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。

基于改进离散鲸鱼优化算法的机器人路径规划

为了解决传统算法在求解移动机器人路径规划问题中所存在的收敛速度慢、容易陷入局部最优等缺陷,提出了一种改进的离散鲸鱼优化算法.首先,采用蚁群算法对种群进行初始化,提高初始解的质量;其次,利用改进的非线性收敛因子平衡算法的全局勘探和局部搜索能力,避免算法陷入局部最优;最后,结合路径规划问题设计了交叉算子、变邻域搜索算子和变异算子改进鲸鱼算法的更新公式,提升了算法的收敛速度和搜索精度.通过TSPLIB标准算例库,将改进算法与其他算法进行对比,验证了算法改进的有效性.在不同规模的全局路径规划仿真环境下,实验结果表明:改进的算法可快速且稳定地获取全局最优路径,有效缩短路径长度、减少路径拐点数,在路径规划问题上具有良好的适用性.

基于最优分位数回归随机森林和风险评估指数的统计负荷预测

为了支持智能电网的正常运行,应用前一天预测区间(PI)构建概率密度函数来分析随机负荷行为,实现对称区间预测。然而,此方法缺乏预测变量不确定性的预期风险信息,如天气条件和负荷变化,为此提出一种新型的统计负荷预测(SLF)模型,采用概率图、分位数回归随机森林(QRRF)和风险评估指数(RAI)获得负荷需求曲线预测风险的实际图解。为了掌握实际负荷工况,通过准确点预测结果构建所提出的SLF模型,并采用QRRF从各个分位数建立了PI。为了将外部因素的不确定性与实际负荷相关联,采用概率图计算训练范围内发生的最可能的分位数。根据当前输入,采用RAI计算PI的预期风险。所提出的SLF模型通过新英格兰电力系统数据进行验证,并与基准算法和Winkler评分进行比较。结果表明,与现有基准模型相比,所提方法能够建模更精确的负载PI以及风险评估。

虚拟养老服务人员调度多目标优化研究

针对虚拟养老服务人员调度问题,分析老人、虚拟养老服务中心和服务人员的利益追求,以成本最优、老人和服务人员满意度最大为主要考量因素来构建多目标优化模型。设计了离散化多目标鲸鱼优化算法。通过改进传统鲸鱼优化算法的鲸鱼位置更新公式和局部搜索算子,引入非支配排序用于求解构建的多目标优化问题。通过求解算例并将结果同NSGA-II和NSGA-III对比,验证算法的优越性。该研究综合考虑三者的利益,可为虚拟养老服务人员调度提供丰富的决策集合。

基于离散鲸鱼优化算法的钣金折弯工序优化设计

在折弯工件的整个工艺流程中,操作板料的掉头、翻转次数、各个工步的距离和模具的选择都会影响钣金折弯工序的效率。为此,采用改进的鲸鱼优化算法对折弯工序进行优化设计。对经典鲸鱼优化算法进行改进,重新定义鲸鱼个体以及围猎方式,并引入局部搜索操作增强解的可行性,以减少陷入局部最优解的概率。最后应用于折弯工序问题上,并与已知相关算法分析比较。实验结果表明:使用改进后的离散鲸鱼算法对折弯工序问题进行计算,得出了符合要求的最佳折弯工序方案,求解质量高于对比算法,离散鲸鱼算法在寻找最佳工序方案的问题上有着更佳的全局寻优能力和较快的收敛特性。

一种离散鲸鱼算法及其应用

针对鲸鱼优化算法(WOA)在求解高维复杂问题时存在收敛精度低,难以解决离散优化问题等的不足,提出了一种离散鲸鱼算法(DWOA)。该算法引入收敛因子调控个体距离最优鲸鱼位置的远近程度,利用惯性权值平衡算法的全局搜索和局部开发能力,通过改进的Sigmoid函数对WOA进行离散化处理。9个基准函数和油田措施规划方案的测试结果表明,DWOA在收敛速度和寻优精度等方面均有较大的提升。

基于NIC-DWT-WOASVM的齿轮箱混合故障诊断

由于齿轮箱中振动信号的复杂性和非平稳性,致使齿轮箱混合故障诊断工作具有一定难度。针对这一问题提出基于NIC-DWT-WOASVM的齿轮箱混合故障诊断方法。首先通过窄带干扰消除(Narrow Band Interference Canceller,NIC)滤除原始信号中齿轮啮合和转轴等窄带干扰信号,接着对信号进行离散小波变换(Discrete Wavelet Transform,DWT),重构小波系数得到小波分量,提取分量的方差作为特征参数构成特征矩阵样本。针对传统优化支持向量机收敛速度慢及容易局部最优等问题,提出鲸鱼算法优化的支持向量机(Whale Optimization Algorithm Support Vector Machine,WOASVM),运用训练样本对WOASVM进行训练得到优化分类模型,将测试样本输入到优化模型中得到诊断结果。为验证方法的有效性,开展了变工况下齿轮箱混合故障实验,通过实验分析及与其他方法的比较,证明方法对于齿轮箱混合故障诊断是有效的。

离散鲸鱼算法求解拆解序列规划问题

工业产品的回收再制造有利于降低生产成本和保护环境,而制定优秀的产品拆解序列规划提高拆解效率、降低回收成本为其关键.针对回收设备在实际拆解中的因素,建立一种基于离散鲸鱼算法(DWOA)的拆解序列规划模型.该模型目标函数以位置改变为代价作为新的评价指标,利用分层组合的方法快速生成初始群体.离散鲸鱼算法具有优先保护约束交叉机制、启发式变异、优秀的全局和局部搜索能力.以回收上橡皮板和空气围带进行对比实验,结果表明在相同时间下,离散鲸鱼算法的算法稳定性、寻优能力、收敛速度都要优于其他算法.