基于简化阻抗模型和比较元启发式算法的锂离子电池参数辨识方法

快速准确地辨识电化学参数对锂离子电池机理建模至关重要。而传统的参数辨识方法多采用直接拟合,难以精确反映电池的内部状态。为解决这一问题,本工作以37 Ah三元电池为研究对象,基于电化学反应中的法拉第过程、双层电容的弥散效应的非法拉第过程以及固相与液相的传导过程,构建了一个与电化学模型映射的修正简化阻抗模型,与伪二维(P2D)模型不同,该模型输入为不同荷电状态(SOC)下的三电极电化学阻抗谱(EIS),通过拟合EIS得到对应工况电化学参数,实现对电池模型准确的参数识别。通过拟合阻抗谱,辨识得到了16个高敏感度的电化学参数,其中正极7个、负极9个。我们进一步比较了66种元启发式算法在锂离子电池电化学参数识别中的性能表现,从识别精度、计算效率和鲁棒性等方面对其进行多维分析。研究结果表明,自适应差分进化算法在参数识别中综合效果最佳,其平均绝对百分比误差小于3%,非重复函数计算次数小于35000次,表明其达到最大准确度的同时运算量较低,提出的辨识方法不仅更好地反映了参数的物理意义,还为电化学模型的简化计算和在线辨识提供了有力支持。

基于病毒溯源优化思想的元启发式优化算法

为提高当前元启发式算法的优化精度和收敛性能,模拟病毒溯源过程的优化思想,文章提出一种元启发式病毒溯源多目标优化算法。给出更早感染者、最早感染者、误差最优解和算法性能评价指标的定义,构造追踪方向、追踪指令和追踪范围启发式更新算法,建立具有目标偏好的感染度函数,由此设计具有快速精准搜索能力的启发式追踪算子和筛查算子。通过17个单目标和多目标测试函数优化实验验证了所提算法在优化精度、优化速度和平均误差上均优于参与比较的其他6个元启发式算法,为复杂优化问题的求解提供了一种新的有效方法。

时间敏感网络中基于EDWF-MTTF的启发式调度算法

随着工业控制和信息网络的快速融合发展,基于以太网的时间敏感网络受到了广泛关注。时间敏感网络采用时间触发通信调度来保证数据传输的确定性。然而,现有调度算法难以快速计算大规模周期性流量的调度表。因此,设计了基于带权重的最早截止时间-最大传输时间优先的启发式调度算法,通过灵活适配流量排序权重以及回溯增强等方法,可以在较短时间内解决工业自动化场景中大规模流量的调度问题。实验结果表明,相比经典整数线性规划方法,带权重的最早截止时间-最大传输时间优先的启发式调度算法能更快地计算出大规模周期性流量调度表的较优解。

一种物流配送机器人路径搜索启发式算法研究

针对带有时间窗和配送机器人的车辆路径问题,提出了一种自适应大邻域搜索启发式算法(ALNS)。首先研究了带时间窗口的车辆路径问题,分析了在调度-等待-检索系统中,时间窗约束引起的同步问题以及两种不同的配送资源在时间问题上的关系,在此基础上提出了改进的自适应大邻域搜索(ALNS)启发式算法。该算法通过破坏和修复部分现有解,在每次迭代时改变大部分解,通过创建初始解决方案,并在自适应机制的基础上获得最优解决方案。通过实验证明了该算法在解决带有时间窗和配送机器人的车辆路径问题上的性能和有效性,最后对配送机器人的应用情况进行了敏感性分析。

启发式k-means聚类算法的改进研究

启发式k-means聚类算法通过在k-means第一次迭代后查看附近的集群来预测每个数据点可能会被划分到的集群子集,有效地加快了算法的运行速度。但由于启发式算法存在随机选择初始聚类中心以及无法有效识别数据集中离群点的缺陷,导致聚类结果的误差平方和较大并且轮廓系数偏小。针对这一问题,提出了CHk-means算法,该算法引入仔细播种方法,克服了启发式k-means算法随机选择初始聚类中心带来的局部最优解问题;该算法引入局部异常因子LOF算法对离群点进行检测,降低了离群点数据对聚类结果的影响。在多个数据集上对3种算法进行对比试验,结果表明CHk-means算法可有效降低聚类结果的误差平方和,增强聚类的轮廓系数,使聚类质量得到明显改善。

