柔性车间生产资源与AGV物流资源联合优化调度

柔性车间生产资源与物流资源关联性越来越强,各资源独立调度无法实现系统的高效率运行。针对此问题,提出了基于二维度自适应遗传算法的车间生产资源与物流资源联合调度方法。明确了AGV系统组成、工作模式和分配策略,建立了柔性车间的栅格地图模型;以车间完工时间最小为目标,建立了生产资源与物流资源联合调度模型;从时间和空间2个维度设计自适应算子,提出了基于二维度自适应遗传算法的联合调度方法。经合作企业某车间生产验证,二维度自适应遗传算法联合调度方案的完工时间为68 min,小于遗传算法和自适应遗传算法调度方案;经参数敏感性分析可知,二维度自适应遗传算法鲁棒性好,对不同情况下的车间调度问题都具有较好的性能。

虚拟现实下辅助建筑照明设计的智能推荐算法及模块

近年来,随着专家系统的不断发展,其在建筑性能优化及方案推荐方面的优势逐步凸显。但目前的方案推荐不能做到主客观有效结合,容易造成设计的循环往复。因此,本文针对照明设计特点,提出了一种维度自适应粒子群算法,并以此为基础开发了智能推荐模块。该模块可对灯具阵列排布及单灯精细布控进行方案推荐,其被嵌入虚拟现实建筑照明交互设计辅助系统,以辅助设计师的早期照明设计。本文选取办公室作为实验场景,对20个工况进行方案推荐,相比标准PSO算法,在满足照度要求下,灯具阵列推荐模块推荐的方案实现平均节能57.9%,单灯精细推荐模块推荐的方案实现平均节能45.2%。用户同时可在推荐方案中进行虚拟场景漫游,在主客观相结合下进行决策,设计效率得到提高。

基于改进灰狼算法和自适应分裂KD-Tree的点云配准方法

针对传统GWO存在搜索效率不足、易陷入局部最优等问题,提出了一种基于改进GWO和迭代最近点(ICP)的工业复杂零件点云配准方法。针对GWO随机初始化导致种群分布不均匀的问题,采用混沌映射对灰狼种群进行初始化,使种群更加均匀地分布在搜索空间内;引入一种非线性控制参数策略,平衡灰狼算法的局部搜索和全局搜索能力;融合精英反向学习,提高算法后期解的质量;利用ICP算法进行精配准。设计一种自适应分裂维度的方法,动态选择分裂维度,提高点云数据质量。仿真结果表明:IGWO相较于3种对比算法的RMSE平均提高了80.31%、73.99%、47.7%。

基于类加权YOLO网络的水下目标检测

由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以获得更好的效果,并引入了目标框自适应维度聚类方法,进一步提升了检测性能.实验结果表明,本文算法与传统的YOLO网络模型相比,在每幅图片包含近20个目标的密集目标检测任务中,能够将平均准确率从71.2%提升至74.1%,召回率由71.1%提升到78.3%.

求解带约束优化问题的混合式多策略萤火虫算法

目前多目标优化算法主要针对如何处理多个目标之间的冲突,对于如何处理约束考虑较少,鉴于此,提出一种求解带约束优化问题的混合式多策略萤火虫算法(HMSFA-PC).首先,提出一种改进的动态罚函数策略对约束优化问题进行预处理,将其转换为非约束优化问题;其次,对萤火虫算法本身进行改进,采用Lévy flights搜索机制有效地增大搜索范围;接着,引入随机扩张因子改进算法吸引模型,使种群突破束缚,有效避免早熟收敛,提出自适应维度重组机制,根据不同迭代时期选择差异性较大的个体进行信息交互、相互学习.为检验算法处理无约束优化问题的性能,将其在基准测试函数上与部分典型算法进行比较;为检验算法处理约束优化问题的性能,将其在实际约束测试问题中与一些顶尖约束求解算法进行比较.结果表明,HMSFA-PC在处理无约束优化问题时具有收敛速度快、收敛精度高等优势,并且在动态罚函数的协作下求解实际约束优化问题时仍具有良好的优化性能.