基于混合平衡优化算法的疫苗配送路径优化

针对疫苗配送路径优化问题,在同时考虑固定成本、运输成本、制冷成本、碳排放成本和惩罚成本的情况下,提出以疫苗配送成本最小化为目标的车辆路径优化模型。为求解模型,在平衡优化器算法中引入模拟退火算法,改进平衡优化器算法容易陷入局部最优的不足,通过加入可变参数,提升算法平衡全局搜索和局部寻优的能力,得到一个能够稳定求出较高质量解的混合平衡优化算法。对2种不同规模的算例分别进行20次实验,将混合平衡优化算法与并行平衡优化算法、知识型蚁群算法、混合变邻域搜索算法、改进混合粒子群算法和平衡优化器算法进行对比。实验结果表明,混合平衡优化算法在小规模算例和大规模算例下得到的最小配送成本和配送成本的标准差都小于其他5种算法,其中,在小规模算例下进行实验后得到的最小配送成本分别为其他5种算法的73.5%、53.9%、69.1%、64.1%和33.4%。

基于改进多目标平衡优化器算法的点焊机器人路径规划

点焊机器人在工业领域内被广泛应用,合理的焊接顺序可以提高生产效率。为了实现点焊机器人的路径最优规划,针对点焊路径和工作时间建立多目标问题模型,提出一种融合改进快速非支配排序的多目标平衡优化器算法(DMONEO)。加入快速非支配排序,并采用生存评分策略替代拥挤度因子,可以更好地保持种群的多样性,防止DMONEO过早收敛。TSPLIB基准实验结果表明,DMONEO算法相比于其他算法性能表现更好。最后在实际点焊机器人的路径规划应用中进行仿真实验并与其他算法对比,结果表明提出的算法得到的优化效果更好,耗时更短。

基于FlexSim的制造业生产线平衡优化与仿真

随着市场需求的不断增长,人工成本日益增高,中小型制造企业受资金、技术等因素的影响,无法及时开展生产方式的转型,在行业中的竞争力较弱。文章从中小型制造企业生产线平衡率偏低的问题着手,对S公司的生产线进行系统化分析,结合FlexSim仿真方法评估其生产线存在的问题,并提出生产线平衡优化的改进方案。对比分析仿真前后的效果数据发现,S公司生产线的平衡率提升了21.9百分点,解决了该企业生产线不平衡的问题,文章的研究有助于推进制造企业物流流程和生产工艺流程实现进一步优化。

基于双向长短时记忆网络的并网微电网能量供需平衡优化

为保证并网微电网的稳定运行,针对微电网负荷波动较大,稳定性较差的问题,提出基于双向长短时记忆网络的并网微电网能量供需平衡优化方法。该方法通过双向长短时记忆网络划分并网微电网中的负荷类别,并引入注意力机制优化分类结果,获取并网微电网中的可控负荷结果;结合该结果和储能系统的能量损失情况、风光综合功率波动水平,构建目标函数并确定约束条件,采用改进帝国竞争算法求解目标函数,获取保证获取全局负荷调度最佳结果,实现并网微电网能量供需平衡优化。测试结果显示:该方法能够有效调度并网微电网中负荷,调整并网微电网供需侧有功和无功功率的结果,使其在±0.50kvar内范围波动,优化后满足微电网中的而负荷需求;保证微电网的稳定运行。

基于混合平衡优化器算法的多目标柔性作业车间多重动态调度研究

面对生产过程中出现的多种扰动问题对实际调度过程的影响,构建以紧急订单和机器故障为扰动因素,以最小化最大完工时间、最小化订单拖期惩罚和最小化碳排放为目标的柔性作业车间多重动态调度模型。采用基于事件和周期的混合动态调度策略来应对突发事件,并提出一种改进的平衡优化器算法来求解该模型。该算法通过采用基于精英反向学习的混合种群初始化策略提高初始种群质量;通过采用IPOX交叉、MPX交叉和变异操作,提高算法解集的广泛性和多样性;通过使用基于Metropoils准则的精英选择策略来更新种群,防止种群陷入局部最优;通过双层变邻域搜索提高算法的寻优能力。通过大量拓展算例仿真验证了该算法的有效性、稳定性和优越性。

渭北果树根区土壤养分平衡优化技术模式

针对渭北果区土壤有机质普遍偏低,土壤结构不良,理化性质不佳等限制果品品质提升的因素,以及果区每年秋施基肥费工费时等实际,经多年试验提出以“建园时在果树根区一次性施足有机肥”为主的局部营养富集技术,配合以“果园生草+肥水一体”的果园土壤养分维持技术,经多点示范,是果园土壤肥料管理、水分优化管理的一个新模式。

