基于多目标离散布谷鸟搜索算法的产品服务系统方案配置优化

为辅助工程师进行产品服务系统方案设计,提出一种基于离散布谷鸟搜索算法与Pareto结合的配置优化方法。以成本、质量和时间为目标函数,采用动态惩罚函数方法将约束优化问题转化为多目标优化问题。基于Sobol序列初始化,采用十进制编码和非支配更新方法改进多目标离散布谷鸟搜索算法,以提高初始解的多样性与优化性能。将所提方法应用于某数控机床产品服务系统方案配置优化,通过结果分析及性能对比,验证了该方法解决高维度空间内产品服务系统方案配置优化的有效性与可行性。

移动群智感知系统中基于离散布谷鸟搜索算法的任务分配

针对移动群智感知系统中工人积极性低以及任务过期的问题,提出了基于初始成本和软时间窗的任务分配算法。对应的任务分配问题为NP-hard问题,不存在计算有效的最优算法,因此,基于离散布谷鸟搜索算法(DCSA)进行求解。首先,根据问题特征,分别设计了对应的全局搜索过程以及局部搜索过程。其次,根据任务与工人起始位置的距离以及时间窗大小,分析其优先级以便得到更好的解。最后,执行可行化操作,使各次任务分配均满足相关约束。仿真结果表明,与遗传算法和贪婪算法相比,基于DCSA的任务分配算法能够提升工人的参与积极性,解决任务过期的问题,并最终降低系统的总成本。

基于离散布谷鸟搜索算法的拆卸序列规划方法

文章提出一种基于离散布谷鸟搜索算法的拆卸序列规划性方法,该方法以赋权拆卸混合图模型为理论基础,并以此为基础建立了可拆卸条件。首先,建立离散布谷鸟搜索算法和拆卸序列规划之间的映射关系;其次,基于最优拆卸方向分层筛选顶点集合组成初始种群;再次,利用离散Levy飞行对鸟巢位置进行变换,利用离散巢寄生行为进行鸟巢的局部调整。在达到最大迭代次数后,对属性值比较好的几个鸟巢进行解码并判断可行性,最终得到最优可行拆卸序列。以管路模型为例,分别利用离散布谷鸟搜索算法、遗传蝙蝠算法和粒子群优化算法进行了拆卸序列规划。经过比较后发现,该方法求解出的拆卸序列质量较高。

一种新型低复杂度双层分组天线选择算法

针对平坦相关瑞利衰落信道环境下的端到端大规模MIMO系统复杂度过高的问题,提出一种基于离散布谷鸟搜索的低复杂度双层分组天线选择算法。该算法首先基于天线信道相关性对大规模天线阵列进行分组处理,进而利用新型双层算法对分组的天线集合进行优化天线选择。其中,新型双层算法的第一层是每小组天线基于离散布谷鸟搜索的内部选择,第二层是对第一层选择的所有天线利用离散布谷鸟搜索进行最终的选择。提出的新型天线选择算法可有效降低大规模MIMO系统复杂度。仿真结果验证了在平坦相关瑞利衰落信道环境下,提出的天线选择算法能够以较低选择复杂度获得接近最优选择方法的容量性能和较优的BER性能。