变区域多层遗传算法的研究

本文在遗传算法的基础上 ,提出了一种变区域多层遗传算法。本算法把可行域分为若干个区域 ,并按区域分布子群体 ,除了每一个子群体在指定分配的区域中进行基本的遗传操作外 ,还在子群体间按适应度进行选择复制、同区域的子群体间进行交叉和群体内部进行变异 ,逐步淘汰较差的区域 ,最终集中在较小的区域进行搜索。经测试函数检验 。

基于多层编码遗传算法的危险品运输调度模型

传统的危险品运输建模时只考虑危险品货物的配送问题,每次派送危险品货物仅派送一次且不考虑危险品运输需要特定的车辆的情况。本文从实际情况出发,建模时假定危险品运输需派送多次,将特定危险品需要特定车型纳入到约束条件中,将危险品运输的在总途时间最小作为目标函数,使用多层编码遗传算法对模型进行求解。最后,通过Matlab仿真验证了该模型的正确性。

大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。

基于多层编码遗传算法优化模糊FJSP

在实际生产系统中存在许多不确定的因素,导致很难获得准确的加工时间,模糊柔性作业车间调度(fuzzy flexible job shop scheduling problem,FFJSP)模型能够将不确定的加工时间用模糊数来表示,将模糊完工时间确定在一定范围内,因此更符合实际的生产。以最大模糊时间最小为优化目标,采用三角模糊数表示工件不确定的加工时间,使用多层编码遗传算法对模型进行求解。此算法针对柔性作业车调度的复杂性,设计了一种基于工序排序和工序对应加工机器号的双层编码,研究了遗传算法的适应度值、交叉和变异等操作。最后,通过MATLAB仿真验证了此算法的有效性和该模型的正确性。

两个轴辐式网络协同建设的多层编码遗传算法

为了降低物流网络的建设成本投入,充分利用物流资源,提出轴辐式网络间的协同建设.同时建设两个轴辐式物流网络,一个轴辐式网络为自己网络中的每一个枢纽从另一个轴辐式网络中选择一组协作枢纽,两个网络可以共同使用协作枢纽.目标是使两个轴辐式网络的建设成本和它们之间的协作成本总和最小.首先,运用混合整数规划模型描述所研究的问题;其次,根据问题的复杂度,设计了多层编码的遗传算法来解决问题,一条染色体分别表示了两个轴辐式网络;最后,在算例中进行了参数敏感性分析,分析参数对各部分成本和物流网络结构及协作枢纽的影响.分析结果表明:在两个网络的协同建设中,一个网络中转移到另一个网络的流量大小对两个网络各自的网络结构和构建成本具有显著的影响;协同建设能够同时系统化地优化两个轴辐式网络,降低成本,整合物流资源.

自适应多层复形遗传算法在钛合金动态本构模型参数识别中的应用

由于钛合金在高应变率下会表现出热粘塑性,为使经典Johnson-Cook模型能广泛适用于描述钛合金在不同应变率、不同温度下的应力—应变关系,在经典模型基本形式不变的情况下,重新定义了温度项的物理意义和表达形式,得到了修正的广义Johnson-Cook模型.该广义Johnson-Cook模型中含有6个需要通过试验数据来拟合确定的待定参数,为降低参数识别的计算量,提高参数识别的效率和精度,提出了一种自适应多层复形遗传算法,并以Ti-6Al-4V钛合金为算例,描述了其在不同应变率、温度下的单轴流变应力—塑性应变曲线.数值模拟结果和已有的试验数据吻合良好.

基于融合免疫优化和遗传算法的多应急物资中心选址与调度

面对突发灾害事件时的物资调配是运输调度系统中的一个重要部分,为了更好地解决受灾点的救援问题,本文将免疫优化算法用于物流配送中心选址问题中,建立了应急物资中心选址-调度配送一体化的解决方案。在考虑该问题的约束条件和优化目标的基础上,建立了物流配送中心选址问题和多目标物资调度问题的数学模型,并综合考虑了运输过程中的距离和运输成本,建立了基于综合代价的成本评估模式,采用免疫优化算法获得最优的应急物资中心选址方案。根据选址结果和运输综合代价值,基于遗传算法结合多目标-多目标的调度问题改进了编码方式,采用多层编码的遗传算法制定了全局最优的物资中心-需求点的物资调度配送方案。结合湖北省新型冠状病毒的疫情,基于2种方法融合实现了一套合理且高效的应急物资中心选址-调度方案,论证了方法的合理性和高效性。本文结果对灾害场景下的应急物资处置具有指导意义。

