基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法(HGWOA)来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。

基于动态混合遗传算法的配送路径优化

随着越来越多的突发性卫生事件爆发,人们对应急医疗物资的需求量与日俱增,但应急医疗物资配送效率低下等问题依旧存在。文中研究建立多配送点配送模型,该模型对多个应急医疗物资配送中心到多个配送点的配送路径进行有效地优化,并在计算过程中考虑客户时间窗与交通拥堵情况,达到提高客户满意度、节约成本、减少配送过程中所产生的碳排放量的目标,如同此类问题都归类为VRP问题(车辆路径规划问题)。在该模型的计算过程中采用动态混合遗传算法(DHGA),在改进的遗传算法中加入大规模领域搜索算法,解决遗传算法求解精确度过低、易陷入局部最优循环的缺点。最后将计算结果与传统遗传算法(GA)、粒子群算法(ACO)以及蚁群算法(ACO)进行对比,结果表明该算法相对于其他算法的各项指标都得到明显提升。

基于混合遗传算法的堆垛机路径优化研究

针对自动化立体仓库中堆垛机运行路径杂乱的问题,研究了一种基于遗传算法和蚁群算法相结合的混合遗传算法。设计和构建了立体仓库的整体运行模型,并对仓库中的运行区域进行了划分,实现了区域的合理分配。通过新的混合遗传算法,实现了对堆垛机控制算法的优化。通过实验计算,证明了在利用混合遗传算法控制堆垛机存取货物时,堆垛机行走的路程要比使用遗传算法时更加优秀,混合遗传算法能够将路径优化7%左右,因此混合遗传算法满足优化条件。

基于多目标规划和混合遗传算法的上海临空可变车道集群控制优化研究

针对上海临空早晚高峰时段区域交通问题,分别构建广顺北路、协和路、福泉路和金钟路单条道路优化模型及基于多目标规划和混合遗传算法的临空区域路网可变车道集群控制及信号配时优化模型。从通行效率和环境排放效益2个维度进行量化对比。结果表明,可变车道集群控制及信号配时优化后早高峰改善比例大于晚高峰,路网通行效率及环境排放效益优化幅度分别达17.46%和20.53%。可变车道集群优化效果较单车道显著且稳定性高,更有利于路网通行效率的整体提升。研究结论可为城市可变车道集群的智能化管控提供理论支撑与借鉴。

基于改进鲸鱼算法的混合储能系统容量优化配置

针对微电网中使用可再生能源的高随机性和间歇性等特征,提出了一种混合储能系统容量优化配置方法。该方法以混合储能系统成本最低、平抑可再生能源功率波动效果最优与电网联络线利用率最高为目标,通过建立混合储能容量优化配置模型并采用改进鲸鱼优化算法对所建立的模型进行求解得到最优混合储能系统容量优化配置。最终对比传统鲸鱼优化算法和传统粒子群算法来验证改进鲸鱼算法可以更合理地配置混合储能系统的容量,使可再生能源功率波动的平抑效果提高,同时也使微网联络线利用率变高,保证微电网可靠、经济地运行,进而实现资源的合理利用。

基于混合策略鲸鱼优化算法的云计算任务调度研究

针对云计算任务调度过程中存在任务执行时间长、系统执行成本过高及系统负载不均衡等问题,提出一种基于混合策略鲸鱼优化算法(MSWOA)的云计算任务调度方法。首先,使用Tent混沌映射初始化鲸鱼种群以提升种群多样性,使鲸鱼个体分布更均匀;其次,提出一种自适应概率阈值以平衡算法的全局搜索能力与局部开发能力,并在算法随机搜索阶段引入莱维飞行策略,扩大算法搜索空间与搜索能力;最后,设计了任务调度过程中的多目标适应度函数,并利用算法求解云计算多目标任务调度问题。通过CloudSim云计算仿真软件对MSWOA进行仿真实验,并将MSWOA与NOA、ZOA、OAWOA、TSWOA算法进行比较,实验结果表明,MSWOA相较于其他算法,在不同任务规模上都取得了更好的效果,不仅降低了任务最大完工时间和系统执行成本,还提升了系统平均负载率,在云计算多目标任务调度中优势显著。

融入小生境和混合变异策略的鲸鱼优化算法

鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题。通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题。为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA)。该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种群进行随机扰动,帮助算法跳出局部最优。通过在CEC2017测试套件上对NHWOA进行仿真实验,并将其应用于特征选择问题,验证了NHWOA的先进性和有效性。NHWOA的收敛速度更快,收敛精度更高,并且鲁棒性更好。