融合浓度平衡和菲克定律的新平衡优化器算法

针对平衡优化器算法(equilibrium optimizer,EO)出现的收敛速度慢、算法精度不够、开发和搜索阶段信息不平衡等问题,提出了融合浓度平衡和菲克定律的新平衡优化器算法(new equilibrium optimizer,NEO)。根据布朗运动和扩散现象,不同浓度区域的粒子采取不同的浓度平衡机制,改进算法平衡池,提高种群间的信息交流能力;在算法参数中引入幂函数和指数函数两种自适应因子,进一步平衡全局搜索和局部开发能力,使得粒子种群在解空间中进行广泛搜索和深度挖掘;根据菲克定律,在粒子位置更新公式中引入扰动机制,提高算法寻优精度和收敛速度。采用24个基准测试函数和Wilcoxon秩和检验,将NEO算法和其他智能优化算法进行仿真实验对比,结果表明NEO算法具有良好的优化性能。

改进平衡优化器算法在约束优化问题中的应用

针对平衡优化器算法存在种群勘探与开发难以平衡、粒子进化信息不足、容易出现早熟现象等问题,提出改进的平衡优化器算法。首先,根据算法优化进行的迭代阶段采用正弦池策略动态地平衡勘探与开发能力,迭代前期通过固定角频率的正弦递减进行大范围的全局勘探,扩大算法探索搜索空间中未知区域,增强发现潜藏优质粒子的能力;迭代后期通过变化角频率的正弦递增进行局部开发使勘探与开发自适应平衡,提高算法优化精度。其次,自适应优先引力策略引入当前最优粒子信息克服粒子进化信息匮乏的问题,然后通过融入均匀分布和贝塔分布共同作用丰富种群粒子进化信息,提高粒子之间的信息交换速率,增强粒子逃离局部最优的能力,达到引导种群向全局最优方向快速收敛目的。最后,使用16个基准测试函数、CEC2017函数集、Friedman检验、Wilcoxon秩和检验以及2个现实中的工程约束优化问题测试所提算法的寻优能力。实验结果表明,相比其他新提出的智能算法,所提算法具有更高的优化精度和更快的收敛速度。

融合麻雀搜索和随机差分的双向学习平衡优化器算法

针对平衡优化器算法(Equilibrium Optimizer,EO)求解精度低、收敛速度慢等问题,提出一种融合麻雀搜索和随机差分的双向学习平衡优化器算法。首先,给出了基于麻雀搜索算法的自适应种群划分策略,以平衡算法的全局探索和局部勘探,从而提高算法的收敛精度和收敛速度。其次,引入随机差分策略来重建平衡池,增加个体之间的信息交流,以利于算法跳出局部最优。最后,设计了一种双向混沌反向学习策略并将其应用到更新后的种群,以增加种群多样性,从而进一步提高算法的收敛精度。通过14个测试函数进行仿真实验,使用Wilcoxon秩和检验以及平均绝对误差来评价算法性能,并将改进算法应用到两个工程设计问题,实验结果验证了3种改进策略的有效性,且改进算法的收敛精度、收敛速度和鲁棒性都有显著提高。

基于邻域搜索的改进反向学习平衡优化器算法

针对标准平衡优化器EO算法收敛精度低、易陷入局部最优解等问题,提出一种结合邻域拓扑搜索改进的反向平衡优化器算法IOLEONS。首先,利用双曲正切自适应算子修改平衡池中平均浓度值,提高算法收敛精度;然后,计算粒子之间的欧氏距离,引入邻域搜索机制,进一步增强算法的局部开发能力,更好地平衡算法开发和探索阶段;最后,利用添加Chebyshev映射的动态对称反向学习策略增强种群的扰动能力,提高种群的多样性,帮助种群跳出局部最优解。对改进算法进行收敛性分析并选取8个基准函数进行仿真实验,Wilcoxon符号秩检验和Friedman秩检验结果显示,改进算法具有较好的优化性能。