一种航空装备实时系统任务快速调度方法

针对航空装备实时系统对多线程下实时任务快速调度的困难,提出了一种基于多层编码遗传算法并利用粒子群算法进行参数优化的实时系统任务快速调度方法。通过引入任务贡献矩阵,建立了以总消耗时间少和贡献值大的任务尽早完成为目标的染色体适应度值评价模型,避免重要任务的丢失。采用粒子群算法对多层编码遗传算法参数进行优化,避免陷入局部最优解,增加了收敛速度。最后对调度方法进行仿真验证,仿真结果表明,本文提出的实时系统任务快速调度模型与方法可以优化任务的执行时间,保障任务的顺利完成。通过对粒子群算法优化前和优化后的调度情况的对比,证明了优化后的模型的调度性能指标要优于参数优化前的模型,调度速度和调度效果明显提升。

最优解逼近下配电网线损故障诊断方法设计

针对单纯以一次阈值思路计算引起线损异常导致故障诊断准确率不高问题,设计最优解逼近的配电网线损故障诊断方法。使用等效容量法计算配电变压器容量的分配比值,并根据全网线损功率的变化情况计算接入DG后的配电网线损参数。搭建三层BP神经网络结构,利用拓扑匹配方法对配电网的异常损耗进行匹配,当判定为异常状态时,通过遗传算法优化BP神经网络的权重和阈值,对线损的异常类型进行标记和定位,得到线损异常点的定位结果,根据定位结果进行线损故障诊断。实验结果表明,使用所提方法对配电网线损故障进行诊断,诊断准确率较高,具有较好的应用价值。

智能仓储多机器人动态任务分配方法

针对智能仓储系统中多机器人任务分配方法进行研究,根据智能仓储中物流任务数量庞大且实时新增的动态特点,创新地提出了一种总体分配并根据当前工况实时插入的动态任务分配方法,将一定时间阈值内的物流任务集合利用综合时间代价、路径代价、空载代价和任务均衡度代价的自适应多层编码遗传算法进行任务整体规划,为智能仓储系统中每个机器人分配需执行的物流任务序列及执行顺序。任务执行过程中,各机器人通过对当前自身剩余任务量成本及插入实时任务后路径成本的判断,在不影响当前任务完成总时间的情况下,对下一时间阈值内产生的实时物流任务是否插入当前执行任务序列展开竞争,实现任务的实时插入,未被实时插入的物流任务则等待下一次总体分配。实验结果表明,该方法能在缩短系统运行总时间和总路程的基础上,极大的降低机器人无任务空载等待的时间,提高系统运行效率。

舰载机模块化弹药调度方案优化设计

舰载机模块化弹药存储和调度是未来发展的主要趋势之一。模块化弹药调度与整弹调度相比,调度对象的数量成倍增加并且多了一个弹药装配环节,使调度工作的难度呈指数级增长。针对模块化弹药调度问题,建立以任务完成时间最小化和各舱室与升降机平均工作时间最小化为优化目标,以各模块调度次序、机器选择和调度起始时间为约束条件的舰载机模块化弹药调度模型,设计递推法计算任务完成时间,并使用改进的遗传算法对模型进行求解,结合模块化弹药特点优化多层编码方式,使染色体更加完整地表达弹药在各个阶段的信息。通过仿真验证,所提的舰载机模块化弹药调度方法生成的调度方案具有可行性。

集装箱码头铁水联运装卸设备协同调度

集装箱码头铁路作业区是开展集装箱铁水联运的主要场所,其效率将影响集装箱铁水联运的整体效率,因而,建立了以装卸过程总完成时间最短为目标的龙门吊、集卡和场桥的协同调度问题的混合整数规划模型,既考虑了装卸同步,又考虑了龙门吊间的干扰和安全距离、龙门吊和场桥走行时间及缓冲区等现实约束,并考虑了集卡堵塞问题.为了求解模型,设计了改进的多层遗传算法.最后通过实验验证了模型和算法的有效性和可行性,证明了考虑集卡堵塞问题是有必要的,并给出了50个和100个集装箱的设备最佳配比.

龙门吊与集卡协同调度问题研究

在港口码头作业中,龙门吊的作业与集卡的作业之间存在着非常紧密的联系,如何更好地同步龙门吊与集卡之间的作业,对减少集装箱船的在港时间非常有效。同时考虑了龙门吊与集卡的协同调度,很好地考虑了龙门吊与集卡之间的同步。在此基础之上,首次考虑了实际作业中存在的一些约束,如多台龙门吊在同一个箱区作业时由于共享一个双向轨道而存在的龙门吊间不能相互跨越的约束。另外还有龙门吊间的安全距离约束,工作优先约束等。构建了一个数学模型来描述问题,目标是使得所有作业总完工时间最短。由于问题计算的复杂性,引进了一种多层遗传算法来求解模型,最后算例验证了算法的有效性。

STEADY HEAT TRANSFER ANALYSIS AND PARAMETER OPTIMIZATION FOR MULTILAYER THERMAL INSULATIONS

The energy equilibrium equation and discrete ordinate methods are combined to establish the one-dimensional steady heat transfer mathematical model of multi-layer thermal insulations （MTIs） in metallic thermal protection systems. The inverse problem of heat transfer is solved by the genetic algorithm and data from the steady heat transfer experiment of fibrous thermal insulations. The density radiation attenuation coefficient, the albedo of fibrous thermal insulations and the surface emissivity of reflective screens are optimized. Finally, the one-dimensional steady heat transfer model of MTIs with optimized thermal physical parameters is verified by experimental data of the effective MTI conductivity.

