一种求解球面三维旅行商问题的改进离散蝙蝠算法

提出了一种求解球面三维旅行商问题的改进离散蝙蝠算法。通过离散化基本蝙蝠算法,对其全局搜索和局部搜索进行重新定义,使其适合求解球面三维旅行商问题。利用贪婪随机机制产生较好的初始解,并设计了交换、逆序和插入操作,最后融入2-opt算子。与模拟退火算法、禁忌搜索算法和改进的花朵授粉算法相比,6种不同城市规模的仿真实验表明,该算法在求解球面三维旅行商问题时寻优能力和鲁棒性方面表现优越。

混合离散蝙蝠算法求解多目标柔性作业车间调度

针对以最大完工时间、生产成本和生产质量为目标的柔性作业车间调度问题,在研究和分析蝙蝠算法的基础上,提出一种混合离散蝙蝠算法。为了提高求解多目标柔性作业车间调度问题的混合离散蝙蝠算法的初始种群质量,在通过分析初始选择的机器与每道工序调度完工时间两者关系的基础上,提出一种优先指派规则策略产生初始种群,提高了算法的全局搜索能力。同时采用位置变异策略来使得算法在较短的时间内尽可能多地搜索到最优位置,有效地避免了算法早熟收敛。在计算问题的目标值上面,首次提出时钟算法。针对具体实例进行测试,试验数据表明,该算法在求解柔性作业车间调度问题上有很好的性能,是一种有效的调度算法,从而为解决这类问题提供了新的途径和方法。

一种求解TSP问题的离散蝙蝠算法

蝙蝠算法是一种新型的群智能优化算法,在求解连续域优化问题上取得了较好的优化效果,但在离散优化领域的应用较少。研究了求解TSP问题的离散蝙蝠算法,设计了相关操作算子实现算法的离散化,并引入逆序操作使算法跳出局部最优。对TSPLIB标准库中若干经典实例进行测试并与粒子群和遗传算法进行对比分析,结果表明设计的离散蝙蝠算法无论在求解质量还是求解效率上都有明显优势,是一种高效的优化算法。

新型离散蝙蝠算法求解柔性流水车间调度问题

针对以最小化完工时间为目标的柔性流水车间调度问题,提出了一种新型离散蝙蝠算法。介绍了蝙蝠算法的基本思想,重新定义速度与位置的加法操作来实现粒子的位移,给出了算法的具体实现方案。通过实例仿真和算法比较验证了算法的优化性能,实验结果表明该算法可以有效地求解柔性流水车间调度问题。

基于改进离散蝙蝠算法的无线Mesh网络部分重叠信道分配

针对应急通信背景下无线Mesh网络(WMN)中存在的信道干扰和频谱资源利用不充分的问题,该文提出一种改进的离散蝙蝠算法(IDBA)用于求解最优部分重叠信道(POCs)分配方案。该方法采用K-means聚类算法优化网络拓扑,引入樽海鞘群的链式行为提高局部搜索能力,建立以最小化链路加权干扰为目标的线性规划模型来解决流量汇聚情况可能造成的网络瓶颈链路问题。仿真结果表明,在不同网络规模下,相比于其他基于群智能优化算法的信道分配方法,该方法具有较快的收敛速度和较优的搜索能力。此外,该方法能够在节点密集时显著降低网络干扰并保持网络的稳定性。

带时间窗的车辆路径问题的离散蝙蝠算法

本文提出了一种离散蝙蝠算法求解带时间窗的车辆路径问题(vehicle routing problem with time window).该算法提出了蝙蝠位置的定义、速度的定义、位置更新操作、速度更新操作、频率更新操作,并采用惩罚机制与向量比较机制相结合的方法处理相关约束条件.该算法引入了随机插入策略、最少客户车辆插入搜索、普通插入搜索、交换搜索、带时间窗的2-Opt搜索等策略来扩大搜索空间、加强算法的收敛效率.实验结果表明:所提出算法具有较强的寻优能力、较高的鲁棒性、较少的时间耗费;本文所采用的关键参数值和策略能提高所提出算法的性能;通过假设检验证明了所提出算法与对比算法之间的算法性能均有显著性差异.