差分变异和领地搜索的平衡优化算法及其机器人路径规划

平衡优化EO算法是最近提出的一种优秀元启发式算法,但在解决复杂优化问题时存在搜索能力不足、可操作性差和搜索效率低等问题。因此,提出了一种改进的EO,即差分变异和领地搜索的EO——DTEO。首先,提出一种融合领地搜索的差分扰动策略用于最优粒子的浓度更新。然后,提出了一种精英与最差粒子差分变异策略来强化最差个体。最后,提出一种信息共享的差分变异策略和简化EO中的新解产生方式,并将二者动态融合用于其它粒子浓度的更新,以提高算法的可操作性和搜索能力,并缩短运行时间。CEC2014复杂函数测试集上的优化实验结果表明,与EO及其他优秀算法相比,DTEO搜索能力更强、效率更高和可操作性更强。DTEO应用机器人路径规划的实验结果也表明,DTEO具有更强的竞争性。

基于混合优化算法的船用柴油机脉动装配线平衡优化技术研究

由于船用柴油机结构复杂、零部件多、装配工艺复杂,在将传统固定式装配线改造为脉动式装配线的过程中,装配工艺的重组与装配作业重分配会导致站位间与站位内产生平衡问题。针对站位内装配作业的平衡分配问题,文章提出了一种基于混合优化算法的脉动生产线站位内装配作业平衡分配方法。在考虑了装配线节拍、工序优先关系约束、班组数量等因素的基础上,建立了站位内装配线平衡优化数学模型,并制定了一套针对装配生产线平衡问题的装配作业分配规则;提出了基于混合遗传算法(GA)与蚁群算法(ACO)的优化算法对数学模型进行求解;最后,通过实例测试和分析验证了算法的有效性。

基于改进平衡优化器的医学2D/3D图像快速配准算法

医学三维图像(如CT、MRI等)和二维图像(如X光)的配准技术已经被广泛应用于临床诊断和手术规划中.医学图像配准的实质为使用优化算法寻找某种空间变换,使两张图像在空间以及结构上对齐.配准过程中往往由于优化算法寻优精度不高、易陷入局部极值的问题导致配准质量低.针对此问题,提出一种改进的平衡优化器算法(improved equilibrium optimizer based on Logistic-Tent chaos map and Levy flight,LTEO),首先针对种群初始化容易分布不均匀,且随机性太高的问题,引入Logistic-Tent混沌映射对种群进行初始化,提高种群多样性,使它们尽可能地分布于搜索空间内;对迭代函数进行更新,使得优化算法更注重全局范围的搜索,提高算法收敛速度并利于找到全局最优解;引入Levy飞行策略对停滞粒子进行扰动,防止算法陷入局部极值.最后将改进的平衡优化器算法用于2D/3D医学图像配准任务,并对配准过程中数据的频繁传输进行优化,降低配准耗时.通过基准函数测试和临床配准实验对算法进行验证,改进后的平衡优化器可有效提高寻优精度和稳定性,并提高医学图像配准的质量.

基于改进平衡优化算法的多无人机网络覆盖技术

针对通信受限区域网络覆盖优化问题,提出一种改进平衡优化算法,提高多无人机编队飞行网络覆盖率。分析无人机网络覆盖特性,对多无人机进行网络覆盖面积建模,完成无人机数量预估;采用随机反向学习机制生成平均初始种群个体,提高了平衡池候选解的样本分布;对候选解采用莱维飞行方法进行优化迭代,提高了算法的收敛速度;并引入非线性递减的变种群数量策略,动态调整平衡算法的粒子数量,有效地提升了算法的计算效率。设计算法仿真样例,仿真结果表明,所设计的改进型算法比传统的平衡优化算法迭代次数减小近50%,同时目标区域的网络覆盖率得到显著提升。

多层级协同补偿的配电网无功平衡优化降损方法研究

电力系统无功补偿配置应整体规划、合理布局,坚持分层分区、就地平衡的原则,避免经长距离线路或多级变压器传送无功功率。无功平衡优化降损是指通过合理规划电网变电站层、配电线路层、配电台区层、用户补偿层各级无功补偿点位置、优化补偿容量、提升现有无功补偿装置利用效率等无功平衡优化手段,使传输线上流动的无功功率减少,是实现电网降损的重要途径。提出一种多层级协同补偿的配电网无功平衡优化降损方法,该方法采用自下而上、分层分区、就地平衡的原则,各级无功补偿优先考虑本层级的无功就地平衡,兼顾变电站层、配电线路层、配电台区层、用户补偿层四个配电网层级间的协同配合,在配电网各电压等级间形成四级联动,最大程度实现无功就地平衡优化,使传输线上流动的无功功率减少,有效实现配电网降损。