启发式优化算法及其在汽车零部件优化设计中的应用对比研究

在汽车结构和零部件设计过程中会产生一系列的优化问题,以实现最佳的性能、最轻的质量和最高的效益。由于优化问题的复杂性,通常利用启发式智能优化算法进行求解。针对启发式优化算法的机理不清晰和其在汽车零部件优化设计过程中效果不明确的问题,对具有代表性的算法进行了统一的推导和表示,利用52组数学测试函数和5个汽车零部件优化案例进行测试分析。结果表明,两类混合改进的优化算法在汽车零部件优化设计问题上的效果较好,同时还给出了工程应用建议和算法研究方向。

基于启发式算法的计算机异构大数据跨源调度方法

为了提高计算机异构大数据跨源调度性能,设计了一种基于启发式算法的计算机异构大数据跨源调度方法。将计算机异构大数据跨源调度任务划分为若干子任务,利用max-min思想和min-max思想,构建了跨源调度时间负载均衡模型。基于计算机异构大数据跨源调度顺序的灵活性,利用启发式算法的最优策略,选择最优调度任务。根据计算机异构大数据的状态,计算出异构大数据传输控制协议连接的吞吐量,将待调度异构大数据的质量都作为计算机数据层的子流权重,通过处理所有待调度的子流,实现计算机异构大数据跨源调度。实验结果表明,文中设计的方法可以将跨源操作的级别条件提高至10级,跨源调度计算机异构大数据的利用率超过97%,加速比大于85%,计算机异构大数据跨源调度性能明显提升。

基于启发式回溯算法的平面移动式立体车库RGV调度策略

为了提高立体车库路径规划阶段的兑现率,对有轨引导小车(rail guided vehicle,RGV)运行过程及行程时间进行分析,给出了符合并行调度模式的路径重叠率计算方法,针对立体车库作业特征提出了一种值排序启发式(value ordering heuristics,VOH)回溯算法,构建路径节点滑动时间窗,以单位时间窗内任务请求数作为约束函数,通过评估函数对扩展结点性能进行估值并排序,并利用VOH-预剪枝策略对部分结点进行剪枝,以此提高算法求解速度。在非齐次泊松到达过程下进行仿真,实验结果表明,值排序启发式回溯算法可有效降低RGV并行运行过程中时间、空间的路径重叠率,在该实验规模的立体车库模型中发挥稳定,表现为在RGV平均利用率基本不变的前提下具有更小的平均服务时间,当顾客到达率为40、25、10、5 veh/h时,RGV平均服务时间分别减少18.07%、13.29%、12.46%、4.27%,为提升立体车库运行效率提供参考。

基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法

为了解决建筑钢筋混凝土桁架结构承载力较低的问题,文章提出了基于应力约束和启发式算法的建筑钢筋混凝土桁架结构拓扑优化方法。建筑钢筋混凝土桁架结构设计变量过滤处理为后续计算提供基础。根据轴心受力构件计算标准,构建应力约束条件。使用启发式算法中的组合优化方法,在MATLAB软件完成建筑钢筋混凝土桁架结构拓扑优化。试验结果证明:此方法具有较高的计算能力,可提升桁架结构的应力承载力至70.251J,得到最优优化结果。

多维背包问题的启发式算法研究探讨

多维背包问题是NP难组合优化问题,其模型及算法近年来在众多领域得到了广泛应用。本文主要探讨多维背包问题的启发式求解算法,通过对相关文献进行研究,阐述现有算法的优缺点,针对多维背包问题设计更高效的启发式求解算法,为其提供新的思路和参考。

基于启发式算法和遗传算法的三维装箱问题混合算法研究

在三维装箱问题中,启发式算法和遗传算法都能够较好地解决问题。本文在可放置点生成的启发式算法和遗传算法的基础上,将二者结合生成了新的混合算法来研究三维装箱问题,并通过真实应用场景数据对新的混合算法进行测试,混合算法的装载率和原传统算法相比稳中有增,尤其是针对货物规格种类较多的情况下,混合算法的优势更为明显。In the three-dimensional packing problem, both heuristic algorithms and genetic algorithms can effectively solve the problem. Based on the heuristic algorithm for generating placeable points and the genetic algorithm, this paper integrated the two algorithms into a new hybrid algorithm for the three-dimensional packing problem. The new hybrid algorithm was tested by real data in the application, and its loading rate was stable and had increased compared to the original traditional algorithm. Especially for cases with multiple types of goods, the advantages of the hybrid algorithm were more obvious.

