求解矩形件排样问题的十进制狼群算法

为了使矩形件排样问题在可接受的时间内获得精确解,以在一定时间内获得高利用率的排样布局方案为研究目标,提出一种适合求解矩形件排样问题的十进制狼群算法。该算法结合基于复合评价因子的最低水平线搜索算法,对人工狼的位置进行十进制整数编码,重新设计游走和奔袭等智能行为,具有狼群算法的职责分工协作式搜索特性,能够较好地平衡算法的全局优化和局部搜索能力。采用多组算例对所提算法进行测试,并与其他元启发式和启发式算法进行对比,结果表明所提算法具有实用性和有效性。

基于信息素启发狼群算法的UAV集群火力分配

无人机(UAV)集群作战是未来智能化战争的重要作战样式。为充分发挥UAV集群整体作战优势,得到最优武器-目标分配(WTA)方案,使得UAV集群在火力分配中既能够满足任务要求,又能够较少作战单元消耗,建立了包含任务完成、有效杀伤、攻击消耗约束的UAV集群火力分配数学模型,采用带有游走、召唤算子的改进狼群算法(WPA)对模型进行求解。为提高算法全局寻优效率,避免陷入局部最优,引入蚁群优化(ACO)算法中信息素启发规则,对游走行为及狼群更新机制进一步改进,提出了基于信息素启发狼群算法(PHWPA)的UAV集群进攻的火力分配方法。仿真结果表明:所提方法是有效的,相比较于其他算法,PHWPA具有更高效的寻优能力,能够为UAV集群作战火力规划提供支持。

启发式狼群算法求解不相关并行机调度问题

针对以最小化最大完工时间为目标的不相关并行机调度问题,提出一种启发式狼群算法(HWPA)进行求解。首先,考虑到经典狼群算法的搜索效率以及计算资源占用率等问题,在生成初始种群时,建立一种启发式算法,选择工件分配方案的同时通过最大完工时间设置相应邻域搜索机制,与随机生成的初始种群同时进行优化,以提高算法效率;其次,根据问题特点设计算法中智能行为机制,将探狼游走时的固定步长替换为随机步长,在召唤与围攻机制中采用差异化的局部保优策略,跳出局部最优解,提高算法搜索效率;最后,运用该算法进行仿真优化实验,结果表明,在较少的迭代次数内,该算法相较于GA、FOA平均改进107.35%、113.62%,证明了该算法的有效性和优越性。

多目标启发式狼群算法求解不相关并行机分批调度问题

针对考虑机器加工约束的不相关并行机分批调度问题,以工件种类切换次数和机器启停评价函数为优化目标,提出一种多目标启发式狼群算法进行求解。该算法在生成初始种群的过程中,融入列表反向学习和基于机器加工效率的启发式策略,并设计了一种不规则实数矩阵编码方式来实现任务分批。采用局部和全局邻域搜索相结合的方式实现狼群算法中智能行为搜索,通过分批调整学习机制对当前结果进行邻域搜索,利用改进整数解Pareto非支配排序方式循环迭代。最后通过不同规模实际算例测试和相关算法比较,验证了该算法的有效性和优越性。