基于离散蝙蝠算法的舰船作战系统测试性分析

[目的]针对舰船作战系统中系统级测试性分析的测试集优化和测试序列优化问题,[方法]以多信号流图模型为基础,采用优化精度高、算法收敛速度快的离散蝙蝠算法(DBA)对最优完备测试集和各类故障测试序列进行求解,并以舰船作战系统为研究对象,将故障隔离率、平均测试代价和平均期望测试代价等主要指标与现有的优化方案进行仿真对比分析。[结果]仿真结果表明:与其他算法相比,离散蝙蝠算法具有更好的优化效果,其故障隔离率可提升5.5%、平均测试代价与期望测试代价可分别下降6.35%和17.01%。[结论]研究成果验证了离散蝙蝠算法应用于系统级测试性分析的可行性和优势,可为系统级测试性分析工程提供参考。

基于混合离散蝙蝠算法的跨工序协同调度问题

针对跨工序的生产与配送协同调度问题,构建了前工序单机批加工、后工序多产线逐订单加工,且工序之间采用自动引导车循环配送的协同调度模型。以最小化最大完工时间和后工序前的在制品等待时间为调度目标,设计了融合模拟退火算法与解串算法的混合离散蝙蝠算法,与改进的离散粒子群算法和Ullrich遗传算法相比,该算法能很好地减少后工序产线前的队列等待时间,缩短产品的生产周期。

基于改进离散蝙蝠算法堆垛机路径优化研究

在自动化立体仓库中,对堆垛机的拣选路径合理优化可以提高货物出入库的效率。本文在不固定堆垛机位置和不考虑周转箱容积的情况下,将拣选路径模型归类为经典的TSP问题,利用蝙蝠算法并设计了一套相关操作算子,在局部搜索过程中混合遗传算法中的交叉策略和2-Opt策略对该数学模型进行优化求解。实验结果表明,该改进离散蝙蝠算法能较好的缩短堆垛机拣选路径距离,提高仓库的运行效率。

CVRP的改进离散蝙蝠算法

针对带容量约束问题的车辆路径问题(Vehicle Routing Problem,CVRP),提出了一种改进的离散蝙蝠算法进行求解。所提出的算法定义了离散的蝙蝠位置、速度、频率以及更新规则。进一步,通过贪心规则对车辆的路径进行容量约束,并引入了局部交换策略进行局部搜索。实验证明,所提出的算法能够有效地解决CVRP。

离散蝙蝠算法在三阶段装配流水线调度问题的应用

为了解决三阶段装配流水线调度问题,提出一种改进的离散型蝙蝠算法(DBA).针对所提问题的瓶颈期,提出下限理论,改进三阶段瓶颈期的下限公式,并引入调度模型生成初始种群,重新划分蝙蝠的捕食范围(HR),通过捕食行为、迁移行为的改进提高局部搜索能力,以有效提高离散蝙蝠算法的性能.改进K-means聚类算法,将具有最高相似性的蝙蝠进行分组,缩短计算时间,加快算法收敛速度.通过对不同规模实例的仿真实验与对比分析,对机器、产品和组的数量进行测试,验证了DBA的总体性能比其他算法更优;在算法的有效性和解的质量方面,通过对动态控制参数、DHR和精英策略的改进,有效地增强了算法的搜索能力.

