基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.

基于智能混合算法的织物自动配色方案优化设计

为了提高织物自动配色的通用性和精确性,建立了以成本最优为目标的自动配色数学模型.针对染色过程多约束条件的特点和传统遗传算法存在的缺陷,提出了一种基于智能混合算法求解自动配色方案的优化方法.首先利用正交实验设计法、自适应适值函数调整以及适值相似度判别策略等措施对遗传算法进行了改进,然后融入具有较强局部搜索能力的模拟退火算法进行进一步迭代优化,最终实现了自动配色方案的优化设计.分别运用传统遗传算法和智能混合算法对自动配色模型进行仿真和实测,结果表明:智能混合算法改善了全局寻优能力、收敛速度和稳定性,且在保证配色质量的条件下,生产成本较之传统遗传算法的优化成本降低了1.7%以上,具有较好的工程实用价值.

一种区域经济发展差异分析智能混合算法及应用

该文提出一种区域经济发展差异分析智能混合算法:首先有机融合主成分距离加权和遗传算法、模拟退火算法对FCM算法进行优化,采用优化FCM算法对各子区域经济发展水平进行分类;其次采用主成分分析法给各子区域经济发展水平进行综合评分并排名;然后依据分类和排名情况,对区域经济发展差异进行研究分析.该文以西部省份经济发展差异为例研究表明:该算法能够有效对西部省份经济发展差异进行综合分析,很好地反映了各省份经济发展的特征,是一种改进的、可行的大区内子区域经济发展水平差异分析方法.

基于群智能混合算法的物流配送路径研究

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了一种双种群蚁群算法,在蚁群的基础上引入差分进化(DE)和粒子群算法(PSO)。通过在PSOAS种群和DEAS种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以免某一方因错误的信息判断而陷入局部最优点。通过matlab仿真实验测试,表明该群智能混合算法可以较好地解决TSP的问题。

基于混合智能算法对销售量的预测研究

随着平邑县水果罐头加工企业新产业园项目蓬勃发展,准确预测罐头的销售量对企业做出正确决策以达到预期的收益目标具有重要的现实意义。通过对平邑县蒙水罐头销售量的相关数据的搜集,运用牛顿插值公式与3/8辛普森方程对灰色预测模型中的紧邻矩阵进行改进,改变白化方程的系数,并结合BP神经网络修正误差,得到新型混合智能算法预测水果罐头的销售量。通过与实际销售数据比较分析得到该算法的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为2.0、2.4%和1.3,与原有的混合智能算法相比精度更高,参考价值得到有效提升,能帮助生产企业更合理地安排生产。

基于竞价的日发电计划混合智能优化算法

针对电力市场下基于竞价的日发电计划的特点 ,提出一种充分结合遗传算法和排队算法各自优点的混合智能算法。该算法利用遗传算法在求解离散组合优化问题上的强收敛性和鲁棒性进行机组优化组合 ,利用排队算法的简洁性和快速性进行经济功率分配。同时 ,利用基于专家知识的免疫遗传算法来提高机组优化组合的计算速度。通过对某实际电力市场基于竞价的日发电计划的计算和分析 。

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。

免疫禁忌混合智能优化算法在配电网检修优化中的应用

从配电网设备检修计划编制的实际需要出发,建立了考虑多种约束条件、以配电网经济性最好为目标的检修计划优化模型。针对该模型的特点,提出了一种充分结合免疫算法与禁忌搜索算法优点的混和优化策略,该策略针对配电网检修计划优化问题的特点设计了3种疫苗,并且构造了2阶段变异,在优化前期使用禁忌搜索变异算子,而在优化后期恢复为一般变异算子,从而保证了算法的快速收敛。通过实际计算和分析,验证了文中所提出模型和算法的正确性和实用性,以及与遗传禁忌混合智能算法相比的优越性,实例计算结果表明本文所采用的方法是有效的,免疫禁忌混合智能算法在收敛速度,爬山能力,解的质量和稳定性上都要优于遗传禁忌组合算法,更适合求解配电网检修优化问题。

混合智能算法在模糊规划中的应用

简要介绍了模糊规划并综述了模糊规划的建模理论,提出在原有混合智能算法研究的基础上将进化策略融合进混合智能算法中来解决原有算法易陷入局部最优解的问题,提高了求解精度及收敛速度.

基于混合智能优化算法的非线性AVO反演

针对常规叠前AVO反演存在强烈依赖于初始模型、易陷入局部最优值等问题,对基本遗传算法进行了自适应改进,然后将改进遗传算法与粒子群算法相结合,发展了遗传—粒子群算法混合的GA-PSO协同进化智能优化算法;对比改进遗传算法、粒子群算法及GA-PSO协同进化算法反演的理论模型合成地震记录的纵波速度、横波速度及密度,表明后者具有精确的反演结果及更强的稳定性和抗噪能力;最后利用GA-PSO协同进化算法对实际地震数据进行叠前AVO非线性反演,验证了算法的应用效果和适用性。

采用NSGA-Ⅱ混合智能算法的风电场多目标电网规划

风电并网在实现节约化石能源和减少有害气体排放等效益的同时,也将对电力系统的可靠性造成一定的负面影响。为达到投资经济性、系统可靠性、环保效果的整体最优,构建了多目标风电场接入的输电线路与电网的联合优化规划模型;针对目标权重未知、人工神经网络(artificial neuralnetwork,ANN)收敛困难、无法合理决策等问题,采用方差最大化决策和分类逼近理想解的排序方法(technique fororder preference by similarity to an ideal solution,TOPSIS)缩小最优解的范围,并在此基础上提出了随机模拟、神经元网络和非劣排序遗传算法II(non-dominated sorting geneticalgorithm II,NSGA-Ⅱ)相结合的混合智能算法;对增加风电场的改进IEEE Garver-6系统进行计算分析,结果表明该方法具有较高的决策效率和计算精度,从而验证了所提出模型和方法的合理性和有效性。

