基于改进麻雀搜索算法的变电构架优化方法

为了解决变电构架设计中的优化问题,采用改进麻雀搜索算法对其进行优化设计。在基本麻雀搜索算法中引入Circle混沌映射,以提高种群的多样性和算法的全局搜索能力;引入萤火虫算法对麻雀搜索算法进行扰动更新,使其易于跳出局部最优。建立尺寸优化的数学模型,采用罚函数法处理约束条件。先将改进后的算法用于典型桁架算例分析,证明其稳定性与有效性,再将其用于变电构架的优化设计,结果表明,采用改进后的麻雀搜索算法能够有效提升变电构架的优化效果。

基于改进麻雀搜索算法的冷链物流路径优化

针对城市间冷链物流对成本与时效的高要求,提出了一种改进的离散麻雀搜索算法。通过对麻雀维度序列的映射,实现了算法的离散化;引入基于维度的邻域模型以加强麻雀种群内的信息交流,降低陷入局部最优解的可能;引入动态因子以改进发现者位置更新公式,平衡算法的开发与勘探。采用23个标准测试函数进行测试,实验所得平均值与方差表明,改进算法的搜索性能与稳定性得到了极大的改善。采用6个标准VRPTW数据集测试改进算法求解复杂路径优化问题的能力,对比实验表明,改进算法能够以更快的速度求得更优的可行解,验证了改进算法的有效性与稳定性。最后使用小规模数据集可视化展示了改进算法在路径规划问题的提升。

融合粗糙数据推理的离散麻雀搜索算法求解HFSP问题

针对麻雀搜索算法(SSA)易陷入局部最优、无法求解离散优化问题等不足,提出了一种改进离散麻雀搜索算法(IDSSA)。抽象原始麻雀搜索算法的位置更新公式,针对个体的不同身份设计新的离散化启发式位置更新策略,并针对混合流水车间调度问题(HFSP)设计了编码与解码方式;引入粗糙数据推理理论,通过数学证明解释了引入理论的可行性与合理性,为算法提供理论支撑,提高可解释性;利用上近似的性质扩大搜索空间,提高种群多样性,避免算法早熟,结合划分及粗糙数据推理提出3种策略,促进种群间信息共享,调节种群的开发能力与探索能力,降低算法陷入局部最优的概率;使用改进离散麻雀搜索算法求解混合流水车间调度问题,对3个小规模实例与10个Liao经典测试集进行仿真实验,验证了改进离散麻雀搜索算法求解混合流水车间调度问题的可行性,通过与遗传算法、差分进化算法等经典算法的对比实验,证明了所提算法的优越性与改进策略的有效性。

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。

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.

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.

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。