求解带容量和时间窗约束车辆路径问题的改进蝙蝠算法

带时间窗和容量约束的车辆路径问题是车辆路径问题重要的扩展之一,属于NP难题,精确算法的求解效率较低,且对于较大规模问题难以在有限时间内给出最优解。为了满足企业和客户快速有效的配送需求,使用智能优化算法可以在有限的时间内给出相对较优解。研究了求解带容量和时间窗约束车辆路径问题的改进离散蝙蝠算法,为增加扰动机制,提高搜索速度和精度,在对客户点按其所在位置进行聚类的基础上,在算法中引入了变步长搜索策略和两元素优化方法进行局部搜索。仿真实验结果表明,所设计算法具有较高寻优能力和较强的实用价值。

基于偏序对改进蝙蝠算法的旅行商问题研究

作为一种新兴的群智能启发式算法,蝙蝠算法近年来被广泛用于求解离散、连续、及组合优化问题。针对典型组合优化问题中的旅行商问题,提出了一种基于偏序对改进的蝙蝠算法用于求解离散型旅行商问题。通过对蝙蝠速度、位置的更新,使算法具有更强的适用性。对16个标准旅行商问题(traveling salesman problem,TSP)进行测试与对比分析以验证算法有效性。实验结果表明:所提出的偏序对蝙蝠算法在大多数实例中均优于其他算法。

云环境中多目标优化的虚拟机放置算法

虚拟机放置(VMP)是虚拟机整合的核心,是一个多资源约束的多目标优化问题。高效的VMP算法不仅能显著地降低云数据中心能耗、提高资源利用率,还能保证服务质量(QoS)。针对数据中心能耗高和资源利用率低的问题,提出了基于离散蝙蝠算法的虚拟机放置(DBA-VMP)算法。首先,把最小化能耗和最大化资源利用率作为优化目标,建立多目标约束的VMP优化模型;然后,通过效仿人工蚁群在觅食过程中共享信息素的机制,将信息素反馈机制引入蝙蝠算法,并对经典蝙蝠算法进行离散化改进;最后,用改进的离散蝙蝠算法求解模型的Pareto最优解。实验结果表明,与其他多目标优化的VMP算法相比,所提算法在使用不同数据集的情况下都能有效降低能耗,提高资源利用率,实现了在保证QoS的前提下的降低能耗和提高资源利用率两者之间的优化平衡。

基于离散混沌蝙蝠算法的测试点选择

针对模拟电路测试点的选择问题,基于智能优化算法的测试点选择方法相比于传统的迭代法具有一定的优越性,但是仍然存在算法复杂度过高等问题。在深入研究蝙蝠算法BA的基础上,采用混沌映射对算法进行优化,并用变换函数将算法离散化,提出一种离散混沌蝙蝠算法CBBA,将算法应用于测试点选择。通过实验仿真,证明该算法具有较高的准确度,而且与其他算法对比发现,该算法具有更好的性能。

面向能耗机制的多目标柔性作业车间调度

针对面向绿色制造的车间调度问题,考虑能源消耗、最大完工时间、生产成本等调度目标,建立多目标柔性作业车间调度问题模型。针对该模型特点,提出一种改进离散蝙蝠算法对其求解;为有效地表达出工序与粒子种群之间的关系,采用一种整数编码策略;通过设计一种具有记忆能力的粒子变异操作避免了算法早熟收敛、求解精度低等问题;同时算法中引入了一种线性递减的惯性权重策略,更好地平衡了算法的全局搜索能力和局部搜索能力。最后针对具体生产实例进行验证,实验数据表明,该改进算法在求解多目标柔性作业车间调度问题上具有良好的性能,是一种有效的调度算法。

装备精确保障任务规划建模与混沌蝙蝠算法求解

针对装备精确保障任务规划中任务时序逻辑约束和资源占用冲突等问题,建立以时效优先为目标的数学模型,提出基于多维动态列表规划和混沌蝙蝠算法的混合任务规划方法.通过多维动态列表规划选择处理的任务,设计具有自适应搜索策略和变异操作的离散混沌蝙蝠算法,为选定的任务分配资源.全局搜索中自适应调整惯性权重和学习因子以达到探索与开发能力的最佳平衡,局部搜索中采用混沌变异操作以协助种群跳出局部最优.仿真算例表明,所提出算法具有较快的收敛速度和较高的求解精度.