一种基于改进混合蛙跳的KFCM算法

针对核模糊C-均值(KFCM)聚类算法存在易陷入局部极小值,对初始值敏感的缺点。将混合蛙跳算法(shuffled fro gleaping algorithm,SFLA)用于KFCM中,但在聚类数较大和维数较高时,聚类效果不理想,为此提出将自适应惯性权重引入混合蛙跳算法的更新策略中,再用改进后的混合蛙跳算法求得最优解作为KFCM算法的初始聚类中心,利用KFCM算法优化初始聚类中心,求得全局最优解,从而有效克服了KFCM算法的缺点。人造数据和经典数据集的实验结果表明,新算法与KFCM和FCM聚类算法相比,寻优能力更强,迭代次数更少,聚类效果更好。

改进RBF神经网络法在大坝位移分析中的应用

针对RBF神经网络容易出现局部最优解和收敛速度慢的问题,提出引入惯性权重来改进混合蛙跳算法,继而用改进方法优化RBF神经网络。改进的混合蛙跳算法通过设定一个合理的初始权重,从而达到修正青蛙群体的更新策略、跳出局部最优解、避免早熟的目的,同时具有平衡全局搜索和局部搜索的能力,很好地解决了传统RBF神经网络局部最优和收敛速度慢的问题。以某大坝位移分析为例,采用基于改进蛙跳算法的RBF神经网络后,模型预测精度有了较大的提高,与工程实际更为接近,具有一定的工程实用价值。

区域停车诱导信息发布板的选址优化算法

为解决城市区域停车诱导信息系统(PGIS)中的诱导信息板选址问题,提出以诱导量为目标,以停车场对驾驶员的吸引能力、诱导信息发布板的影响范围、发布信息可信度的衰减、通往停车场的道路情况、诱导信息发布板的疏密程度和每个停车场至少被诱导一次作为约束条件建立模型。采用改进混合蛙跳算法(ISFLA)对所建数学模型进行求解,在一个网格型的路网进行仿真实验,并对求解过程进行阐述说明。结果表明,该模型可以应用在停车诱导信息系统中,合理地分配诱导信息发布板的位置,使其得到最大诱导量,方法具有可行性。

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。

带有学习效应的多阶段混合流水车间调度问题研究

【目的】研究考虑学习效应和顺序相关调整时间的多阶段混合流水车间调度问题。【方法】针对该问题的特点,建立以最小化最大完工时间和总能耗为目标的混合流水车间调度问题模型,同时设计一种改进的混合蛙跳算法进行求解。采用不同规模的测试问题对提出的算法进行测试,并与另外3种算法进行对比。【结果】提出的算法的效果均优于另外3种算法。此外,不同的学习率对调度目标的影响存在差异。【结论】该研究对企业提高生产效率和节能降耗的目标有一定的指导意义,可为企业在制定生产调度方案时提供决策支持。

智能车辆交叉口协同控制算法

基于协同控制系统,对无信号灯控制的交叉口车辆的运行情况进行探讨。将冲突车辆轨迹调整问题转化为非线性受限制优化问题,假设存在一个交叉口控制中心,专门用来收集车辆的信息,利用改进后的混合蛙跳算法,为每一车辆制定优化策略,避免和其他车辆发生碰撞。车辆与车辆、车辆与控制中心之间通过无线通信共享信息,所有车辆均为无人驾驶智能车辆。VISSIM仿真结果表明:所提出的协同控制算法显著地改善了交叉口的性能,与传统的信号控制相比,停车延迟时间、行进时间和车辆通行能力分别提高了97.2%、25.5%和6.58%。