基于混合微粒群算法的堆石坝土石方调配计算

基于微粒群算法和模拟退火算法,构成混合微粒群算法。建立混合微粒群算法数学模型,用于堆石坝土石方调配计算。在河口村水库面板堆石坝土石方调配计算的应用中,计算成果为施工组织设计提供了较为详尽、可靠的数据支持。与其他算法相比,利用混合微粒群算法解决土石方调配问题方便、可行。

混合微粒群算法在非线性约束优化中的应用

本文将微粒群算法 (PSO)与罚函数法结合 ,提出了一种求解非线性约束优化问题的新算法 ,数值试验表明该算法具有很强的全局寻优能力。

求解二级分销网络模型的混合微粒群算法

针对现有算法在求解二级分销网络模型时计算量大、难以适用于求解大型规划问题和易陷入局部最优等不足,提出一种求解二级分销网络模型的混合微粒群算法。该算法以二级分销网络的总成本作为适应度函数,采用一种精简的编码方式,通过将遗传算法的变异和交叉操作引入微粒群算法,实现二级分销网络模型的离散优化。算例仿真结果表明:采用提出的算法能获得全局最优解,且收敛性好,运算速度快,稳定性好,能有效避免算法的早熟收敛问题。

一种求解车间作业调度问题的混合微粒群算法

在对车间作业调度问题优化目标与约束条件分析的基础上,以最小化机器完工时间为目标构建优化模型。通过将遗传算法和模拟退火算法的优点与标准微粒群算法相结合,提出一种求解该问题的混合微粒群算法,并结合实例验证了该算法的有效性与收敛性。

基于混合微粒群算法的网格服务工作流调度

采用微粒群优化的种群搜索方式,融合了局部搜索和全局搜索,引入了模拟退火算法和遗传算法思想,利用模拟退火随机概率来避免陷入局部最优,提出了一种混合微粒群优化算法,以便更好地满足用户期望的服务质量,解决网格服务工作流调度问题.网格仿真试验结果显示:对于具有全局QoS约束条件的Web服务选择,在执行效率上混合微粒群优化算法明显优于其他混合遗传算法,可在较短时间内获得较好的解,是求解多目标网格服务工作流调度问题的有效方法.

面向分布式计算的混合维度微粒群算法

在智能计算方面,微粒群算法有着搜索速度快、算法实现简单、参数设置少等优点而得到了广泛的应用。但遇到大规模问题时会遇到容易陷入局部最优、计算耗时、结果精度不高的情况。因此本文提出以分布式计算方法为基础的混合维度微粒群算法MDPSO(Mixed Dimension Particle Swarm Optimization),该算法采用分布式计算方式实现任务并行,通过混合维度的方法进行种群间的信息交流。最后通过对5个测试函数和岛屿模型PSO算法进行实验对比,结果证明所提出的算法能够更好的跳出局部最优而得到更为准确的结果。

车间生产调度优化中改进微粒群算法的应用

为有效解决车间生产作业调度这一非确定性问题,给出了一种基于工序的编码方法。在微粒群算法的基础上,进一步结合遗传算法和模拟退火算法,提出了一种新型混合微粒群算法。将算法用于求解FT06问题和LA01问题,显示了其很好的收敛性。

自适应神经-模糊推理系统的混合协同微粒群算法进化设计

在分析自适应神经-模糊推理系统(ANFIS)结构和参数特点的基础上,定义一个布尔向量L作为网络的结构参数,与原来ANFIS的前件参数集一起构成了新的前件参数集{c,σ,L},并给出了一个新的网络输入输出关系表达式.针对该输入输出表达式,提出一种用于优化ANFIS前件参数集的混合协同微粒群算法.该将参数集L和{c,σ}分别放在两个子微粒群并根据各自不同的特点应用二进制PSO和GCPSO算法进化,两个子微粒群之间的协同由定义的一个协同函数实现,而网络的结论参数依旧用最小二乘法进行优化.应用该算法进行ANFIS网络结构和隶属函数参数的自适应设计,在Henon映射产生的混沌时间序列预测中显示了良好的性能.

求解异构并行系统任务分配的混合离散粒子群算法

针对异构并行任务分配的最小完成时间和负载均衡组合优化问题,提出一种混合离散微粒群算法,将启发式Sufferage算法引入离散微粒群算法(DPSO)中,改进DPSO算法中的位置速度关系模型,提高DPSO算法的搜索效率和精度.通过实验验证,从算法效率和收敛速度上均优于DPSO算法和GA算法,且负载均衡度较好.

基于多目标优化的产品协同开发任务调度研究

针对目前产品开发任务调度研究的不足,提出了基于多目标优化的产品协同开发任务调度理论,并在此基础上提出了多目标优化调度的综合指标确立方法;针对调度问题的求解特点,提出了基于混合微粒群算法的任务调度算法;最后,运用上述理论和算法,给出了具体实例的计算结果,并把该结果和单目标优化调度的结果相比较,说明了基于多目标优化的产品协同开发任务调度算法的可行性和优越性。