基于离散混合蛙跳算法的地震应急物资调度

建立震后应急物资调度数学模型。该模型根据各灾区的受灾情况评估其救援紧急程度,并设计一种需求拆分供应的运输机制,提高车辆的利用效率。为求解该模型,提出一种多源信息学习的离散混合蛙跳算法。所提算法引入多种信息源以扩展算法的搜索方向,降低种群的同化速度。同时,让子组最差个体学习种群中的有效信息,提高算法的收敛精度。实验结果表明,所提算法能够搜索到精度更优的调度方案,对问题规模具有良好的可扩展性。

混合白鲸优化算法求解柔性作业车间调度问题

针对柔性作业车间调度问题(flexible job-shop scheduling problem,FJSP),提出一种混合白鲸优化算法(hybrid beluga whale optimization,HBWO)对其求解,旨在最小最大化完工时间。采用既定策略改进标准白鲸优化算法(beluga whale optimization,BWO),加快其收敛速度;基于机器选择和工序排序问题设计双层编码方案,解决FJSP离散化问题;采用主动编码及种群初始化策略,提高求解质量;基于工序的开始和结束时间确定关键路径和关键块,注重各工序时间维度;引入贪心思想至基于关键路径的混合变邻域搜索策略中,加大勘测搜索空间及减少无效搜索;此外,引入遗传算子防止算法陷入局部最优;通过35个标准算例的仿真实验与分析,证明了算法在求解FJSP问题中具有有效性。

事件触发改进一致性算法的孤岛混合微电网并联互联变流器分布式协调控制策略

在交直流混合微电网中,并联互联变流器(parallel bidirectional power converters,BPCs)可以实现大容量的功率传输,以满足新型电力系统在空间上的供需匹配。如何在占用更少资源的同时协调控制BPCs实现功率的比例共享,是交直流混合微电网中BPCs控制的研究难点。因此,该文设计了一种针对BPCs的事件触发改进一致性协调控制策略。以归一化下垂控制为基础,提出了改进的比例功率一致性算法,实现BPCs间高精度比例功率共享。在此之上,基于BPCs比例功率误差建立事件触发改进一致性算法,并预设触发函数的预判阈值,从而降低系统在稳定状态下的通信次数。最后进行仿真对比分析,结果表明该文提出的方法相比基本一致性算法通信量减少98.35%;同时,与现有控制策略相比,该文提出的方法有着更好的控制性能。

混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究

稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。

混合遗传变邻域搜索算法求解柔性车间调度问题

针对考虑生产成本的柔性作业车间调度问题(flow job shop scheduling problem, FJSP),以完工时间与加工成本为优化指标,提出一种求解FJSP的混合遗传变邻域搜索算法。根据个体适应度对种群分割,结合自适应交叉概率改进子代种群产生方式;设计两种邻域结构增强算法的局部搜索能力;提出一种基于动态交叉变异概率的优化算法流程提高求解效率。运用提出的算法求解基准实例与实际问题测试,验证了算法的有效性。

基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题

由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。

自动确定边角混合网独立闭合差的增量算法

为评定外业观测数据质量和发现粗差,提出了一种闭合差搜索的通用算法。首先,针对高速铁路隧道中的各类边角混合网,基于平差理论,计算由边角混合网中测站数、非测站数和观测数确定其独立闭合差的数目,给出最简闭合差构成原则,求出余弦和正弦闭合差,推导闭合差限差计算模型,建立由闭合差探测观测值粗差的方法;进而导出闭合差增量与测站递增产生的重叠观测点数之间的数学关系式,设计数据结构实现测站与结点间双向多对多的拓扑映射关系,并基于分治思想,提出队列-测站双循环的增量算法来自动搜索最简且独立的闭合差;最后,以西南某高速铁路隧道构建的边角混合网为例进行算法验证。结果表明:增量算法能够在混合网中自动确定100%数量的最简独立闭合差,对观测值中存在的粗差100%予以探测,验证了采用该算法搜索闭合差及检核粗差的有效性。

基于圆弧样条参考路径的改进混合A^(*)泊车路径规划算法

在泊车空间狭窄的条件下,现有的基于混合A^(*)算法的泊车路径规划存在成功率低或规划速度慢等问题,为了解决这一问题,设计了一种改进混合A^(*)路径规划算法。通过将圆弧样条曲线作为参考路径,并以参考路径上的点作为混合A^(*)算法的目标点,进而搜索出成功泊入车库的路径。根据不同车位宽度进行了基于MATLAB的批量仿真测试,结果表明:改进后的混合A^(*)算法能够显著提高车辆在特定区域泊入车库的成功率,同时具有一定的规划效率。最后基于Prescan、Carsim和Simulink进行了联合仿真实验,验证了所设计算法规划的路径满足实车实验的跟踪要求。

