基于COM技术的MATLAB与Aspen Plus接口及高级应用

基于COM技术研制开发了MATLAB和Aspen P lus的接口工具箱MAP,实现了在MATLAB环境下对Aspen P lus中数据进行读写操作,并控制模拟的运行。MAP接口将MATLAB计算能力和Aspen P lus的模拟能力结合在一起,扩展了Aspen P lus的高级应用。通过精馏塔进料软测量的示例,阐述了如何通过MAP接口来调用自主开发的禁忌搜索优化算法,解决由于Aspen P lus中的优化算法的局限性所无法实现的模拟与优化问题。

基于遗传和禁忌搜索混合算法的配电网重构

根据遗传和禁忌搜索算法的特点,提出了适用于配电网重构的混合算法。根据电力系统配电网重构的特点就混合算法的具体步骤进行了详细的描述,并提出了混合算法中早熟识别的具体方法、对按环编码变异进行了改进。该算法用于IEEE69节点系统的计算结果表明,混合算法用于配电网重构是可行的、有效的。

基于变异方法的禁忌搜索

1 TS简介禁忌搜索(Tabu Search或Taboo Search,简称TS)技术是一种亚启发式(meta-heuristic)搜索技术[1],是局部邻域搜索的一种扩展.由Glover在1986年首次提出,进而形成一套完整算法,详见文[2,3].所谓禁忌就是禁止重复前面的工作.

基于遗传和禁忌搜索混合的软硬件划分算法

针对嵌入式系统软硬件划分问题,在比较了遗传算法(GA)和禁忌搜索(TS)各自优缺点的基础上,提出采用遗传/禁忌混合算法(GATS)的策略,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子,遗传算法中变异过程解空间的搜索由禁忌搜索实现。实验结果表明,GATS具有多出发点和记忆功能强、爬山能力强的优势,能够克服GA爬山能力差、TS单点出发的弱点。最后与单纯的遗传算法和禁忌搜索算法进行对比实验,证明GATS更有优势,得到的划分结果也更优秀。

基于遗传禁忌搜索算法的自动化立体仓库出入库路径优化研究

针对自动化立体仓库出入库路径优化问题,在分析了遗传算法和禁忌搜索各自优缺点的基础上,通过把遗传算法作为搜索的主框架,禁忌搜索作为遗传算法的变异算子,将遗传算法和禁忌搜索结合起来,提出了遗传禁忌混合算法来求解仓库出入库路径优化问题的策略。对比试验结果表明,该算法有效地克服了基本遗传算法搜索能力差、收敛慢的弱点,提高了自动化立体仓库出入库的效率,具有明显的优越性。

应用需求时间窗的柔性作业车间调度优化模型

为解决拉动式生产模式下准时交货给生产调度带来的困难,提出了一种基于'需求时间窗'的柔性作业车间调度问题优化方法。首先,根据工件的需求时间窗口,构建了一种以工件完工时间平均隶属度最大为目标函数的柔性作业车间调度问题优化模型。然后,针对模型提出并设计了一种基于多阶段混合变异的禁忌搜索算法。为增强算法收敛性,利用'逆序变异'和'基因段交换变异'找到较好的初解,在此基础上利用'基因交换变异'继续搜索优解。最后,通过在某多品种小批量生产车间的应用验证了该方法有效性。

改进的禁忌搜索算法及其在电磁场逆问题中的应用

针对求解多极值点目标函数的电磁场逆问题,提出了一种改进的禁忌搜索算法。为提高算法的全局寻优能力和减少寻优计算的时间,改进算法在结构上提出了不同状态的新转移规则:步长向量选取原则和不同循环起始点选择的新规则。避免了重复或无意义中间点的产生,使算法能够有效地跳出局部极值点,迅速收敛到全局最优点。给出的典型数学函数验证了算法的快速性和有效性,电磁场逆问题算例TEAMWorkshop问题22的结果表明算法的优越性和工程应用价值。

