考虑运输时间的混合流水车间绿色生产调度

针对运输时间对混合流水车间绿色生产调度的影响这一问题,以最大完工时间、生产能耗及生产成本为优化目标,提出一种改进的多目标麻雀搜索算法(Improved Multi-Objective Sparrow Search Algorithm,IMOSSA)进行求解,参考非支配排序将种群适应度值进行划分、引入正余弦策略提高解集质量、加入多项式变异算子和Levy飞行,提高解集的收敛速度和全局搜索能力,避免陷入局部最优。而后设计16种测试算例,将IMOSSA与其他多目标优化算法进行对比,验证了IMOSSA求解的优越性。最后,以某实际生产车间为例,将其生产调度划分为4种模式,证明算法求解的实用性。

非冷链商品配送路径优化研究--以京东配送为例

如何有效降低商品配送成本是物流企业的关注重点,学界已就带时间窗的商品配送路径优化算法展开了相关研究,但相关算法还存在着过早陷入局部最优或无法收敛的问题。由此提出一种改进的变邻域遗传搜索算法(VNS-GA),以非冷链商品配送为研究对象,构造起求解物流配送车辆路径规划的数学模型。首先,以配送成本和缺货惩罚成本的最小化作为实现目标,构建了包括车辆使用成本、配送运输成本和时间窗口惩罚成本的配送路径优化模型;其次,运用变邻域遗传优化算法来实现多目标物流配送路径的优化;最后,以京东某北京配送中心的物流配送为例,运用MATLAB软件对VNS-GA算法模型的科学性及有效性进行仿真验证。经实证,VNS-GA算法与传统算法相比具有更好的全局和局部搜索能力。研究期望为配送车辆调度与配送路径规划提供更优的路径选择模型,从而降低物流配送成本和减少便利店因缺货造成的损失。

改进布谷鸟算法在装配序列规划中的应用研究

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

基于改进麻雀搜索算法的水质模型多参数反演

水质模型参数取值对模型的模拟精度影响很大,为提高BOD-DO水质模型参数反演精度,首先在DobbinsCamp BOD-DO水质模型的基础上,以BOD和DO浓度计算值与实测值之差的加权平方和最小为目标函数,构建了Dobbins-Camp BOD-DO水质多参数反演模型;然后针对麻雀搜索算法(Sparrow Search Algorithm,SSA)求解精度低、稳定性不足和易陷入局部最优等问题,引入Sine混沌映射和对立学习、转移概率以及差分变异3个策略,分别从提高初始种群多样性、扩大搜索空间以及增强种群跳出局部最优的能力三方面对SSA算法进行改进,提出了一种多策略改进的麻雀搜索算法(Multi-strategy Improved Sparrow Search Algorithm,MISSA),并将其应用于Dobbins-Camp BOD-DO水质多参数反演模型的求解;最后通过数值实验将得到的反演结果与SSA算法、模拟退火算法、粒子群算法、遗传算法四种优化算法进行对比,并探讨了参数初值选取和观测噪声水平对反演结果的影响。结果表明:MISSA算法的计算性能明显优于对照组中的4种算法,且能显著降低初值选取对BOD-DO水质模型参数反演结果的影响,当观测数据的噪声水平不超过5%时,MISSA算法可有效提高反演结果的稳定性。该结果验证了MISSA算法在反演Dobbins-Camp BOD-DO水质模型参数的有效性,为水质模型参数求解提供有益参考。

基于低碳物流的危化品仓库堆垛布局优化研究

为保证危化品仓库安全的同时有效减少碳排放并提升经济效益,建立危险指数最小、物料搬运量最小和碳排放成本最小的危化品仓库堆垛布局多目标优化模型,采用改进的粒子群-禁忌搜索混合算法对模型进行求解。该算法在传统粒子群算法的基础上加入多点变异操作,并在粒子群算法得出解的基础上加入禁忌搜索算法,提高算法跳出局部最优解的能力。研究结果表明:利用本文建立的多目标优化模型及改进算法,危险指数、物料搬运量和碳排放成本均有所下降,解集质量较高,从而在保证危化品安全的情况下,有效降低物料搬运量及碳排放成本。研究结果可为危化品企业对仓库内部碳排放量的影响因素和数值计算以及危化品仓库安全性的界定提供参考与借鉴。

