优。

基于改进MVO算法的电力无线专网基站选址

针对电力无线专网中基站选址问题,提出一种包含建站成本、覆盖范围和重叠覆盖的站址选择数学模型,并且基于改进的多元宇宙优化算法实现基站的优化布局。考虑到多元宇宙优化算法的早熟收敛问题,先对算法中的旅行距离率进行改进,再引入禁忌搜索算法,从而有效解决局部最优问题。最后通过对优化后的基站部署方案进行综合性分析,验证该算法的经济性和可行性。实验结果表明,本文算法具有较高的寻优性能和较快的收敛速度,能够在提高覆盖率的同时,节约成本预算,减少同频干扰,对电力无线专网的站址规划具有良好的理论指导。

基于改进的禁忌搜索算法在有序用电中的应用

国家电力系统负荷与日俱增,用户用电数据海量增长,需要高性能优化算法来解决此类复杂的有序用电问题.为了填补有序用电系统调度中的负荷缺口,提高供电效能并合理选择用户,本文提出了一种改进的禁忌搜索算法来求解电力供需平衡的多目标优化调度问题.使用融入了莱维飞行的野狗优化算法对禁忌搜索算法中的初始化阶段进行优化,得到一种改进的禁忌搜索算法.该方案增强了原始算法的搜索能力,加快了算法的收敛速度,提供了一种更优的解决方案.最后通过消融实验以及与5个经典的启发式算法进行对比实验来验证所提出的算法的性能.

基于改进二进制PSO配电网动态重构

随着分布式电源的不断接入,配电网中的负荷和电源都在不断地变化,传统的计算方法存在收敛速度慢,易陷入局部最优的问题。本文通过应用信息熵对日负荷曲线进行时段划分,以网络损耗最小为目标函数建立配电网重构模型,针对传统PSO收敛较慢,易陷入局部最优的问题,提出结合禁忌搜索算法对PSO进行改进,通过设置禁忌表提高算法全局搜索能力;结合破圈法对拓扑结构进行约束,减少无效拓扑的出现,加快算法的收敛速度。通过IEEE33节点配电系统重构仿真,验证改进粒子群算法的可行性和有效性。

改进的禁忌搜索算法在无人驾驶汽车路径规划中的研究

针对复杂的无人驾驶交通环境,这里在无人驾驶汽车系统架构的基础上,提出了一种无人驾驶汽车路径规划方法,该方法结合了改进的禁忌搜索算法和改进的人工势场法。全局路径规划应用改进的禁忌搜索算法进行,局部路径规划应用改进的人工势场法进行。通过仿真对路径规划方法进行分析,验证该方法的优越性。结果表明,提出的全局路径规划方法实现了最优的时间效率和路径选择,在加入局部路径规划改善后,该方法的搜索范围变小,路径规划将更安全且更具适应性。该研究为无人驾驶技术的发展提供了一定的参考。

基于改进差分进化算法的步进式加热炉能耗预测方法

为了快速寻找到全局最优解,提高加热炉能耗的预测精度,提出基于改进差分进化算法的步进式加热炉能耗预测方法。首先,采用小波包原理对步进式加热炉的历史运行能耗数据展开去噪处理,提高能耗数据精度;其次,采用时间卷积网络建立步进式加热炉能耗预测模型;最后,采用差分进化算法对预测模型进行求解,采用禁忌搜索算法对适应度值排名前10%的优良个体进行进一步的搜索,使差分进化算法的全局最优解寻求能力得到改进提升。实验结果表明,所提出预测方法去噪效果较高,预测结果与实际能耗结果基本一致,并且最长预测耗时不超过2 min。