基于变异粒子群优化-禁忌搜索混合算法的配电网状态估计

为解决含非线性设备配电网状态估计的优化问题,以节点负荷值和分布式电源输出值为状态变量,建立了含分布式电源配电网的状态估计模型,提出了一种求解状态估计模型的变异粒子群优化-禁忌搜索混合算法。该算法通过对个体极值进行变异操作增加粒子多样性,在迭代后期使用禁忌搜索算法,提升粒子群优化算法的后期搜索能力和克服早熟收敛。选用IEEE33节点配电系统作为仿真实例,仿真结果表明变异粒子群优化-禁忌搜索混合算法能有效地估计出节点负荷值和分布式电源输出,其状态估计的个体最大相对误差和个体最大绝对误差均远小于蚁群算法、粒子群优化算法和遗传算法的估计结果。

混合禁忌搜索算法求解关联运输调度问题

考虑到实际生活中车辆受发车时间限制以及道路路况影响运输成本等因素,建立了带客户软时间窗、车场硬时间窗、多车型、道路路况等约束的关联运输调度问题模型。结合禁忌搜索与遗传算法的优势,构造了混合禁忌搜索算法,以通过构造多个初始解来增大搜索空间;设计了两种禁忌表,分别为局部禁忌表和全局禁忌表,这不仅能加快寻优速度,还可以摆脱对单个解的依赖;将禁忌搜索生成的优化解作为遗传算法的初始解,可以加快寻优速度;自适应调整禁忌表长度可以避免早熟收敛;提取核心路径便于进行后期优化,relocate算子能减少路径网络回路数目。对实例进行的仿真表明,提出的IVRP优于一般的VRP,可节约大量成本,且提出的算法在收敛速度和寻优结果两方面都优于遗传算法和禁忌搜索算法。由3种算法求解得到的总成本、总里程及收敛时间的标准差体现出该算法的稳定性比另外两种算法的好。

遗传算法与禁忌搜索算法的混合策略在VRPTM问题上的应用

该文探讨了如何将基于遗传算法和禁忌搜索算法的混合策略应用于求解有时间窗的车辆路径(VRPTM)问题,给出了相应的应用算法。实验结果表明,这种将禁忌搜索作为变异操作的混合策略对VRPTM问题是行之有效的,其优化性能优于简单的遗传算法。

蛋白质折叠预测的禁忌搜索粒子群算法

针对PSO算法晚期收敛速度慢、求解精度差的缺点,提出了一种改进优化算法——将粒子群算法(Particle Swarm Optimization,PSO)与禁忌搜索算法(Tabu Search,TS)结合起来解决基于三维AB非晶格模型的蛋白质折叠预测问题。TS算法的引入提高了粒子群收敛后期的精度,粒子变异机制增强了粒子跳出局部极小值的能力。真实数据实验表明,该算法计算出的蛋白质序列能量值相比其他算法有更高的精确度,能够更好地模拟蛋白质构象,是分析蛋白质结构的一种有效方法。

改进禁忌搜索算法的贴片机贴装过程优化

以多贴装头拱架式贴片机为研究对象,利用带块变异算子的改进禁忌算法实现实贴片机贴装过程的优化。在基本禁忌算法的基础上,利用块变异因子扩大元器件贴装顺序优化的搜索空间,并在禁忌搜索过程中利用局部迭代搜索实现喂料器的分配优化。为验证算法有效性,以10块实际生产的PCB为实例进行了测试。实验证明,提出的算法能获得更好的贴片机贴装优化解。

融合禁忌搜索的SSA算法及其路径规划的应用

针对麻雀搜索算法易陷入局部最优解、收敛精度不足等问题,提出一种融合禁忌算法思想的改进麻雀搜索算法。首先,采用拉丁超立方抽样初始化种群,保证初始空间解分布更均匀;其次,对R_(2)<ST时引入时变柯西变异算子对发现者搜索策略进行优化;最后,在麻雀搜索算法后期收敛到一定程度时引入禁忌搜索思想,能够有效地避免算法陷入局部最优解。通过测试函数与其他算法进行仿真对比,证明该改进算法在收敛精度与速度都有极大的提升,并将其应用于移动机器人路径规划问题中,实验结果证实了在路径规划领域内的可行性与有效性。