基于近端策略优化算法的燃料电池混合动力系统综合价值损耗最小能量管理方法

为了降低市域动车组燃料电池混合动力系统运行燃料经济成本,提升燃料电池耐久性,该文提出一种基于近端策略优化算法的能量管理方法。该方法将混合动力系统能量管理问题建模为马尔可夫决策过程,以综合考虑燃料经济性和燃料电池耐久性的综合价值损耗最小为优化目标设置奖励函数,采用一种收敛速度较快的深度强化学习算法—近端策略优化算法求解,实现负载功率在燃料电池和锂电池间的合理有效分配,最后,采用市域动车组实际运行工况进行实验验证。实验结果表明,在训练工况下,所提方法相较基于等效氢耗最小能量管理方法和基于Q-learning能量管理方法,综合价值损耗分别降低19.71%和5.87%;在未知工况下,综合价值损耗分别降低18.05%和13.52%。结果表明,所提方法能够有效降低综合价值损耗,并具有较好的工况适应性。

局部阴影下基于GWO-P&O混合算法的光伏最大功率点跟踪

针对局部遮阴环境下传统灰狼优化(Gray wolf optimization,GWO)算法在跟踪最大功率点时P-U特性曲线出现多峰值、后期收敛速度慢、稳态精度低等问题,结合灰狼优化算法和扰动观察法(Perturbation and observation,P&O)各自的优势,提出了基于GWO-P&O的混合优化最大功率点跟踪(Maximum power point tracking,MPPT)算法。首先,采用灰狼优化算法逐渐向光伏的全局最大功率点靠近。其次,在灰狼优化算法收敛后期引入P&O法,既保持了灰狼优化算法较高的稳态精度,又能以较快速度寻找到局部最大功率点。最后,在不同环境工况下,将所提出的GWO-P&O方法与传统GWO算法进行对比。结果表明,改进的GWO-P&O算法在保证良好稳态性能的同时,一定程度上提高了GWO算法后期跟踪最大功率时的收敛速度。

基于改进的混合蛙跳算法WSNs分簇路由协议

针对基本蛙跳算法(Frog Leaping Algorithm,FLA)在无线传感器网络(Wireless Sensor Networks,WSNs)中的精度低、易局部最优和收敛速度慢的缺点,本文提出一种改进的混合蛙跳算法(Improved Hybrid Frog Leaping Algorithm,IHFLA)路由协议。IHFLA通过引入密度稀疏的精英子群策略和全局循环搜索策略,来提高算法的全局收敛性能和精度。实验表明,IHFLA能快速收敛到最优解,具有很强的获取高精度解的能力,能降低网络能耗,延长网络生命周期。

改进巴氏距离算法下混合级联直流输电纵联阻抗保护优化

为提高纵联保护在LCC-MMC混合级联高压直流输电系统中的鲁棒性,提出一种基于纵联阻抗和改进巴氏距离算法的高压直流输电纵联保护方案。该方案将巴氏距离算法与纵联阻抗保护相结合,对被保护线路首末两端电气量的差异进行量化,并通过量化后的数据,进行区内外故障的判定,然后基于能量函数构建了故障选极判据,保证了保护的可靠性;在此基础上,通过分形维数构建了改进的自适应滑窗,提高了保护的速动性。最后,基于Matlab与PSCAD/EMTDC平台建立了“白江工程”±800 kV LCC-MMC混合级联高压直流输电系统模型,并对所提改进后的保护方案进行验证。仿真结果表明所提保护方案能够快速可靠地判别区内外故障并正确完成故障选极,且有着较好的耐受过渡电阻能力。

基于改进遗传模糊算法的混合动力推土机能量管理策略

以提高整车燃油性为控制目标进行了混合动力推土机的遗传模糊能量管理策略的研究。首先考虑当前状态下超级电容的荷电状态值设计了模糊控制器,以整车需求功率和超级电容荷电状态值作为模糊控制器的输入量,以发动机目标输出功率、发电机输出功率以及超级电容需求功率作为输出,设计了25条控制规则,然后采用改进遗传算法优化隶属度函数,最后利用200 s典型推土机工况在整车平台验证策略的有效性和可行性。研究结果表明:基于改进遗传模糊算法的混合动力推土机与原机型相比节油达19.04%,整机燃油经济性得到明显提高。

融合物联网技术与混合加密算法的医疗数据信息优化框架设计研究

目前,医疗数据信息系统存在安全性低、共享难度大等问题,对此,提出一种融合物联网技术与混合加密算法的医疗数据信息优化框架,以提升医疗数据的安全。在此基础上,结合物联网的相关技术,对医疗数据采集方法进行设计。基于超级账本搭建完整的医疗数据信息框架。实验结果显示,高级加密标准(AES)算法的加密速度随着数据量的增大而增大,从而使用户能够根据要求传输任意长度的数据。利用非对称加密(RSA)算法对密码进行10次加密实验,得到了15 ms、94 ms的平均加密效果,系统加密效率较高。研究算法具有较好的工作稳定性,在功能和性能方面能够满足实际的医疗环境需要。

