学习型混合差分进化算法优化月台调度问题

为提高配送中心的管理水平,减少物流园区中等待作业的配送车辆的排队时间,研究了配送中心中的月台调度问题。首先,考虑月台—车辆兼容性约束和车辆作业时间窗约束,建立了以最小化总加权提前、拖后惩罚为目标的数学模型;然后,提出一种学习型混合差分进化算法,根据问题特征设计了月台调度问题的编解码方法,设计了一种学习型算子选择机制为算法在线选择交叉、变异算子,采用变邻域搜索算法作为局部搜索算法增强算法的搜索能力;最后,通过正交试验,确定了算法参数水平,进行对比实验,证明了所提模型和算法能够有效求解月台调度问题,从而帮助配送中心更好地进行月台调度管理。

混合差分进化算法在舰载机出动调度中的应用

研究舰载机舰面航空保障问题,通过合理规划舰载机在舰面多阶段工位上的保障顺序和时序以提升舰载机的出动效率,并将问题抽象为考虑阶段转移时间的混合流水车间调度模型。针对传统智能算法求解混流车间问题时存在的搜索效率低和易陷入局部极值点的不足,提出了一种混合差分进化算法。为提升算法的求解效率,设计了基于先入先出和最先空闲机器原则的解码策略。其次,引入了交叉、变异参数的自适应控制策略以提升算法的全局搜索能力,并在算法框架中嵌入一种基于模拟退火的多邻域局部搜索策略。最后通过仿真验证了算法对求解舰载机出动调度问题具有较好的收敛性和鲁棒性。

解决作业车间调度问题的混合差分进化算法

文章提出了一种改进的差分进化算法—混合差分进化算法(Hybrid Differential Evolution Algorithm)来解决作业车间调度问题。为了防止基本差分进化算法陷入早熟收敛和局部最优,从2个方面对算法进行了改进。首先为了在进化初期能够保持种群多样性,后期减少缩放因子对最优解的破坏,提出了自适应的缩放因子F。其次交叉操作时采用分组交叉思想。通过对作业车间调度问题的研究,改进后的算法全局寻优能力和鲁棒性有了明显改进。

基于改进混合差分进化算法的水轮机调速系统空载PID参数优化

为优化水轮发电机组调速系统空载PID相关参数,提出一种改进混合差分进化算法(IHDE),即先根据某电站混流式水轮发电机组建立相应空载工况数学模型,其次引入IHDE对空载工况数学模型PID参数进行优化,由于DE算法易出现早熟收敛问题,对该算法缩放因子的取值进行优化;同时,为了增强差分进化算法(DE)的全局搜索性能,在DE的选择阶段加入模拟退火算法的个体更新机制进行选择操作;然后,提出一种改进的综合ITAE指标用于评价空载扰动的仿真结果,使得目标函数的评价方式更加准确且符合相关标准要求;最后,通过试验仿真与不同算法进行对比,验证了IHDE优化水轮发电机组调速系统PID参数的有效性。

基于自适应混合差分进化算法的大规模稀布子阵优化设计

本文对大规模宽带稀布线阵采用子阵划分的方法进行优化设计。将大规模阵列划分为若干个子阵降低了优化的计算量;通过每个子阵和子阵间的不等间距设计有效地降低了栅瓣。以宽带类八木印刷天线为例,采用自适应混合差分进化算法同时优化阵列的单元间距和激励系数,分别对笔形波束、扫描波束以及单脉冲波束做了优化设计,结果表明该方法是可以有效解决大规模稀布子阵优化问题。

基于混合差分进化算法的联合补货模型研究

综合考虑实际中普遍存在的补货资金约束、运输能力约束以及"部分产品不能同时运输"这一运输条件的限制,构建了结合产品运输策略的联合补货模型,并设计混合差分进化算法对模型进行求解,证实了模型的有效性。此外,对需求率和单位库存持有成本进行敏感性分析,结果表明这两个参数的变化均会使补货成本增加,且需求率对总补货成本的影响程度较大。而需求率和单位库存持有成本的增加还会使基本补货周期T减小,表明企业需更频繁地订货。