一种多无人机协同优先覆盖搜索算法

针对应急救援行动中存在的受灾区域大、重点区域分布不均匀、救援时间有限等问题,提出一种多UAV协同区域优先覆盖搜索算法。对搜索区域进行离散栅格化处理,根据灾情预估信息对搜索区域中的每个网格进行概率标记;通过K-means++聚类算法将搜索区域划分成大小相似、个数与UAV数量相等的子区域,依据聚类中心确定每个子区域的搜索起点,使多架UAV分区协同搜索整个区域;根据网格概率和当前距离之间的平衡关系计算出每个网格的分数,改进贪心算法,以此分数为基准在子区域中进行优先搜索和减少重复路径,引入A^(*)算法解决网格分数冗余问题。仿真结果表明:所提算法在保证优先搜索的同时缩短了路径长度和搜索时间,为应急救援中的搜索难题提供了一种有效的解决办法。

基于多元储能的分布式能源系统优化调度方法研究

为进一步构建清洁低碳、经济节能的供能系统,研究建立了含风、光以及多元储能的分布式能源系统,针对北京某办公园区,采用DeST预测用户负荷以及当地风、光条件。以经济性、节能性和环保性三方面的综合效益最大为目标,提出一种自适应优化运行策略,分别采用穷举搜索法和遗传算法对系统优化调度方案进行优化。同时,采用以电定热运行策略作为对照,对比分析几种不同运行策略下系统的综合效益。结果表明:传统以电定热运行模式下的综合效益平均值为0.41;而在自适应优化运行策略下,使用遗传算法得到的调度方案,其综合效益平均值可达0.5,穷举搜索法得到的运行方案,其综合效益平均值可达0.51。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

基于CEEMDAN-VMD-TCN-lightGBM模型的水质预测研究

针对目前水质预测模型中因为数据本身的复杂性、在信号处理过程中存在的噪声干扰以及分解深度不够导致单一分解难以全面捕捉信号非线性特征的问题,提出了一种基于二次分解的水质预测模型。该模型采用完全自适应噪声集合经验模态分解(CEEMDAN)对原始数据进行分解,再利用变分模态分解(VMD)对熵值最高的模态分量进行二次分解,最终将处理后的时间序列输入到TCN-lightGBM多特征预测模型中。同时,采用麻雀算法(SSA)对预测模型进行优化。以山东省玉符河水质为例,本模型的均方根误差(RMSE)是0.1053,平均绝对误差(MAE)是0.0815,决定系数(R2)是0.9471,与GRU、LSTM、LightGBM、TCN等当下较为流行的模型的预测指标进行比较。结果显示,在R2上本模型提升了53.04%、70.41%、66.07%、65.20%等,在RMSE上减少了62.76%、65.50%、64.93%、64.80%等,在MAE上降低了62.76%、66.24%、63.80%、65.24%等。由此可知,基于CEEMDAN-VMD-TCN-lightGBM的模型具有更好的预测性能、泛化能力和捕捉信号非线性特征的能力。

SSA-XGBoost与时空特征选取的大坝变形预测模型

针对目前部分单测点模型未考虑大坝监测数据空间关联性、难以描述大坝变形整体响应特性的问题,以及传统回归模型未考虑环境量与变形量的非线性关系导致预测精度较低的问题,本文提出了一种预测模型,包括对监测数据进行基于自适应噪声完备集合经验模态分解-小波包降噪,结合弹性网络对考虑了空间关联性的变形效应量因子进行特征选取,辅以交叉验证特征因子的有效性,并使用麻雀搜索算法提高计算效率。基于锦屏一级拱坝实测变形数据,探究了考虑空间关联性的最优因子集,并通过对比多种模型的MSE、RMSE等参数验证了本文方法的有效性,在大坝变形性态分析中具有一定应用价值。

SSA-MLP模型在岩质边坡稳定性预测中的应用

岩质边坡的力学参数量化及稳定性分析对岩质边坡灾害的防治具有重要意义。Hoek-Brown(H B)准则是一种用于确定岩体力学参数的经典方法,能反映出边坡岩体变形和位移的非线性破坏特征。在此基础上,首先,提出一种麻雀搜索算法(Sparrow Search Algorithm,SSA)改进多层感知器(Multi-Layer Perceptron,MLP)的神经网络模型,并用于边坡稳定性预测、指标敏感性分析及参数反演。其次,将收集的1085组岩质边坡的几何参数和H B准则参数等作为输入变量,极限平衡理论Bishop法求解的安全系数作为输出变量,对SSA MLP模型进行训练学习和性能评估。最后,将该模型运用于25个边坡实例,验证模型的有效性。结果显示,该模型收敛速度快、精度高,为边坡稳定性分析和参数量化提供了一种新思路。