基于多目标混合启发式算法的协同无冲突4D航迹规划

为促进基于航迹运行的框架下未来空中交通管理系统的协同决策,本文提出了一种协同无冲突4D航迹规划方法。首先以提高航班效率和航空公司间的公平性为目标,以无冲突为约束构建了一个多目标整数线性优化模型。其次,提出了一种基于基尼系数的指标以量化航空公司间的成本分配公平性。为了提高问题求解效率,采用了基于网格的探测方法以加速冲突检测,并设计了一种多目标混合启发式算法(Multi-objective hybrid-meta-heuristic optimization algorithm,MHMOA),通过结合模拟退火(Simulated annealing,SA)和爬山局部搜索算法来近似最优的非支配解。最后,利用实际航班计划和航路网络数据比较和分析了MHMOA、SA和两种常规多目标优化算法的优化结果。结果表明,MHMOA所获得的非支配解的质量更高、延误更低且航空公司间公平性更优,在3个多目标优化性能指标方面表现优异,可为空中交通管理员提供更详细的决策支持。

A^(*)蚁群融合的复合启发式路径规划算法

为提高无人机执行巡飞探查任务的效率,规划出一条最优的飞行路径,针对传统蚁群算法应用于路径规划时存在搜索效率低、迭代次数多、路径拐点多的问题,提出一种A^(*)蚁群融合的复合启发式路径规划算法。利用A^(*)算法预搜索差异化初始信息素,减少蚁群算法前期搜索盲目性,提高搜索效率。构造一种复合启发函数,引入A^(*)算法启发思想改进蚁群原本的启发式信息,设计路径平滑启发函数减少路径拐点。改进信息素更新规则,引入路径综合评分指标,使得每次迭代保留综合性能评分最优的路径。仿真实验表明,改进算法提高了搜索效率,一定程度上解决了拐点过多的问题,综合性能指标优于基本算法与对比文献算法,具有一定工程实践与理论研究意义。

混合超启发式算法求解复杂两级车辆路径问题

针对模糊需求下的绿色两级车辆路径问题,以最小化车辆运营成本和油耗成本之和为优化目标,提出一种混合超启发式算法进行求解.首先,考虑两级问题解空间庞大且相互耦合,设计一种聚类分解策略将该问题分解为多个子问题,以合理缩小问题搜索空间;然后,提出增强超启发式分布估计算法(enhanced hyperheuristic estimation of distribution algorithm,EHHEDA)对各个子问题进行求解,进而获得原问题的解.EHHEDA基于超启发式算法框架,在高层策略域设计一种基于三维概率模型的分布估计算法,动态确定由底层操作域中各搜索算子所组成的排列(即高层个体),可有效控制和引导整个算法的搜索行为;同时,在底层操作域设计10种有效邻域搜索算子,并加入重升温操作的模拟退火机制作为问题解(即底层个体)的接受准则,有利于在问题解空间中执行深入搜索.仿真实验结果表明,所提出的算法在大多数测试集上优于近年来用于求解类似问题的算法,验证了所提出算法的有效性.

基于子博弈完美均衡的启发式聚类算法

聚类是一种典型且重要的数据挖掘方法,但现有聚类算法大多需要人为指定聚类的数量,并且聚类结果对参数敏感.针对上述不足,本文提出一种基于子博弈完美均衡的启发式聚类算法(Heuristic Clustering algorithm based on Sub-game Perfect Equilibrium,HCSPE).该算法充分挖掘数据点自身的分布特征信息,通过启发式方法得到自适应的参数值,从而使数据点局部密度属性值的得出具有客观性和普适性,降低了聚类结果对参数的敏感性.基于博弈的思想,综合局部密度和相对距离两个属性形成数据点的竞争力,依靠竞争机制完成聚类数量的自动计算以及聚类中心的确定.在多个规模和类型均不相同的数据集上的实验结果表明,本文所提出算法的性能指标整体优于其他算法,并且聚类结果更符合客观所需.