一种求解KPC问题的带有编码复用离散混合差分进化算法

为了高效求解KPC问题,通过结合具有不同编码结构的S-HBDE和ETDE两种进化算子,提出了一个具有编码复用的离散混合差分进化算法DHDE。首先,在单种群中利用具有(n+1)维空间的ETDE编码方式表示个体,然后通过记录DHDE在前一次进化模式中种群个体改善数目,自适应的选择下一次的进化算子来进化个体,进而获得实例的最优解。最后,通过将DHDE求解四类大规模KPC实例的计算结果与ETDE、S-HBDE和B-HBDE的计算结果对比,证明了算法DHDE不仅寻优性能好,而且稳定性强,是一个适合高效求解KPC实例的新方法。

基于带有编码复用的离散混合差分进化算法求解KPC问题

为了高效求解KPC问题,通过结合具有不同编码结构的S-HBDE和ETDE两种进化算子,提出了一个具有编码复用的离散混合差分进化算法DHDE。首先,在单种群中利用具有(n+1)维空间的ETDE编码方式表示个体,然后通过记录DHDE在前一次进化模式中种群个体改善数目,自适应的选择下一次的进化算子来进化个体,进而获得实例的最优解。最后,通过将DHDE求解四类大规模KPC实例的计算结果与ETDE、S-HBDE和B-HBDE的计算结果对比,证明了算法DHDE不仅寻优性能好,而且稳定性强,是一个适合高效求解KPC实例的新方法。

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

基于混合差分进化算法的联合补货-配送优化模型

本文综合考虑联合补货与配送决策,研究了随机需求、允许缺货环境下多企业多产品联合补货与配送集成优化模型,设计了混合差分进化算法(Hybrid Differential Evolution,HDE)对该模型进行求解,同时通过算例与遗传算法、标准的DE算法进行了比较,证实HDE算法高效且稳定;另外,设计了一个先补货再配送的两阶段优化模型,对比优化结果发现采用供应链协同时补货成本较高,配送成本较低,且总成本较低。最后,对相关参数进行了敏感性分析,发现需求率和库存维持成本的变动对总成本的影响远远大过次要订货成本对总成本的影响。

基于混合差分进化算法的混沌系统参数估计

混沌系统参数估计是混沌系统控制与同步的关键问题.通过构造一个适当的适应度函数,将混沌系统的参数估计问题转化为一个多维优化问题,然后利用混合差分进化算法的全局搜索能力求解该优化问题.以典型的Lorenz混沌系统为例进行了数值仿真,结果表明了混合差分进化算法的有效性和鲁棒性,是一种有效的混沌系统参数估计方法.

基于混合差分进化算法和熵权TOPSIS的多目标(Q,r)库存模型

讨论随机需求环境下的多目标库存控制问题,构建以成本、缺货率和缺货量3个指标最小化为准则的多目标(Q,r)库存模型.为了求出决策者需要的Pareto前沿,设计了基于遗传和差分进化算法的混合智能算法来产生非支配解,进而利用基于熵权的TOPSIS方法对最优解进行排序,此结果可为管理者提供有益的决策参考.

求解模糊相关机会规划模型的混合差分进化算法

针对不确定规划领域中存在的模糊相关机会规划模型,基于群体智能的差分进化算法,设计一种新的求解模糊相关机会规划模型的混合智能算法.该算法基于粒子群优化算法对差分进化算法进行改进,并运用模糊模拟技术对模糊相关机会规划模型进行分析和数值求解,无需像传统的基于遗传算法的混合智能算法需要很长时间并经过复杂的计算才能得到合理的结果.最后,通过实例表明了所提混合智能算法的合理性和有效性.