基于非合作博弈的制造网络资源调度研究

针对制造网络下不同制造任务之间存在的自由竞争关系,研究了制造网络资源调度策略,建立了一种基于非合作博弈的网络资源调度模型,制造任务被映射为非合作博弈网络资源调度模型的局中人,将各制造任务包含的子任务对应的可选网络资源设定为制造任务策略集,以各制造任务的完工时间和执行成本构建收益函数,进而将网络资源调度模型的求解转换为纳什均衡点的求解,并采用多层编码遗传算法对模型进行求解。最后,结合具体模具生产项目进行了仿真实验,验证了所提网络资源调度模型及求解算法的有效性。

面向云制造的订单资源分配方法

云制造(CMfg)是一种面向服务的高级制造模式,资源分配被认为是实施CMfg的关键技术。从云制造的角度对产品订单资源分配进行了研究。考虑到产品需求的多样性和生产能力的差异,构建了订单资源分配模型,并考虑了包括订单、产能以及开始时间在内的约束条件。然后,设计了一种改进的多层编码遗传算法(I-GAMc),提出了一种基于有序和有序的两层非负整数编码方法,在选择操作中引入了个体集中度,并对部分集中采用映射交叉(PMX)可以避免出现非法染色体。最后,通过案例研究验证了所提方法的有效性和优越性。

不确定环境下再制造生产调度研究

针对再制造过程中存在的再制造件质量状况和加工时间不确定性调度问题,分别采用随机数和三角模糊数表示质量状况和加工时间的不确定性。在满足工序顺序、机器等限制下,将各自带有权重系数的最大完工时间和总成本之和最小值当做目标函数,构造不确定环境下再制造生产调度模糊模型且转换成确定的单目标非线性规划模型。应用多层编码遗传算法求解某个再制造子系统算例得到,决策者对于最大完工时间和总成本的重视程度不同,调度方案不同,其需要根据自身关注的重点做出决策,选择合适的调度方案。并且调度结果会受到决策者消极或积极态度的影响,态度越积极,结果越好,反之,态度越消极,结果越差,从而检验了再制造生产调度模型的正确性。希望为再制造实现产业化,规模化提供相关参考意见。

不确定因素下的集装箱码头车船间装卸作业集成调度

为了提高集装箱码头的效率,建立了集装箱码头车船装卸作业集成调度模型;考虑了装卸同步作业与一些实际约束条件,如岸桥、龙门吊间干扰和安全距离等,以及生产调度中的不确定因素,如岸桥、集卡的速度变化等,设计了改进的多层遗传算法求解模型;为了确定随机变量的具体值,在传统的遗传算法中引入蒙特卡罗法,为了使得集装箱在集卡间均衡分配,在传统的遗传算法中引入均衡算子;通过试验验证模型和算法的可行性和有效性,并进行了改进的多层遗传算法中引入均衡算子与未引入均衡算子间的对比试验。分析结果表明:引入均衡算子后的装卸作业完成总时间为7 437.8s,比未引入均衡算子减少760.3s,且在引入均衡算子的试验中50FEU集装箱均匀分配给了5辆集卡,而在未引入均衡算子的试验中未能均匀分配;固定龙门吊和岸桥数量,改变集卡的数量,通过比较每组试验中作业总完成时间和边际效益值,得出当集装箱数量为80、90、100FEU时,最优设备配比为3台龙门吊、10辆集卡和4台岸桥。可见,改进的多层遗传算法可以提高集装箱码头车船装卸作业的效率,是解决集装箱装卸作业集成调度问题的一种有效方法。

不确定环境下可再制造零件加工车间调度

【目的】可再制造零件的质量状况、加工时间以及交货期的不确定性使得调度过程十分复杂,如何在不确定环境下对可再制造零件加工车间进行合理地调度与优化意义重大。【方法】首先采用模糊聚类分析法对可再制造零件进行质量等级划分,以减少调度过程中不确定因素的影响,然后对不确定环境下可再制造零件加工车间调度问题进行建模,并采用多层编码遗传算法进行求解。【结果】通过算例验证了模型的正确性,并且得到:1)对可再制造零件进行质量等级划分后可以明显地减少调度过程中不确定因素的干扰。2)决策者对最大完工时间和加工成本的重视程度会影响调度方案的选择,决策者应根据自身关注的重点来选择合适的调度方案,得到相对协调的结果。【结论】综合考虑可再制造零件加工车间存在的不确定性更加符合实际情况,可以为解决不确定环境下可再制造零件加工车间调度问题提供一种新思路。