单钻头打孔机生产效能的优化

为了提高打孔机的生产效能,建立了效能优化模型并求出较优解。根据打孔机的作业特征,首先用五维坐标表示各个钻孔位置。其次根据刀具转换优化模型的最优解将所有钻孔分为10个区。最后,利用禁忌搜索算法求出钻头在各个区行进路径的较优解。

基于双层禁忌搜索算法的共享单车再平衡问题

共享单车系统需解决各个共享站点的供需平衡,这是一个复杂的NP-hard问题。针对共享单车系统的特点,提出一种基于供需关系的站点分块策略,并结合所提模型设计了相应的双层禁忌搜索算法进行求解。供需关系分块策略通过不足站点和过饱和站点之间的配对形成能自给自足的站点集;双层禁忌搜索算法分别基于分块站点集和站点集内部进行双层禁忌搜索,并通过一个嵌套变异算子,增强两层搜索间的信息交流,在提高算法搜索能力的同时增添解的多样性。应用提出算法求解共享单车再平衡国际基准实例,实验结果显示提出算法能在100 s内获得150站点以内的较优解,降低作业周转库存80%以上,同时减少作业所需货车数至5辆以内。与同类算法对比,在目标函数求解结果和算法求解时间上均表现出显著优越性。

基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.

一种求解车间作业调度的自适应混合遗传算法

针对遗传算法和禁忌搜索算法在求解车间作业调度问题存在的全局收敛性差、种群早熟化、收敛速度慢等缺陷,提出了一种自适应遗传禁忌搜索算法。算法通过自适应调整遗传算子中的变异概率,改善了遗传算法的收敛速度;通过增加禁忌表来选择杂交产生的个体,避免迂回搜索,以禁忌搜索算法作为变异算子,增加种群的多样性,避免算法陷入局部最优。通过仿真实例,验证了算法的收敛性和抗局部收敛性。

基于改进粒子群-禁忌搜索算法的FMS布局优化

针对待加工零件(族)的工艺特性已知,且加工设备型号与数量选定的柔性制造系统(FMS)布局问题,以FMS总物流成本最低为优化目标,采用改进的粒子群-禁忌搜索算法进行了布局优化。以实数映射编码的方法和自动换行策略对粒子进行初始化随机编码,并在粒子群迭代过程中引入自适应变异算子对粒子的位置进行随机变异,增加粒子群的多样性,避免陷入局部最优解。将得到的优化结果解码并进行禁忌搜索,提高算法的局部搜索能力和寻优质量。通过实例验证了使用改进粒子群-禁忌搜索算法优化FMS布局的可行性,得到了相比于标准粒子群算法更优的物料搬运总成本和布局方案序列,结果表明该算法可以有效提高求解布局优化问题的精度。

基于粒子群算法的多用户OFDM系统自适应资源分配

在分析多用户OFDM系统模型的基础上,得出多用户OFDM系统的自适应资源分配的目标函数,然后利用粒子群优化算法对其进行了优化。为了提高粒子群优化算法的全局收敛性的收敛速度,将禁忌搜索策略和变异操作引入到基本粒子群优化算法之中。仿真结果表明,改进的粒子群优化算法可以非常有效地解决多用户OFDM系统自适应资源分配问题。

一种求解动态优化问题的免疫文化基因算法

针对传统免疫网络动态优化算法局部寻优能力弱、寻优精度低及易早熟收敛的缺点,提出一种求解动态优化问题的免疫文化基因算法。基于文化基因算法基本框架,将人工免疫网络算法作为全局搜索算法,采用禁忌搜索算法作为局部搜索算子;同时引入柯西变异加强算法的全局搜索能力,并有效防止早熟收敛。通过对经典动态优化函数测试集在相同条件下的实验表明,该免疫文化基因算法相较于其他同类算法具有较好的搜索精度和收敛速度。