面向协同探测的多机雷达功率时间联合优化分配算法

针对多目标搜索及跟踪场景,研究了面向协同探测的多机雷达功率时间联合优化分配算法。首先,基于信号检测理论和克拉美-罗下界,分别推导了雷达搜索性能与跟踪性能评估指标;在此基础上,建立了面向协同探测的多机雷达功率时间联合优化分配模型,即以最大化雷达工作性能指标为优化目标,以满足给定系统资源限制为约束条件,对雷达搜索及跟踪任务中节点选择、辐射功率和任务时间等参数进行联合优化设计;最后,针对上述优化问题,采用基于内点法和粒子群算法的三步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足给定系统资源限制的条件下,有效提高雷达系统搜索性能和跟踪精度。

支持语义扩展的多关键词密文检索方案

现有的多关键词的检索研究集中在支持关键词的精确匹配,文中提出一个支持语义扩展查询的多关键词密文检索方案,基于信息内容计算方法同时考虑到关键词与文档的关系引入TF-IDF技术实现语义扩展;采用平衡二叉树的索引结构,使用安全k近邻算法加密索引向量和语义扩展查询向量,确保计算出准确的相关性得分,实现多关键词排序搜索。通过进行索引和陷门的机密性、查询无关联性等安全性分析表明,本文实现的检索方案是安全的,可以防止内部威胁。

基于预训练模型的漏洞信息检索系统研究

[研究目的]威胁情报中漏洞信息是指有关网络、系统、应用程序或供应链中存在的漏洞的信息。目前搜索引擎在漏洞信息检索上存在短板,利用预训练模型来构建漏洞检索系统可以提高检索效率。[研究方法]以公开的漏洞信息作为数据来源,构建了一个问答数据集,对Tiny Bert进行增量预训练。使用模型对于每个查询向量化,并把漏洞信息构建成faiss向量数据库,利用HNSW索引进行多通道和单通道召回检索。然后对模型进行对比学习微调生成双塔和单塔模型,利用双塔召回和单塔精排构建了一个简易的知识检索系统。[研究结论]实验结果表明,预训练模型可以显著地提升检索性能,对比学习微调的双塔模型在构建的漏洞信息测试集中TOP1召回率为92.17%。通过漏洞信息领域的检索实践,对构建威胁情报的检索系统提供了参考。

复杂环境下异构无人机集群协同目标搜索方法

为实现无人机集群高效且精准的多目标搜索,考虑集群成员中探测范围广的高空无人机和机动能力较强的低空无人机,提出了一种新颖的异构无人机集群协同目标搜索方法,根据不同无人机的特性快速实现区域搜索以及多目标的精准搜索。高空无人机采用基于数字信息素的区域搜索算法确定目标存在区域,在较短时间内实现区域覆盖。低空无人机在其指引下前往目标区域,并根据目标信号强度采用改进狼群算法实现对目标的精准搜索。对于传统狼群算法信息共享不足、步长固定和易陷入局部最优的问题,采用粒子群算法、自适应参数调整和差分进化方法进行改进,提高了算法的全局寻优能力和收敛速度。仿真实验证明了所提出的模型与方法在复杂环境下目标搜索任务中的有效性和优越性。

面向多源异构数据的个性化搜索和推荐算法综述

高效精准的个性化搜索、推荐等服务可为人们生产生活带来极大便利,而随着互联网技术的迅猛发展,面向多源异构数据的个性化搜索和推荐任务逐渐变得日趋复杂,也是当前大数据分析及个性化服务领域的研究热点和难点.个性化搜索和推荐算法广泛收集多源异构数据,获取用户偏好信息,利用各类机器学习、深度学习等技术,构建用户兴趣偏好模型,预测用户偏好,推荐满足用户个性化需求和偏好的项目或内容,提升用户的使用体验和网站平台的商业利益.本文介绍面向多源异构数据的个性化搜索问题的数学描述,综述面向多源异构数据的个性化搜索和推荐算法的相关研究工作,包括:传统个性化搜索和推荐算法、融合多源异构数据的个性化搜索和推荐算法以及动态个性化搜索和推荐算法等相关研究现状,整理了算法常用数据集、性能评价指标及评估体系,进一步阐明了目前面向多源异构数据的个性化搜索和推荐方法的实际应用场景及今后研究的发展方向,并讨论了存在的不足及所面临的严峻挑战,期望为相关领域的研究人员提供有益帮助.