差分进化混合粒子群算法求解项目调度问题

针对求解资源受限项目调度问题(RCPSP),提出了基于差分进化(DE)的混合粒子群算法(PSODE)。通过在PSO种群和DE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,以避免个体因错误的信息判断而陷入局部最优点。采用标准测试函数和具体算例进行检验,结果表明PSODE算法可以较好地解决RCPS问题。

混合差分进化-和声搜索算法在结构工程中的应用

为了增强HS算法跳出局部最优的能力,将差分进化算法(DE)的变异和交叉引入到了HS算法中.这种改进的HS算法被称为混合差分进化-和声搜索(HDEHS),它既具有很强的收敛性,又能有效地防止自身陷入局部最优.实验结果表明,与文献中算法比较,HDEHS算法在解决结构工程优化问题中能够找到更好的解,它是解决结构工程优化问题的一个有效的选择.

基于遗传和差分进化算法的备件库存协同控制模型

分析了基于供应成本优化的备件协同控制库存决策模型,为获得全局收敛能力强、速度快,尤其是稳定可靠的新算法,设计了基于遗传和差分进化算法的混合智能求解算法,并通过两个实例与遗传算法、标准的差分进化算法进行了性能对比,显示出了所提算法的优势。基于所设计的算法,分别对用户需求、运输成本和最晚供应到达时间等参数进行了敏感性分析,讨论了数据不确定性对库存协同控制的影响程度,进而给出了不同环境下的供应方式优化建议。

基于差分进化算法的运输容量约束下有数量折扣的模糊联合补货模型研究

针对采购管理中广泛存在的不确定性,将单位库存成本和可变订货成本视为模糊变量,构建了运输容量约束下有数量折扣的模糊联合补货模型,此模型属于NP-hard问题,目前缺乏可靠的全局优化求解算法。在选取梯级平均综合表示法对总成本去模糊的基础上,设计了基于自适应混合差分进化算法的求解方法,并通过算例验证了此模糊联合补货模型的有效性和求解算法的全局优化能力。

基于差分进化粒子群算法的城市电动汽车充电站最优规划

针对如何确定电动汽车充电站的位置及充电机数量问题,分析了快速充电站的服务对象,建立了考虑建设成本、充电途中行驶成本、充电站等待成本的综合优化模型。模型考虑了城市地理信息,以充电便捷、等待时间为约束条件,以充电站固定成本、车主充电行驶成本和在充电站等待成本之和最小为目标函数。电动汽车充电站规划问题是非凸、非线性、组合优化问题。为此,对目标函数的求解,提出用差分进化混合粒子群算法,该算法增加了种群的多样性和全局寻优能力。算例分析验证了所提规划方法的有效性和实用性。

基于差分NSGA-Ⅱ算法的港口船舶协同调度优化

港口航道和拖轮资源的单一调度,很大程度上减少了船舶在港作业的效率。考虑进出港船舶和拖轮资源,以最小化总进出港船舶调度时间、总船舶在港等待时间以及总拖轮助泊作业时间为目标函数,以船舶协同作业时间转化及船舶航行安全为约束条件,构建船舶协同调度优化模型;为高效地获取模型的最优方案,将差分进化算法中的变异算子引入NSGA-Ⅱ算法,设计混合差分NSGA-Ⅱ算法。基于港口航道船舶实例数据,利用MATLAB进行仿真实验。结果表明:相比先到先服务规则(FCFS)和NSGA-Ⅱ求解方案,混合差分NSGA-Ⅱ求解出的最优方案能较大程度上减少船舶在港作业时间。

一种新的混合算法在环境经济负荷调度中的应用

以求解环境经济负荷调度这一复杂的约束优化问题为背景,提出了一种新的混合差分进化算法(HDE),通过基于概率选择的Lévy变异和萤火虫追寻行为的局部搜索机制引入,保持了差分算法搜索过程中个体的多样性。实际的算例仿真结果和算法比较表明,在处理最大污染控制成本约束条件下的的环境经济调度是有效和可行的。