-
题名带时间窗的多中心半开放式VRPSDP问题研究
- 1
-
-
作者
张颖钰
吴立云
贾胜钛
-
机构
河南理工大学工商管理学院
河南理工大学能源科学与工程学院
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2023年第11期2464-2475,共12页
-
基金
国家自然科学基金(51874121)
NSFC-河南联合基金重点项目(U1904210)
河南省高校基本科研业务费专项资金(NSFRF180104)。
-
文摘
针对带时间窗的多中心半开放式同时送取货车辆路径问题,构建了配送中心车辆进出平衡且以车辆配送距离最小化为目标的带时间窗的多中心半开放式同时送取货车辆路径问题的数学模型。设计了混沌变异头脑风暴算法求解该问题,采用顺序交叉策略增加种群多样性,设置2种混沌映射进行混沌变异操作,利用混沌变异的多样性、遍历性和随机性,增强算法全局搜索能力。通过多组算例对比,不仅验证所提算法求解多种车辆路径问题的有效性与稳定性,还验证了带时间窗下的多中心半开放同时送取货配送模式优于多中心闭合式同时送取货配送模式。研究成果不仅拓展了车辆路径类的模型,还为相关物流企业提供一种决策参考。
-
关键词
车辆路径问题
多中心
同时送取货
时间窗
混沌变异头脑风暴算法
-
Keywords
vehicle routing problem
multi-depot
simultaneous delivery-pickup
time windows
brain storm optimization algorithm based on chaotic mutation
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
F252
[经济管理—国民经济]
-
-
题名基于生物地理优化算法的抽油机故障诊断研究
被引量:4
- 2
-
-
作者
任伟建
赵月娇
王天任
刘爱君
-
机构
东北石油大学电气信息工程学院
上海理工大学能源与动力工程学院
胜利油田井下作业公司
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2014年第6期1244-1250,1273,共8页
-
基金
黑龙江省教育厅科学技术研究项目(12511014)
黑龙江省博士后科研启资金(LBH-Q12143)
黑龙江省自然基金(E201260)
-
文摘
提出将混沌变异算子与生物地理优化算法融合,利用混沌变异算子把混沌运动遍历范围放大,克服标准生物地理优化算法搜索能力不强的缺点,达到混沌搜索性与生物地理优化利用性的平衡,并通过测试函数的仿真测试,验证了所提出的新算法的可行性;运用改进的生物地理优化算法优化神经网络的权值和阈值,与传统BP算法的训练结果进行仿真比较,证明了基于生物地理优化算法的神经网络改善了传统算法训练时间长、容易陷入局部极值的缺点,并把优化好的神经网络应用于抽油机故障诊断,仿真结果表明,该算法具有较好的训练性能,收敛速度快,稳定性能好,能够大大提高故障诊断的精度。
-
关键词
故障诊断
生物地理优化算法
神经网络
混沌变异
-
Keywords
fault diagnosis
biogeography-based optimization algorithm
neural network
chaotic mutation
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于全局最优和差分变异的头脑风暴优化算法
被引量:5
- 3
-
-
作者
马威强
高永琪
赵苗
-
机构
海军工程大学兵器工程学院
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2022年第1期270-278,共9页
-
基金
国家部委基金(3020605010201)资助课题。
-
文摘
针对头脑风暴优化(brain storm optimization, BSO)算法的选择操作中仅部分个体更新追随全局最优和变异操作中步长不能自适应的问题,采用追随全局最优策略以充分利用全局最优信息,并用差分变异代替原来的高斯变异以自适应调节变异步长,提出了基于全局最优和差分变异的BSO(global-best difference-mutation brain storm optimization, GDBSO)算法。通过6个标准测试函数极值寻优的Matlab仿真对比研究表明GDBSO具有优良性能,较好地解决了原BSO搜索效率低的问题,提高了算法的寻优精度和收敛速度。GDBSO结合自主式水下航行器(autonomous underwater vehicle, AUV)路径规划应用的仿真验证了算法的有效性和可行性。
-
关键词
全局最优
差分变异
头脑风暴优化算法
自主式水下航行器
路径规划
-
Keywords
global-best
difference-mutation
brain storm optimization(BSO)algorithm
autonomous underwater vehicle
path planning
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名多分支混沌变异的头脑风暴优化算法
被引量:2
- 4
-
-
作者
衣俊艳
施晓东
杨刚
-
机构
北京建筑大学电气与信息工程学院计算机系
中国人民大学信息学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第16期129-138,共10页
-
基金
