一种双种群进化集成QoS组播路由算法

设计了一种IP/DWDM光Internet中的非NP类QoS组播路由算法,采用树形编码方式,基于双种群进化,寻找一棵带宽、延迟、延迟抖动与出错率受限的费用优化组播路由树,集成解决路由与波长分配问题.仿真结果表明,该算法是可行和有效的,不仅能够满足QoS约束,而且性能优于基于经典遗传算法设计的QoS组播路由算法,克服了算法易早熟、收敛慢等缺点,有效地解决了IP/DWDM光Internet中的QoS组播路由问题.

基于双种群差分进化算法的输电网规划

提出双种群结构的差分进化算法,子种群通过个体迁移实现信息共享,达到平衡算法探索与开发能力的目的。将所提双种群差分进化算法用于输电网规划的结果显示,该算法能够快速精确搜索到输电网规划全局的最优解和最优方案。

求解资源受限项目调度的双种群准粒子群算法

针对资源受限项目调度问题,提出了一种新的双种群准粒子群算法。新算法基于粒子群的寻优原理,重新定义了粒子的位置更新公式,加入了多样性信息部分,并对公式中的位置差、标量与位置差的乘积以及位置和运算进行了重新定义。通过结合项目调度的问题特征,使用活动列表对粒子进行编码,设计一种新的双向路径重连实现位置的减法操作,使用选择实现位置差和标量的乘法操作,而使用均匀块交叉实现位置和操作,并提出正向粒子群和反向粒子群双种群并行进化的方式。通过实验设计的Taguchi方法求得了新算法的最优参数组合。对标准测试库PSPLIB的J30,J60和J120问题集和一个实际的装配项目案例进行了仿真测试,结果表明双种群准粒子群算法优于当前主要的基于粒子群的算法。通过与其他启发式算法进行比较,验证了算法的有效性。

基于双群进化策略的多项式近似因式分解

针对传统算法在解决多项式的因式分解过程中,存在着只适用于精确分解而不适合系数为浮点数的多项式的因式分解问题,文中提出一种应用双种群双突变进化策略来对浮点数多项式近似分解的算法,克服了传统算法不能解决浮点数多项式的因式分解的弊端.数值计算结果表明该算法收敛速度快、精度高、稳定性强.

求解多维背包问题的双决策交互差异算法

针对传统多维背包问题的求解算法存在的修复方式单一、种群动态适应性差等问题,提出一种双决策交互差异算法(DDEA)。融合自主学习思想,设计多维加权价值密度和相对价值概率指标,双重决策确定物品选择顺序,制定相应解的修复优化策略。采用双种群交互差异进化算法,设置主群和辅助群2个种群,种群间进行信息交互,提高种群多样性,避免陷入局部最优,提高算法寻优能力。主群实施差异进化机制,依照个体优劣依次划分为3个子群,分别按照特定方式进化,并在进化过程中完成与辅助群的交互,增强算法群智能性。引入刺激-响应机制,平衡算法的全局和局部搜索能力,并加入精英库协同寻优,加快算法收敛速度。仿真结果表明,DDEA算法可求出全部最优解,平均相对误差率为3.04×10-5,相比于同类算法降低2个数量级,有效提升了多维背包问题的求解精度、效率和稳定性。

面向异构效用的移动群智感知多目标任务分配

当前移动群智感知(MCS)任务分配往往只考虑工人或平台单方面的效用,并且效用的构成也不够全面。因此基于工人信誉指数和任务熟练指数,设计了工人和平台两方面的异构效用机制,并提出一种双种群竞争的多目标进化算法(DCMEA)来获得最优的工人和平台异构效用。该算法首先通过随机贪婪初始化种群,然后使用二元竞标赛算法将种群划分为胜者种群和败者种群,并针对每个种群采用不同的进化策略。最后,通过修复算子使进化过程中的无效个体满足约束条件。在真实场景的数据集上进行实验表明,与基线算法相比,DCMEA收敛速度更快,能够找到精度更优、稳定性更好的任务分配解集,同时在更为复杂的场景中依然能够保持其性能。

一种高效的电主轴系统复频率计算方法

针对电主轴各向异性轴承-转子系统的特点提出了一种高效的复频率计算方法。该方法用八个动力特性系数代替非线性油膜力,首先对Riccati传递矩阵法进行改进,修改了典型单元的状态向量,采用Riccati分块矩阵递推,直接获得了电主轴系统的特征多项式隐式表达。接着,针对实际工程中只关注系统共振区域中临界转速的现象,先采用幅角原理判定这一共振区域中特征多项式根的个数,再进行求解,求解时就只需求出工程中所关注共振区域内的根,从而提高了求解效率。然后,采用双种群进化策略对电主轴系统特征多项式的根进行求解,该方法避免了传统的抛物线法对初值选取的敏感,可以快速地求得电主轴系统的复频率,且可避免漏根现象。最后,作为算例,对一划分为8个轴段的电主轴系统的复频率作了计算,并与抛物线法进行对比,验证了该方法的高效性。

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法(NSGA-II,non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II,reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。

改进DE算法求解混合流水车间负荷平衡问题

为解决混合流水车间不相关并行机负荷平衡排产优化问题,建立了混合流水车间负荷平衡优化问题数学模型,以并行工位加工时间负荷平衡代价与总工位等待时间加权求和之值作为负荷平衡评价指标。全局优化算法采用双种群自适应差分进化算法,该算法设计了新的双种群结构和协同进化方式,并引入随停止代数自适应调整进化参数的策略,以增强跃出局部极值、保持进化活力的能力。为进一步提高算法搜索最优解效率,设计了一种基于负荷平衡选择概率的初始种群建立方法,以提高初始种群中初始解的质量、缩小有效解空间。基于汽车生产中的实例数据,将双种群自适应差分进化算法与遗传算法、差分进化算法、自适应差分进化算法进行仿真比较,结果表明,双种群自适应差分进化算法的负荷平衡评价指标有显著的降低。

考虑资源约束和数量折扣的联合补货-选址库存协同优化研究

本文构建了一种基于联合补货策略的配送中心选址-库存协同优化新模型,该模型允许缺货,有资源约束且考虑数量折扣;同时设计了一种融合模拟退火思想的双种群独立进化的自适应差分算法(Adaptive Simulated Annealing Differential Algorithm,ASADE)对该模型进行求解,并通过算例与自适应差分算法、改进的蛙跳算法进行对比,证实了ASADE算法的有效性。最后进行了敏感性分析,讨论相关参数变动对总成本的影响,可为管理者更好决策提供有益的依据。

飞灰含碳量自适应校正WLSSVM软测量模型

针对锅炉飞灰含碳量难以长期准确预测的问题,从提高模型预测精度和自适应能力的角度出发,提出一种基于模型预测性能评价的自适应校正加权最小二乘支持向量机(WLSSVM)软测量模型。构造了基于最大线性无关组的软测量模型训练样本集,使WLSSVM模型具有较好的稀疏性,并减少了训练过程的计算量;建立基于数据相似度加权因子的WLSSVM软测量模型,利用双种群差分进化算法进行模型参数的优化选取;通过模型预测性能在线评估和递推校正实现了模型在线自适应校正。在某台300MW机组锅炉上进行的仿真试验结果表明,该算法模型具有良好的预测精度和自适应能力,能够有效预测锅炉飞灰含碳量。