基于混合智能算法考虑时序性的风光电源多目标规划

随着分布式电源(Distributed Generation,DG)在配电网中被越来越多的应用,探究分布式电源的选址定容问题成为研究的热点。为降低配电网负荷及DG出力时序特性对DG规划的影响,文章分析了负荷和DG出力时序特性曲线,建立了多目标数学模型,利用层次分析法对多目标函数处理,采用遗传--模式搜索混合智能算法(IGABPS)进行一年全时段寻优求解。最后采用IEEE33节点系统对方案进行验证,算例结果表明了考虑时序特性的规划方案更能真实反映配电网的实际运行情况。

基于DE和PSO的混合智能算法及其在模糊EOQ模型中的应用

设计了融合差分进化和PSO算法优点的混合智能优化算法DEPSO,通过在粒子迭代过程中,随机选择一定数量的粒子进行差分进化操作,增加粒子的多样性,使陷入局部极小的粒子逃出,以保证DEPSO的全局收敛性能,并采用典型测试函数验证了DEPSO的性能。针对模糊相关机会规划EOQ模型求解难题,设计了基于模糊模拟方法和DEPSO的智能求解算法来计算模糊事件的可信性,从而得到了使库存费用不超过预算水平的可信度最大的最优订货量,算例证实了此求解算法的有效性。

基于混合智能粒子群算法的广义电源主动配电网优化配置

研究广义电源接入主动配电网的优化配置问题。提出一种电压偏差指标。建立综合考虑投资经济效益、电压偏差及污染气体排放指标的多目标优化配置模型。提出一种混合智能粒子群算法,在优化过程中引入快速非支配排序策略、精英保留策略和拥挤距离计算策略以改善其全局搜索能力。对IEEE-33节点、PG&E-69节点配电系统进行计算,分析在不同负荷水平下各指标的变化情况,研究负荷变化时广义电源的最佳配置。研究表明,广义电源的接入与合理配置能够有效提高投资运行效益和系统电压稳定性,同时说明该方法能够保证配置方案的多样性和多目标优化过程的寻优性。

基于电力系统日发电计划的混合智能messy遗传算法

机组组合是电力系统日发电计划中主要的优化任务,在满足各种约束条件下求得全局最优解是一个比较困难的问题。传统遗传算法的二进制编码和随机遗传操作不适合于求解大规模机组组合问题。针对电力系统日发电计划的特点,提出了一种混合智能messy遗传算法(HIMGA),该算法实现简单,大大减小了求解问题的规模,保证了群体的多样性,提高了算法的搜索效率,改善了算法的收敛性。仿真计算结果表明了该算法的有效性和实用性。

基于混合智能算法的多资源约束项目优化调度

基于关键链项目管理(critical chain project management,CCPM),利用一种混合智能优化算法求解多资源约束项目调度问题,解决传统调度优化算法的不足,提高这类问题的求解质量.首先利用一类启发式算法识别项目关键链,并设置缓冲区尺寸,以项目总工期和在制品库存为优化目标建立数学模型,设计一种混合智能优化算法求解,并对项目问题库中的j30hrs.sm问题和某生产型项目进行实验分析,得到优化的结果.实验表明,采用混合智能算法求解这类问题能得到明显优于一般调度优化算法的结果.

改进的人工鱼群混合算法在智能组卷中的应用

现有的智能组卷多采用单一算法,而每种算法都有其各自的缺点,针对此缺陷提出了结合人工鱼群算法和遗传算法的优点组成混合智能组卷算法.在智能组卷开始时,采用人工鱼群算法快速靠近组卷目标,在组卷过程中,当最优个体在连续多个迭代过程中无变化或变化极小时采用遗传算法对人工鱼个体进行跳变,提高收敛速度.通过模拟计算证明,该混合智能算法能有效地优化其中单一算法独自进行智能组卷的成效.

基于混合智能算法的战略储油基地选址问题

混合智能算法是由随机模拟、单纯形法和遗传算法融合而成的一种智能化启发式算法。对于描述设备选址要求,根据建立战略储备的风险,通过运用不确定规划模型,解决了经济发展需求、路径长度受限情况下选择适合的储油基地问题。实例计算结果表明,与传统算法相比,混合智能算法能有效地解决储油基地的选址问题。

基于混合智能算法的电子市场供应链期权合同协调

在电子市场环境下,考虑了需求、市场价格和市场准入程度的随机性,基于Stack-erlberg主从对策,建立了供应链期权合同协调的随机期望值模型。在这一主从对策模型中,主方供应商的目标函数是预期利润,决策变量是期权合同预订费用和执行费用;从方分销商的目标函数是预期利润,决策变量是订货量。应用包括随机模拟、人工神经元网络和遗传算法组成的混合智能算法求解该主从对策问题。最后,结合上海宝钢集团益昌公司电子商务的运作实例,运用混合智能算法进行了仿真计算与分析。

有时间窗车辆路径问题的混合智能算法

有时间窗的车辆路径问题属于组合优化领域中的NP-hard问题。在对该问题进行分析的基础上,为之建立了数学模型,提出了一种求解该问题的混合智能算法。该算法通过使用蚁群算法和遗传算法交替优化,并且及时交换信息,弥补了蚁群算法和遗传算法各自的不足,达到了优势互补的效果,增强了算法的寻优能力,避免了停滞现象。实验结果表明,该算法能有效解决有时间窗的车辆路径问题。