引江济淮工程(河南段)多目标水量优化调度

引江济淮工程(河南段)涉及河道、闸泵、管道和调蓄水库,约束条件复杂,常规的优化调度算法难以搜索可行解,求解效率低。选用受水区缺水率平均值最小、泵站总抽水量最小和受水区缺水率标准差最小作为目标函数,从供水保障、供水成本和公平性角度构建多目标水量优化调度模型。基于可行搜索思路,结合逆序演算和顺序演算过程对约束条件进行处理,引入决策系数,通过映射关系使搜索空间保持在可行域中,结合多目标非支配排序遗传算法(non-dominated sorting genetic algorithms,NSGA-II)进行求解,得到Pareto最优解集,并采用熵权法进行方案优选。结果表明,基于可行搜索的NSGA-II算法能够有效求解复杂调度系统的多目标优化问题,综合考虑多个目标的最优方案相对单目标方案更加合理,结果可为引江济淮工程(河南段)运行管理提供决策支撑。

基于差分进化粒子群混合算法的多无人机协同区域搜索策略

为提高无人机群在未知环境中的区域搜索效率,提出一种多无人机协同区域搜索策略。首先,根据区域搜索任务需求,建立包含区域覆盖率、区域不确定度、目标存在概率三种属性的区域信息地图;其次,以最大化搜索效率、同时最小化无人机搜索过程中的能耗为目标,建立无人机区域搜索滚动时域优化目标函数,指导无人机在线决策搜索路线;然后针对传统群智能优化算法易陷入局部最优的缺陷,设计差分进化粒子群混合算法在线求解该多目标优化问题,提高算法的寻优性能,从而提高无人机的搜索效率。最后,通过数值仿真实验,对所提算法进行验证,仿真结果表明,文中设计的基于差分进化粒子群混合算法的多无人机协同区域搜索策略与传统的群智能优化算法相比具有更高的区域搜索效率。

基于衍生搜索政治优化算法解决含可再生能源的多区域经济调度问题

随着可再生能源并入多区域电力系统,其不确定性大大增加了电力系统多区域经济调度的复杂度。如何高效求解含有风力和太阳能的多区域经济调度(multi-areaeconomic dispatch containing wind and solar energy,MAEDWS)问题面临着严峻的挑战。针对现有优化算法在处理MAEDWS问题时存在收敛速度慢和求解精度低等不足,该文提出一种基于衍生搜索的政治优化(derivative search-based political optimizer,DSPO)算法。在政治优化算法的基础上,引入首脑引领策略和衍生搜索机制。前者引领候选解前往更有希望的区域,加快收敛速度;后者在区域获胜者周围衍生邻域解,丰富多样性。该文将DSPO算法和其他6种代表性算法应用于MAEDWS问题,并进行对比分析。收敛曲线和性能指标的结果表明DSPO算法在收敛效率、求解精确度、稳定性方面取得了整体最优。

混合多策略MHSSA智能优化风电拉挤板生产排程

针对带序列相关调整时间和顺序齐套约束的风电拉挤板生产排程问题,构建了最小化设备负荷偏差、交货期偏差和最大化设备利用率的多目标优化模型,改进并设计了基于Pareto寻优和拥挤度计算机制的多目标启发式麻雀搜索算法(multi-objective heuristic sparrow search algorithm, MHSSA)。算法具有“组件-区域”两层编码方式和“倒排-修复-优化”启发式解码算子;采用多规则结合反向学习的改进种群初始化策略,增强了全局搜索能力;利用具有交叉算子和外部存档扰动机制的改进搜索策略,提升了寻优精度和种群多样性。通过数据集测试和实例仿真分析,验证了排程优化模型和智能排程算法的有效性。