带运输的混合流水车间调度问题的改进遗传算法

为实现分布式制造环境中上下游工序和机器间的协同生产,研究了带有运输的混合流水车间调度问题。以包含加工时间、运输时间和加工等待时间的完工时间最小为目标,建立了带有运输约束的混合流水车间调度模型,基于Q-learning设计了改进的遗传算法(QGA)求解该模型。在该算法中,首先基于工件序号设计编码和遗传算子等遗传操作;然后根据种群适应度函数构建种群的状态集合,以交叉概率和变异概率的取值作为动作,以最佳个体适应度和种群平均适应度作为奖励;最后采用Q-learning对交叉和变异参数进行智能调整,提高算法的收敛速度与全局搜索能力。仿真实验结果表明,与改进的遗传算法(GA-TS)相比,本文QGA的最大完工时间平均减少了2.0%,收敛速度提升了18.1%。

双种群混合遗传算法求解航空复合材料柔性调度问题

考虑航空复合材料柔性车间调度中的运输约束,以最小化完工时间为目标,建立调度模型,提出一种改进的双种群混合遗传算法进行求解。根据问题特点,基于工序排序、机器选择和运输约束3个子问题,设计三层实数编码以及对应解码方案。采用混合初始化提高种群质量,进化过程中采用交叉算子执行全局搜索,为双种群设计基于机器负载平衡和变邻域的局部搜索,提高全局和局部搜索能力。与对比算法相比10个测试算例中BPRD指标取得9个最优,APRD指标全部取得最优,t检验显著性有明显差异,验证算法的优越性。将算法应用于航空复合材料车间中,实现实际生产的调度,验证算法的可行性。

混合式教学下学生计算思维能力培养——以燕山大学“数据结构与算法”课程改革为例

计算思维能力是软件工程专业学生的核心能力。混合式教学以其线上线下协同运作、资源先进、优势互补的特点,受到高校教师的关注。以“数据结构与算法”混合式教学改革为切入点,从线上MOOC资源、PTA上机实训和自主学习平台的构建、“任务/项目”为支架的授课形式、授课内容和作业设计、教师团队优化和教学评价设计等方面,搭建计算思维能力培养框架,以提升学生的知识水平、问题解决能力和算法思维能力,激发学生的好奇心和求知欲,提升计算思维水平。

基于混合粒子群算法的波浪能发电集群优化方法

对波浪能发电集群的优化控制有助于波浪能的有效利用,为此文章提出了基于混合粒子群算法的波浪能发电集群优化方法。以直驱式发电装置为研究对象,探讨其构成发电集群短期尺度下稳定状态的数学模型,由简至繁依次考虑波浪动态压力、装置间辐射影响和遮挡效应,以便更准确地模拟一定密集度的波浪能发电装置部署下的实际效果。以集群功率最大化为优化目标,根据装置运动和海域能量约束,提出混合粒子群算法求解集群的最优参数,在传统算法基础上设定自适应惯性权重并加入交叉和变异操作,以应对复杂集群方程解空间的多峰性问题。算例结果验证了所述集群优化方法的有效性,求解质量良好;同时表明波浪能发电集群规模越大,装置之间的辐射影响越复杂,遮挡效应越明显。

混合整数优化问题的差分进化算法研究

为求解混合整数优化问题,提出了混合整数差分进化算法(Mixed Integer Differential Evolution,MIDE)。该算法结合整数变量的特点,为整数类型变量设计了专用的变异算子,使整数变量可以在差分进化算法中直接进化;为了维持种群多样性,采用了灾变策略;采用双编码方式,使整数变量与连续变量并行进化,进而提出了混合整数差分进化算法。通过与其它混合整数优化算法的比较,证明该算法具有较好的收敛速度、全局收敛性及算法稳定性等优点。

基于动态混合遗传算法的配送路径优化

随着越来越多的突发性卫生事件爆发,人们对应急医疗物资的需求量与日俱增,但应急医疗物资配送效率低下等问题依旧存在。文中研究建立多配送点配送模型,该模型对多个应急医疗物资配送中心到多个配送点的配送路径进行有效地优化,并在计算过程中考虑客户时间窗与交通拥堵情况,达到提高客户满意度、节约成本、减少配送过程中所产生的碳排放量的目标,如同此类问题都归类为VRP问题(车辆路径规划问题)。在该模型的计算过程中采用动态混合遗传算法(DHGA),在改进的遗传算法中加入大规模领域搜索算法,解决遗传算法求解精确度过低、易陷入局部最优循环的缺点。最后将计算结果与传统遗传算法(GA)、粒子群算法(ACO)以及蚁群算法(ACO)进行对比,结果表明该算法相对于其他算法的各项指标都得到明显提升。