混合策略改进鲸鱼优化算法在圆柱度误差评定中的应用

机械零件的形位精度对其互换性以及功能质量具有极其重要的影响,其中圆柱度误差是评价回转类零件精度的一个重要指标。设计一种基于混合策略改进的鲸鱼优化算法,以提高圆柱度误差在评定过程中的精度和收敛速度。首先,在初始种群的生成中引入Tent混沌映射和非线性参数,以提高解的质量;其次,为了改善算法的局部搜索能力,在螺旋式位置更新阶段引入一个自适应权重系数;最后,在随机搜寻阶段引入莱维飞行从而提高全局搜索能力。通过采用不同优化算法的实验和结果对比分析,提出的算法在圆柱度误差评定精度和速度方面均有一定提升。

非线性问题的求解及优化研究--基于遗传算法和混合遗传算法的分析

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的(PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。

基于改进遗传鲸鱼算法的建筑电气能源调度优化

随着可再生能源的广泛应用,如何在不稳定的能源供应下实现经济效益与环境效益的双赢,成为当前研究的重要课题。本文提出了一种基于改进遗传鲸鱼算法的建筑电气能源调度优化方法,通过优化建筑能源系统的调度,实现了降低成本和减少碳排放的双重目标。实验结果表明,所提出的算法在提高优化精度和收敛速度的同时,每天可节省约92.896元的成本,并减少约0.091吨的碳排放。这项研究为未来建筑能源系统的优化调度提供了一种有效的解决方案。

基于免疫选择和自适应权重的鲸鱼优化定位算法

针对鲸鱼优化算法(WOA)在到达时间差和到达角度混合定位中存在后期迭代种群多样性减小,容易导致局部最优、定位精确度降低的问题,提出一种基于免疫选择和自适应权重的鲸鱼优化算法(IM-WOA).由最大似然估计法得到目标定位函数,为丰富种群多样性引入免疫机制,能够有效产生新的个体,从而避免种群陷入局部最优.通过将自适应惯性权重应用于个体位置的更新公式,实现算法全局探索能力和局部开发能力的平衡和协调,对经典基准函数和目标定位函数进行求解.结果表明,与WOA、AWOA、CSSOA、PIO、CASSA算法相比,IM-WOA算法对绝大多数基准函数的求解具有更高的精度、稳定性和定位精度.

基于改进鲸鱼算法优化SVM的软件缺陷检测方法

为解决传统支持向量机在软件缺陷检测中存在分类精度低、参数选择困难等问题,文章提出一种基于改进鲸鱼算法优化SVM的软件缺陷检测方法LFWOA-SVM。首先针对鲸鱼算法在求解过程中存在收敛速度慢、寻优效率低和局部最优解问题,基于Levy飞行策略优化鲸鱼觅食阶段,最大限度地实现搜索代理多样化,并利用混合变异扰动算子提高WOA的全局寻优能力;然后采用改进的鲸鱼算法LFWOA对SVM的惩罚因子和核函数参数进行优化,在获得最优参数的同时可有效检测软件缺陷。仿真实验表明,在6个基准测试函数中,LFWOA展现出更高的寻优速度和全局搜索能力;在8个公开软件缺陷数据集上进行测试显示,LFWOA-SVM方法能够有效提高分类性能和预测精度。

融合历史记忆的单纯形引导鲸鱼优化算法

针对鲸鱼优化算法存在易陷入局部最优、收敛速度慢等缺点,提出一种融合历史记忆的单纯形引导鲸鱼优化算法。首先,为了避免初始化种群过于集中而陷入局部最优,提出了使用混沌映射对初始化种群进行改进,增加了种群多样性;其次,为了解决算法收敛精度低和收敛速度慢的问题,提出了融合历史记忆的单纯形引导策略,利用单纯形法和构建的历史记忆表求解出一个虚拟最优解作为下次随机搜索阶段的引导者,帮助种群在前期的勘探过程中进行细致地搜索;最后提出一种新的非线性参数策略,平衡算法的开发和勘探能力。将算法应用于12个典型的复杂函数优化问题,并与其他5种智能算法比较,实验结果表明,改进后的算法在收敛精度与速度方面均为第一,具有良好的全局搜索能力和局部开发能力。