改进平衡优化器的超声电机无模型自适应控制

为了提高超声电机的控制性能,将基于数据驱动的无模型自适应控制(Model Free Adaptive Control,MFAC)方法应用到超声电机的速度控制中,并针对MFAC存在参数调整困难的问题,提出一种改进的平衡优化器(Improved Equilibrium Optimizer, IEO)算法用于MFAC参数寻优。首先,利用自适应生成概率策略来平衡算法的探索与开发能力;其次,引入折射反向学习策略来扩大解的搜索范围,提高算法的收敛速度,同时采用柯西变异策略来提高算法跳出局部最优的能力;最后,提出一种改进的时间乘以绝对误差积分(Improved Integral Time Absolute Error, IITAE)指标函数用于MFAC的参数寻优。仿真和实验结果表明,与基于原始平衡优化器算法的MFAC相比,基于改进平衡优化器算法的MFAC的稳态误差和调整时间明显减小,系统的控制性能得到显著提高。

求解高维优化问题的新型平衡优化器算法

针对标准平衡优化器求解高维优化问题时出现的进化停滞现象,本文首先通过对标准平衡优化器中学习参数的函数特征分析,给出了可能导致进化停滞的原因.接着在分析结论基础上提出一种改进的平衡优化器算法.新算法中设计了自适应的生存概率来增强群体在进化后期探索的机会;为了避免平衡池中候选解同质化,对候选解以概率实施自我学习策略,不仅可以提高群体的收敛速度,而且有效防止群体早期收敛;同时还设计了混合反向学习策略,群体中部分个体按混合反向学习策略实施更新,以增强群体的全局搜索能力,帮助种群逃离局部最优.将提出的算法与新型群智能算法在200维和500维数据条件下进行对比实验,实验结果表明改进的平衡优化算法可以避免陷入进化停滞,展现了良好的全局优化能力.

双曲正切高斯与两阶段反向学习平衡优化算法

针对平衡优化算法易陷入局部最优以及收敛速度慢等缺点,提出双曲正切高斯与两阶段反向学习平衡优化算法.首先,将双曲正切函数与黄金分割系数融入高斯分布动态调整算法的全局搜索能力,提高算法寻优精度;其次,为了缓解迭代中种群多样性减少,对种群个体执行遗传算法中交叉和变异操作,使种群最大程度上避免多样性减少;然后,通过两阶段反向学习,种群个体能够通过一般反向学习或随机反向学习增强算法逃离局部最优的能力和加快算法收敛的速度;最后,使用12个基准测试函数、CEC2014函数集、Wilcoxon秩和检验及Friedman秩检验测试改进算法的综合性能,并与其他改进群智能算法进行对比,实验结果表明改进算法优势明显.

采用中心平衡优化的表冷系统预测控制研究

根据室外温度和相对湿度环境变量,采用极限学习机(extreme learning machine,ELM)搭建空调表冷系统室内温湿度预测模型,解决了空调表冷阀门协调控制问题,采用斐波拉契(Fibonacci)搜索算法优化了极限学习机的隐含层节点数,提出了斐波拉契极限学习机(FELM),从而提高了预测模型的精度。传统的平衡优化算法(EO)收敛速度慢,且容易陷入局部极小,将K中心聚类算法(KMedoids)嵌入到平衡优化算法中,提高了优化算法的性能。利用中心平衡优化算法(KEO)滚动优化得到表冷系统3个阀门的控制量,即主表冷阀、副表冷阀和电动三通阀的开度。仿真实验表明:与传统的ELM预测控制算法相比,KEO-FELM预测控制具有更高的稳定性和跟踪性,以及更好的节能效果。

实木家具异形零部件生产线平衡优化研究

为解决实木家具异形零部件生产线平衡问题,通过调研企业实木异形零部件的工艺流程和生产线情况,以实木圆凳产品为例,对其主要工艺设备及技术进行分析,发现其生产线存在的问题;结合程序分析取消-合并-调整顺序-简化(eliminate-combine-rearrange-simplify,ECRS)原则,从人、机、料、法、环五个方面探究实木家具异形零部件生产线不平衡的原因;在此基础上,采用平衡优化原理,构建实木家具异形零部件平衡优化思路和方法,包括:平衡模型构建、瓶颈工序确定、工时测定、平衡参数计算等。比较优化前、后的实木圆凳生产线,负荷率由33.33%提高到83.33%,平衡率由12.22%提高到19.39%,平滑指数由38.79下降到33.89,生产效率提高25%,零部件运输距离最高下降53.80%。研究不仅为实木家具异形零部件的生产工艺优化提供了思路,也为实木家具的高效加工和生产线优化提供了参考依据。