基于能耗公平性的混合启发式计算迁移算法

当前边缘计算场景下的计算迁移方案往往存在着诸多问题,如资源分配不均匀、任务分配不合理、低效等。为此,提出了一种基于能耗公平性的混合启发式计算迁移机制。基于边缘服务器的能耗公平性、通信资源、计算资源的综合考量,构建了一个最小化完成所有任务总能耗的优化问题。首先,将能耗公平性指标纳入目标边缘服务器的选择依据中,求解出最优的目标服务器;其次,为解决所提出的混合整数非线性规划问题,设计了一种混合启发式计算迁移决策算法。该算法融合了遗传算法(Genetic Algorithm,GA)和模拟退火算法(Simulated Annealing Algorithm,SA),改善了收敛速度和搜索质量,避免算法陷入局部最优解,同时减少算法对初始参数的依赖性,提高算法的稳定性。仿真结果验证了该机制在能量消耗方面相较于其他基准方法具有显著优势,边缘服务器的能耗公平性也最高,且证实了该机制的收敛速度优势。

平均情况下BKZ算法的启发式分析

作为使用最广泛的格基约化算法,BKZ算法是攻击格密码体制或者评估其安全性最重要的工具之一.然而,BKZ算法在实际中的行为预测是一个著名的难题.Hanrot等人基于动力系统方法在2011年首次给出BKZ算法的一个分析结果.他们发现在BKZ算法运行过程中只需多项式次调用SVP子程序即可保证输出约化基的质量.最近,Li和Nguyen改进了Hanrot等人的分析结果,给出BKZ算法运行时间和输出质量更好的上界.然而,关于BKZ算法的理论分析仍有一些问题需要被解决:(1)在BKZ算法的动力学分析中,调用LLL算法对格基产生的影响难以被合理地解释;(2)已有关于BKZ算法的分析结果都是在最坏情况下得到的,与其在实际中的表现存在明显偏差.本文的主要贡献在于基于高斯启发式和动力系统方法给出BKZ算法在平均情况下的一个启发式分析.在本文给出的分析中,上述LLL算法产生的影响可以通过几何级数假设被合理地解释.本文最终得到的分析结果不仅在理论上具有更好的上界,而且可以更准确地估计BKZ算法实际输出约化基的质量.实验结果可以验证上述结论.

基于混合启发式算法的中小学布局优化研究

以就近入学和均衡化发展为目标,提出中小学空间优化方法。从各区域学生平均上学距离与中小学空间分布的角度出发,建立武汉市中小学空间优化模型。基于ArcGIS分析和TS-SA混合启发式算法构建空间优化模型。经过学区优化调整,中小学可达规范服务半径内的能力得到提升,校际差异缩小,较好实现了就近入学、均衡教育和提升服务覆盖的目标。

融合启发式规则与模拟退火算法的排程模型应用

热压成型与铺叠工序作为复合材料生产环节中的关键工序,生产排程不合理导致资源浪费,生产效能低等问题。据此提出一种融合启发式规则与模拟退火算法的双层排程模型。根据问题特性在传统模拟退火算法基础上提出一系列优化策略,进一步提升模型性能。在实证中采用H复合材料加工厂相关制件数据对上述模型进行测试。实验结果表明,铺叠加工时长由93 h减少为82 h,设备空闲时间减少54个小时。排程效果显著,有效提升生产连续性及设备利用率,降低资源浪费。

基于启发式算法的停机位分配研究

针对当前机场停机位资源紧张以及航班延误等问题,本文研究了机场停机位资源分配问题。首先,依据机场停机位资源分配的相关规定,将其转化为目标函数和约束条件,构建了以最小化停机位使用的整数规划模型。其次,考虑飞机与停机位属性匹配的问题,提出了基于属性匹配的启发式算法,对停机位分配问题进行求解。最后,通过使用CPLEX软件对小规模问题进行精确的求解,以验证模型的准确性,并应用启发式算法对某机场的大规模分配问题进行研究。实验结果表明,本文构建的模型和算法能有效应对机场现实运营中的停机位分配问题,且效果良好。