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。

基于改进离散型麻雀搜索算法的配电网恢复重构方法

针对传统智能优化算法在恢复重构中搜索空间大、不可行解多,且易早熟收敛、效率低等问题,提出了一种基于改进离散型麻雀搜索算法的配电网恢复重构方法。利用配电网每生成一个环路需断开一个开关来保持其辐射状的思想,采用基于有序环矩阵的整数编码方式对多个环路内的开关状态进行编码。结合Sin混沌映射、Metropolis和扰动机制设计了改进的离散型麻雀搜索算法,并将其应用于配电网恢复重构模型的求解。大量仿真表明所提方法能有效实现恢复重构,使重构后配电网的供电可靠性和供电质量得到改善。

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。

基于改进麻雀搜索算法的服务功能链优化映射算法

为了实现5G网络场景下服务功能链的低成本高效率部署,提出了一种基于改进麻雀搜索算法的服务功能链优化映射算法。在服务功能链映射过程中,采用双层编码方式,将服务请求的组链方案和映射方案进行混合编码,然后使用改进离散麻雀搜索算法进行求解,得到该请求的服务功能链部署方案,并计算其映射权重。当同一时间片内存在多个请求类型时,按照映射权重对所有服务功能链进行排序,优先映射权重高的请求,以此减少延迟开销,提高节点计算资源利用率和链路资源利用率。仿真结果表明,该算法可以有效减少部署开销,提高资源利用率。

基于离散搜索神经网络的数字调制类型识别

采用组合神经网络的离散搜索算法对通信信号的调制类型进行分类 ,在保证足够识别率的前提下 ,减少训练时间方面取得了较好效果 .仿真实验结果证明了此方法的有效性 .

基于离散和声搜索的云计算任务调度研究

云计算任务调度是云计算最重要的问题之一。为解决云计算调度问题,提出一种基于改进和声搜索的调度算法。该算法采用离散形式编码,以总的任务完成时间为优化目标,并对标准和声搜索算法中新和声产生方式进行了改进。最后,在Cloud Sim平台上进行了仿真实验。实验结果表明,新提出的算法具有较好的调度性能。

基于离散型麻雀搜索算法的食品抽检路径优化

目的提出一种基于离散型麻雀搜索算法的食品抽检路径高效优化方法。方法通过对抽检点编码,不同编码间路径计算及优化,构建离散型麻雀搜索算法并与其他已知算法进行比较与验证。结果本研究构建的离散型麻雀搜索算法,对于Burma14、Bays29、Oliver30和Att48等实例,本算法都可以求得已知最优解。对于Kioa100和Ch130等实例,本算法得到的偏差率,分别是0.1%和1%,优于传统的遗传算法(偏差率分别是3%和4.2%)。结论本研究创建的基于离散型麻雀搜索算法的食品抽检路径优化方法,在求解精度和收敛速度方面有更好的表现,有助于双随机抽检点生成和抽检路径优化的实际工作,为"双随机"抽检信息系统的实用化提供了可行的算法支撑。

面向高效低碳的切削参数与柔性作业车间调度集成建模与优化

传统制造业切削参数优化与柔性作业车间调度优化通常独立进行,将切削参数与调度方案之间进行集成优化,能更好地解决车间高效低碳优化问题。以制造过程碳排放和最大完工时间为目标,建立切削参数与柔性作业车间调度高效低碳集成优化模型,提出一种改进的离散化引力搜索算法(IDGSA)求解机器切削参数与调度方案之间的协同优化问题。根据集成优化问题特性,首次设计了一种工件序列—机器序列—切削参数模式三层编码方式,并且不同的编码方式采用不同的初始化方法,保证初始解的质量以及多样性。针对集成优化问题的三层编码特性,提出一种新的竞选机制,竞选出最优双层序列,与精英质点的工件序列交叉产生新的质点,引导算法向真实Pareto前沿靠近;所提算法中采用多点交叉和变邻域搜索实现分散搜索与集中搜索有机平衡。通过对比改进的非支配排序遗传算法(NSGA-Ⅱ)和离散化引力搜索算法(DGSA),以及将提出切削参数可变的集成优化方法与3种切削参数不可变的优化方法进行对比,验证了所提改进算法的优越性和集成策略的有效性。

基于众包模式的两级开闭混合车辆路径优化

针对在需求井喷状态下的物流运力资源不足和物流企业自身与社会闲散资源利用率不高的问题,提出采用企业车辆完成一级配送,社会车辆完成二级配送的具有最优中转站的两级众包物流配送策略.考虑客户对服务时间的要求,以路径成本与服务延迟惩罚成本总和最小为优化目标,建立带时间窗的两级开闭混合式车辆路径规划数学模型.根据模型特点构建基于启发式策略的离散麻雀搜索算法,该算法在迭代过程中可以自适应选择操作算子.通过与GUROBI精确求解器和遗传算法优化算例的结果对比,验证所提算法的有效性.对比不同配送模式下的各项成本,结果表明所提策略能够有效降低物流运输成本和提高客户满意度.

整体效率与整体效益最优的数学模型及其求解

考察投资决策问题,从整体效率和整体效益兼顾的角度思考,提出兼顾整体效率和整体效益最优的数学模型(GEGBOM),基于模型离散形式的决策变量,并按照投资活动的效率值进行排序,提出一种改进的离散和声搜索算法,为满足最低期望产出和最高投资额约束,算法执行过程中进行和声修正策略,数值结果表明了模型及算法的合理性和有效性。

考虑排队因素的多车型车辆配置与路径协同优化

针对制造企业内车辆物流水平低、效率低、成本高等问题,考虑多车型、多品种货物以及车辆排队等待、车辆数量受限等因素,建立以总物流完成时间、总行驶里程、总物流成本为目标的车辆配置与路径协同优化模型。针对问题特征,提出一种混合离散麻雀搜索算法进行求解。在算法中,设计基于Tent混沌序列的反向学习初始化策略,以提高种群的多样性;针对不同麻雀种群,设计离散化策略以适应问题的离散特征;结合车型与路径特征,构造多种局部搜索策略,以提高算法的局部搜索能力;引入模拟退火Metropolis准则,并设计多目标解的保留策略,以避免算法陷入局部最优。通过对某水泥企业的实际车辆物流案例分析,验证所提策略的有效性以及所提算法的优越性。所得物流方案可以有效降低11%的物流成本,提高19.8%的物流效率,并减少29.1%的车辆行驶里程。

基于DSSA的煤矿微震监测台站空间布局优化方法研究

为了合理设计煤矿微震监测台站布局,提高微震系统定位精度,提出一种基于离散型麻雀搜索算法(Discrete Sparrow Search Algorithm,DSSA)的煤矿微震监测台站空间布局优化方法.首先提出了最小定位误差优化模型;其次提出了整数编码,将种群个体与空间台站候选点相互对应,同时引入交换算子和离散Levy飞行改进麻雀搜索算法;最后通过改进后麻雀搜索算法对优化模型进行求解寻找台站布局位置.通过仿真实验从62个候选点中选择20个位置部署台站,实验给出了台站布局情况,在寻优精度方面提高了28.8%、53.4%、43.1%,验证了基于最小定位误差优化模型优于基于D值优化模型.在现场实验中,按照矿区安装计划确定安装数量,根据矿区地表起伏情况以及矿区范围确定台站候选点;然后利用离散型麻雀搜索算法对最小定位误差模型进行求解,给出最终优化布局结果.矿井五处重点监测区域震源最小定位误差降至8.0 m,为煤矿微震台站空间布局提供了一种新方法.