基于改进鲸鱼优化算法的AGV柔性作业车间多目标优化调度

针对柔性作业车间的自动引导车辆(Automated Guided Vehicle,AGV)调度问题,基于可持续视角,考虑车间能耗问题,在机器和AVG数量均存在数量约束的条件下,以最小化最大完工时间、车间能耗和AGV使用数量为优化目标构建可持续柔性车间调度模型。首先,设计一种改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),在标准的鲸鱼优化算法的基础上引入非线性收敛因子和自适应惯性权重以提升算法的搜索能力和收敛速度;其次,使用模糊隶属度理论构建了损失函数,以获得多目标模型的最优折衷解;最后,基于算例实验验证算法性能。实验结果表明改进鲸鱼优化算法在求解2个算例时均表现出良好的效果,为求解采用AGV运输的可持续柔性作业车间多目标优化调度提供了一种有效的实践途径。

基于改进鲸鱼优化算法的离场航班时刻优化

面对航空客货运输服务迅速增长、各地机场离港高峰时段拥挤度激增的情况,需要对离场航班进行优化配置,降低高峰时段离场总延误时间,同时保障航空公司申请的航班时刻总偏移。考虑航班时刻唯一性、走廊口流量限制、机场容量限制等因素,建立双目标离场航班时刻优化模型,运用精英反向策略与黄金正弦算法对鲸鱼优化算法(WOA)进行改进后求解。以北京首都国际机场为例,使用AirTOp对优化后的结果进行仿真验证。结果表明:优化后航班平均延误减少77.62%。因此,改进鲸鱼优化算法可以有效降低离港高峰时段延误,增强机场运行效率,合理配置有限的时刻资源。

基于变分模态分解与鲸鱼算法优化回声状态网络的风速预测模型

风速受多种因素影响常伴随着随机性和非平稳性,给风电接入电网造成了相当大的困难,准确的风速预测对风力发电有着极大的研究意义。将变分模态分解算法与鲸鱼算法优化回声状态网络模型相结合,提出了一种风速预测模型。首先通过变分模态分解算法将风速序列分解成多个分量以减少风速内部信号间的耦合性,降低建模难度。然后对这些分量分别建立对应的回声状态网络预测模型。针对回声状态网络模型性能受储备池参数影响较大的问题,采用鲸鱼优化算法对储备池参数进行优化。风速的最终预测值由分解后各分量预测值相加得到。最后,将实际采集的短期风速数据作为研究对象,通过与其他4种预测模型的对比分析表明提出的风速预测模型具有更高的预测精度,能够更好地对风速的变化趋势进行预测。

基于混合遗传算法的海军航空兵场站物资配送车辆调度智能优化

为提升海军航空兵场站物资配送车辆调度效率,根据海军航空兵场站物资配送任务特点,建立了物资配送车辆调度优化模型,提出了混合遗传算法(hybrid genetic algorithm,HGA)对模型进行了求解。在HGA中引入了模拟退火(simulated annealing,SA)操作对经典遗传算法(genetic algorithm,GA)进行了改进:选择适合模型的编码方式和交叉算子;使用类似路径构造的方法构建初始种群;在遗传操作产生子种群之后,通过SA操作寻找子种群邻域中的潜在优秀个体,提升算法局部搜索能力。最后,通过与经典GA的对比实验,验证了所提算法的有效性和可靠性。

基于B样条与鲸鱼优化算法的机械臂轨迹规划

为了提高机械臂的工作效率,构建一种基于B样条与鲸鱼优化算法(whale optimization algorithm,WOA)的机械臂时间最优轨迹规划方法.用蒙特卡罗法描绘机械臂的工作空间,用B样条对给出的路径点进行插值处理,根据机械臂各个关节的性能,引入角速度与角加速度约束,同时加入边界条件.在构建时间最优的目标函数后,利用引入惯性权重值的WOA对机械臂运行时间进行优化.用Matlab进行仿真验证,结果表明构建的算法在时间优化方面效果好于传统的5次多项式方法,并且角速度与角加速度曲线连续平滑,验证了算法的有效性和可行性.

融合T-分布小波变异的混沌鲸鱼优化算法

针对鲸鱼优化算法难以跳出局部最优导致收敛精度不足的问题,提出一种融合了T-分布小波变异和多项式差分学习策略的鲸鱼优化算法.该算法首先引入Circle混沌扩大搜索范围,提高收敛速度;然后采用T-分布小波变异策略平衡全局和局部搜索能力;最后采用多项式差分学习策略改进算法的优化精度.对3种改进策略作单一引入的仿真对比分析,并将改进的鲸鱼优化算法在12个可变维度的基准测试函数上进行仿真,对本文改进的鲸鱼优化算法与其他改进策略的鲸鱼优化算法以及其他几种智能算法进行比较.结果表明,基于T-分布小波变异和多项式差分学习策略的改进鲸鱼优化算法具有较好的稳定性,收敛速度和精度更好.