基于自适应变异规则的一种有效的进化规划

为改善普通进化规划的算法性能 ,通过学习进化过程中获得的种群整体进化信息 ,提出进化规划的一种新的自适应变异规则。基于该规则的进化规划不仅能加快算法的收敛速度 ,而且能有效地保证种群的多样性。用该方法可求解具有多个极值点的函数优化问题 。

自适应膜计算算法及在ABS系统中的应用

针对传统方法设计的PID控制器在汽车防抱死控制系统(AntilockBrakingSystem,ABS)中,难以满足全工况运行的性能要求,提出一种自适应膜计算优化算法用于整定PID控制器参数。所提算法改进了变异规则在寻优过程中的自适应性,从而克服算法的收敛速率低及较差的抗欺骗能力。算法通过自适应变异规则、转位规则、交叉规则及交流规则对膜内可行解不断更新,最终求出最优解。通过4个不同维数的典型测试函数对算法的计算精度,收敛速率等性能的测试显示了该算法有效性,并明显优于4种对比算法。最后,将算法用于ABS系统中,整定的PID控制器参数实现了良好的全工况下制动控制性能。

考虑工件移动和成本的多目标柔性作业车间调度问题优化研究

针对考虑工件移动时间约束的柔性作业车间调度问题,构建了以加工总成本和最大加工时间最小为目标的数学模型并用改进遗传算法求解。针对柔性作业车间调度问题(FJSP)特性,算法中采用基于工序的集成编码操作,实现工序排序和机器匹配的内在关联并由此产生可行的调度方案;根据编码结构设计了有效的交叉和变异操作,从而避免了非法调度解的出现;为克服遗传算法的早熟收敛和减少调度开销,用贪婪解码算法生成主动调度、设计了自适应变异规则并采用混合子代产生模式提高染色体适应值。最后通过测试问题的求解及数值分析,证明了算法和模型的有效性及鲁棒性。