基于元胞粒子群算法的数控切削参数优化

针对数控切削参数优化问题的非线性和多约束性质,采用一种元胞粒子群算法(CPSO)进行优化。在基本粒子群算法(PSO)思想的基础上,引入邻居的概念,以搜索解空间的局部信息,并将粒子的信息交流范围扩展到种群外部,从而能搜索到更有希望的解空间;在罚函数机制的基础上,引入标志变量记录粒子是否曾经满足过所有约束条件,根据标志变量进行粒子个体极值与种群全局极值的更新。通过比较CPSO算法与其他算法取得的结果,验证该算法解决数控切削参数优化问题的有效性和优越性。

求解FJSP的改进元胞粒子群算法

以企业的实际需求为依据,建立了柔性作业车间调度问题的数学模型;针对其特点,提出一种混合元胞粒子群优化算法,通过双层编码,将工件的加工顺序与加工机器位置信息数值化表示;引入遗传算法中的交叉、变异操作,改进了粒子位置更新方法;融入变邻域算法,改善算法局部搜索能力.通过仿真实验,结果表明:算法在求解能力方面有所提升,能够有效地求解柔性作业车间调度问题.

改进元胞粒子群算法求解JSP问题

为求解离散JSP(作业车间调度)问题,设计了基于四方形网格的元胞粒子群算法。引入变异策略增强了算法跳出局部最优的能力,对每代粒子群引入变邻域搜索提高了算法的局部搜索能力。数值实验表明,改进的元胞粒子群优化算法具有好的收敛性与求解精度。

基于改进元胞粒子群的油田措施调整方案优化

针对油田实际生产情况,以措施增油量、措施增液量和措施增注量为约束条件,以当年产出投入比最大化为目标,构建一种多约束条件下的措施调整规划模型,并将元胞自动机理论引入到粒子群算法中,利用佳点集理论初始化种群,结合云模型和混沌算法改进个体进化方式,提出一种改进元胞粒子群算法对模型进行求解。结合油田的实际数据和4种优化算法对模型进行实例仿真结果对比,仿真结果表明该算法获得了很好的求解精度和速度,具有很好的实际应用价值。

临空高速目标多传感器自主协同资源调度算法

针对临空高速目标多传感器协同探测下的复杂动态调度问题,研究了具有自主逻辑判断功能的分布式自主协同资源调度体系,构建了基于探测有利度、截止时间和目标移交次数的临空高速目标资源调度模型。在此基础上,结合元胞自动机的时空离散性,提出了基于自适应元胞粒子群的多传感器资源调度算法。通过仿真实验,验证了模型的合理性、算法的优越性,为未来临空高速目标协同探测体系的构建提供了一定的理论支撑。