北京市教委科研计划资助项目(KM202010016011,KM201910016008)
北京市自然科学基金(4192029,4144072)
+6 种基金
国家自然科学基金(61871020,61402032,62031003)
北京市优秀人才项目(2013D005017000017)
北京建筑大学科研基金(00331613002)
北京建筑大学市属高校基本科研业务费专项资金(X18064)
北京市社会科学基金(20GLC059)
住房城乡建设部科学技术计划项目(2017-R2-018)
北京建筑大学金字塔人才培养工程(JDYC20200324)。
-
文摘
头脑风暴优化算法是一种受人类群体行为启发的新型群智能优化算法。该算法通过模拟人类使用头脑风暴创造性解决问题的行为,在解空间中分析个体分布,并使用变异生成新个体,多次迭代求得最优解,具有较高的鲁棒性和自适应能力。针对头脑风暴优化算法精度较差、易陷入局部最优导致早熟收敛的缺陷,提出了一种多分支混沌变异的头脑风暴优化算法。该算法选取8种混沌映射,设计了一种多分支混沌变异算子。当原始算法陷入局部最优时,使用多分支混沌变异生成新个体,利用多种混沌运动的遍历性、随机性和多样性,扩大了混沌空间的范围,增强了算法全局搜索的能力。对10个经典测试函数的10、20、30维问题进行测试,并与原始头脑风暴优化算法、粒子群优化算法、遗传算法和布谷鸟搜索算法进行对比,实验结果表明,所提出的算法可以有效避免陷入局部最优,具有更高的稳定性和全局搜索能力。
-
关键词
混沌
头脑风暴优化算法
多分支混沌变异
群智能优化算法
-
Keywords
chaos
brain storm optimization algorithm
multi-branch chaotic mutation
swarm intelligence optimization algorithm
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名机器人路径规划的新型头脑风暴优化算法
被引量:1
- 5
-
-
作者
魏诗雨
刘勇
-
机构
上海理工大学管理学院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第2期402-406,共5页
-
基金
教育部人文社会科学研究规划基金资助项目(16YJA630037)
上海市“科技创新行动计划”软科学研究重点项目(18692110500)
上海市社会科学规划课题(2019BGL014)。
-
文摘
针对头脑风暴优化算法在求解机器人路径规划问题时存在初始解成功率低、运算代价大且路径不平滑等问题进行了研究,从心理学角度出发,提出了一种新型头脑风暴优化算法及其离散化方案。引入羊群效应下的教与学思想增强个体学习的方向性,并通过基于自我选择效应的步长调节机制扩大后期局部搜索比例,提升算法效率;离散处理阶段采用贪婪移动搜索法取得较优初始解,重新定义运算过程以双向平滑路径。仿真结果表明,新型头脑风暴优化算法在离散化前后均有较优的表现,在不同障碍物环境中均能规划出较优的路径。数值实验验证了所提算法的有效性,该算法在路径规划领域的应用值得进一步探索。
-
关键词
机器人路径规划
新型头脑风暴优化算法
教与学优化算法
社会心理学
-
Keywords
robot path planning
novel brain storm optimization algorithm
teaching-learning based optimization algorithm
social psychology
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名融合头脑风暴思想的教与学优化算法
被引量:7
- 6
-
-
作者
李丽荣
杨坤
王培崇
-
机构
河北地质大学艺术设计学院
河北地质大学信息工程学院
河北地质大学人工智能与机器学习研究室
-
出处
《计算机应用》
CSCD
北大核心
2020年第9期2677-2682,共6页
-
基金
河北省社会科学基金资助项目(HB19GL0074)
河北省高等学校科研项目(ZD2018043,ZD2020344)。
-
文摘
针对教与学优化(TLBO)算法在求解高维问题时表现出的收敛速度慢、解精度低、易陷入于局部最优的问题,提出了一种融合头脑风暴思想的改进教与学优化算法(ITLBOBSO)。在该算法中设计了一种新的“学”算子,并以其替换TLBO算法中的“学”。该算法在种群的迭代过程中,当前个体首先执行“教”算子。随后,在种群中随机选择两个个体,令其中优秀的个体与当前个体执行头脑风暴式学习,提升当前个体的状态。为了赋予算法早期良好的探索能力和后期对新解的开发能力,在该算子的公式中引入柯西变异和一个与迭代次数关联的随机参数。进行的一系列的仿真实验表明,与TLBO算法相比,所提算法在11个Benchmark函数上的解精度、鲁棒性和收敛速度都有大幅度提升。在2个约束工程优化问题上,ITLBOBSO所求得的耗费成本比TLBO算法降低了4个百分点。由此验证了所提出的机制对克服TLBO弱点的有效性,所提算法适合用来求解较高维度的连续优化问题。
-
关键词
教与学优化
头脑风暴
柯西变异
“学”算子
约束工程优化问题
-
Keywords
Teaching&Learning based optimization(TLBO)
brain storming
Cauchy mutation
“learning”operator
constrained engineering optimization problem
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-