分段搜索的果蝇算法及其对纺织企业资源配置

为了解决纺织企业智能化资源配置中的多参数多目标优化问题,提出了Multi-P-LevyFOA。首先,建立纺织企业智能化转型的多参数多目标资源配置模型。然后,在迭代次数小于等于2/3总迭代数时,基于Levy飞行的随机数更新种群位置,扩大搜寻范围,避免陷入局部最优。在迭代大于2/3总次数时,使用均匀分布的随机数更新种群位置,缩小搜寻范围,避免跳出最优值范围。对算法在不同迭代时刻全局和局部寻优能力进行了分析,对Multi-P-LevyFOA的算法时间复杂度进行了分析并与标准FOA和5个改进的FOA进行比较,并证明了其收敛性。将Multi-P-LevyFOA与其他4种改进的FOA进行了性能对比,重点分析了算法阈值SEP在22个benchmark函数上的影响,研究了Levy飞行中β参数对寻优效果的影响规律。最后,以陕西某纺织企业的智能化资源配置为例,验证了Multi-P-LevyFOA的可行性。实验结果表明,Multi-P-LevyFOA能够有效地解决多参数多目标优化问题,为纺织企业智能化资源配置提供参考。

纺织企业智能化转型的关键决定因素提取

为提取影响纺织企业智能化转型的关键决定因素,构建了纺织企业智能化特征,利用深度访谈和扎根理论,探索纺织企业智能化的概念和维度,形成纺织企业智能化的构念解释架构,产生4个核心范畴和11个主范畴。利用专家采用群体决策和最佳-最差(best-worst-method,BWM)法对核心范畴和主范畴赋权,并按综合权重从大到小提取出关键决定因素。结果表明:财务状况、领导承诺与支持、内部协作、智能技术成熟度、市场前景和智能技术兼容性对纺织企业的智能化转型起关键决定作用。以纺织企业智能化转型为研究对象,进一步拓展了智能化在生产制造企业转型中的理论研究,并为纺织企业提供了决策依据和参考。

聚类质心与指数递减方法改进的哈里斯鹰算法

为了提高哈里斯鹰算法的寻优性能,提出KmHHO算法。首先,将所有种群看作一个聚类,用Kmeans算法计算聚类的质心,再用质心代替算法中的均值。然后,为了控制算法的探索和开发阶段,用指数递减的猎物逃逸能量,代替原算法中线性递减的猎物逃逸能量。最后,通过在23个benchmark函数上5个算法寻优性能的对比,验证KmHHO的改进效果,并利用Wilcoxon秩和检验,分析KmHHO与其他4个算法的差异性。实验结果表明,在23个benchmark函数中,KmHHO能够在14个benchmark函数上取得最优值,整体性能高于GWO、HHO和AO,但与DAHHO相当。