为求解高维优化问题,提出基于反向学习和衰减因子的灰狼优化算法(grey wolf algorithm based on opposition learning and reduction factor,ORGWO).设计一种灰狼反向学习模型,模型考虑问题搜索边界信息和种群历史搜索信息,初始种群阶...为求解高维优化问题,提出基于反向学习和衰减因子的灰狼优化算法(grey wolf algorithm based on opposition learning and reduction factor,ORGWO).设计一种灰狼反向学习模型,模型考虑问题搜索边界信息和种群历史搜索信息,初始种群阶段增加反向学习,增强种群多样性.根据算法各个阶段不同特征引入衰减因子,平衡全局和局部勘探能力.选取8个高维函数和23个不同特征的优化函数对算法性能进行测试,进一步使用收敛性分析,寻优成功率,CPU时间,Wilcoxon秩和检验来评估改进算法,实验结果表明,ORGWO算法在求解高维问题上具有较好的精度,鲁棒性和更快的收敛速度.展开更多
中间包计划是重要的炼钢-连铸批量计划之一,其功能是在给定的炉次计划中,根据炼钢-连铸生产能力及下游工序生产所需材料的数量,挑选出待生产的炉次并制定出合理的中间包使用数量及每个中间包内生产的炉次.在对中间包计划问题描述的基础...中间包计划是重要的炼钢-连铸批量计划之一,其功能是在给定的炉次计划中,根据炼钢-连铸生产能力及下游工序生产所需材料的数量,挑选出待生产的炉次并制定出合理的中间包使用数量及每个中间包内生产的炉次.在对中间包计划问题描述的基础上及现有文献中未考虑中间包利用率及中间包内炉次宽度差异性,建立了多目标中间包计划数学模型.为了求解模型将模型分解为两个子模型,并针对两个子模型设计了迭代局部搜索算法(iterated local search,ILS)及变邻域搜索算法(variable neighborhood search,VNS)相结合的双层混合算法,考虑到中间包利用率及多目标权重对解的影响,在算法中加入了可调整模型参数的方法,最后用实际生产数据对模型及算法进行验证.展开更多
文摘为求解高维优化问题,提出基于反向学习和衰减因子的灰狼优化算法(grey wolf algorithm based on opposition learning and reduction factor,ORGWO).设计一种灰狼反向学习模型,模型考虑问题搜索边界信息和种群历史搜索信息,初始种群阶段增加反向学习,增强种群多样性.根据算法各个阶段不同特征引入衰减因子,平衡全局和局部勘探能力.选取8个高维函数和23个不同特征的优化函数对算法性能进行测试,进一步使用收敛性分析,寻优成功率,CPU时间,Wilcoxon秩和检验来评估改进算法,实验结果表明,ORGWO算法在求解高维问题上具有较好的精度,鲁棒性和更快的收敛速度.
文摘中间包计划是重要的炼钢-连铸批量计划之一,其功能是在给定的炉次计划中,根据炼钢-连铸生产能力及下游工序生产所需材料的数量,挑选出待生产的炉次并制定出合理的中间包使用数量及每个中间包内生产的炉次.在对中间包计划问题描述的基础上及现有文献中未考虑中间包利用率及中间包内炉次宽度差异性,建立了多目标中间包计划数学模型.为了求解模型将模型分解为两个子模型,并针对两个子模型设计了迭代局部搜索算法(iterated local search,ILS)及变邻域搜索算法(variable neighborhood search,VNS)相结合的双层混合算法,考虑到中间包利用率及多目标权重对解的影响,在算法中加入了可调整模型参数的方法,最后用实际生产数据对模型及算法进行验证.
