基于多目标粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间的多目标调度问题,构建了以制造工期、加工成本及提前/拖期惩罚值为目标函数的柔性作业车间调度模型,提出基于密集距离排序的自适应多目标粒子群算法.采用精英策略保留进化过程中的优势个体,基于个体密集距离降序排列进行外部种群的缩减和全局最优值的更新,并引入小概率的变异机制以增强解的多样性和算法的全局寻优能力.最...     

基于鲶鱼效应多目标粒子群算法的水库水沙联合优化调度

针对水库水沙联合优化调度多目标、高维、非线性和难以求解的特点,将鲶鱼效应机制引入多目标粒子群算法中提出基于鲶鱼效应的多目标粒子群算法,该算法在利用收敛速度较快的Sigma方法的基础上,通过触发鲶鱼启发器引入外部鲶鱼粒子,利用鲶鱼粒子对种群的驱赶效应增加种群多样性,从而提高算法的收敛性和非劣解集的多样性;数值分析证明,与MOPSO和σ-MOPSO相比,该算法的效率和质量更高,同时三峡水库实际算例也表明,该算法能给出代表整个可行调度空间、收敛较好、分布均匀的Pareto最优前沿,具有较好的适应性。     

基于自适应弹性粒子群算法的小水电长期优化调度研究

以三插溪电站为研究对象,建立了该电站以控制水位和弃水最小为目标的优化调度数学模型;设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法求解该优化调度数学模型,包括粒子编码设计、适应度函数设计以及弹性修正值设计,并编制了基于MATLAB语言的优化程序。仿真结果表明:自适应弹性粒子群算法是有效的,比基本粒子群优化算法和自适应粒子群优化算法具有更强的全局寻优能力;和常用的以发电量最大为目标的优化调度模型相比,数学模型可以实现水位控制,更充分地利用水能资源,是简单可行的小水电优化调度数学模型。     

基于改进粒子群算法的排涝泵站优化调度分析

针对泵站节能降耗问题,建立了站内优化调度模型,并利用混沌理论改进粒子群算法,开展站内调度方案寻优问题研究。研究结果表明,采用混合粒子群算法,收敛速度快,求解精度高,较适合泵站优化调度求解;采用3时段优化分析时,优化方案耗电量为23.34万kWh,节省电量3.46万kWh,取得了较好的优化调度结果。     

基于多目标粒子群优化算法的永久基本农田划定模型

针对传统的永久基本农田划定方法不能较好地统筹兼顾永久基本农田的耕地质量、空间布局集中连片等目标问题,提出了一种基于粒子群优化算法的多目标永久基本农田划定模型,该模型包括土地适宜性、连片性、稳定性3个子目标函数,同时考虑生态保护红线、地形地貌等约束条件。选取河南省浚县为研究区域,根据目标偏好不同设置对照实验。结果表明,该模型在永久基本农田划定工作中具有可操作性,避免了划定过程中主观因素带来的不利影响,且可以提供多情景的永久基本农田布局方案,促进了永久基本农田划定结果的科学合理性。     

水库优化调度的粒子群算法

提出了在用粒子群算法求解水库优化调度问题时,将模拟退火因子引入罚函数,可以克服不变罚因子的缺陷.采用动态规划法和PSO算法优化调度程序,结果发现PSO算法计算结果更优于动态规划结果.实例计算表明,粒子群算法原理简单,易于编程,占用内存少,求解精度高,适合求解具有复杂约束的水库优化调度问题.     

多邻域链式结构的多目标粒子群优化算法

为了提高多目标粒子群算法求解多目标问题的性能,改善算法的收敛性,提出一种多邻域链式结构的多目标粒子群优化算法。首先,以一种环形链式拓扑结构,将种群划分为多个邻域,每个邻域之间相互交叉重叠,并针对不同位置的粒子,进行不同的速度和位置更新策略。其次,对所有粒子采用速度钳制策略,并引入差分进化策略对粒子进行扰动,从而进一步提高算法的多样性。通过14个无约束和3个有约束函数仿真实验,表明该算法相对于NSGA-II、SPEA2、MOEA/D-DE、SMPSO和OMOPSO算法,获得Pareto解集分布更加均匀,算法的收敛性和多样性也更好。为了进一步验证算法的可行性和有效性,将其应用于72杆桁架结构尺寸设计,并与其他优化方法进行了比较,结果表明该算法获得的Pareto前端更均匀,收敛性更好。     

元胞多目标粒子群优化算法与其应用

针对现有多目标粒子群算法多样性不佳,难以平衡多目标优化的全局搜索和局部寻优的能力,提出了一种元胞多目标粒子群算法。在分析多目标粒子算法理论基础上,该算法将元胞自动机思想融入粒子群算法,研究粒子之间相互关系和信息传递机制,并提出一种粒子飞行速度控制策略。实验证明,新算法相对于4种比较算法,在求解含有无约束和有约束的多目标优化问题时有更好的收敛性和多样性,将其应用于盘式制动器优化设计,得到的解精度更高。     

水电站发电优化调度初始粒子群生成方法研究

重点分析了粒子群算法(Particle Swarm Optimization,PSO)在水电站优化调度应用中存在的收敛速度慢等问题,并针对问题提出了一种新的初始粒子群生成方法,形成了粒子群算法求解水库优化调度的改进应用方法.改进前后仿真计算结果的对比分析表明,改进后的应用方法可明显提高水电站优化调度问题的求解速度和精度.     

基于近亲变异NSGA-Ⅱ算法的多目标柔性作业车间调度

在研究柔性作业车间多目标调度问题现状和不足的基础上,提出了包括最大完工时间、加工成本以及加工质量3个优化目标的多目标柔性作业车间调度模型;并针对上述模型,提出了基于近亲变异的改进非支配排序遗传算法(Non-dominated sorting genetic algorithm,NSGA-Ⅱ),该算法根据计算交叉染色体的血缘关系,确定子代个体的变异率,优化了NSGA-Ⅱ的变异策略,避免了算法的早熟问题;最后,针对实际案例,构建相应的调度模型和算法,计算结果证实了模型和算法的可行性和有效性。     

算法在多目标优化问题中的仿真应用

综合了PSO算法应用于求解多目标问题的一些思想,引入罚函数对约束条件进行处理,并利用均值的概念来计算选取PSO算法更新方程中的全局最优值,从而使算法在最优解的引导下,跳出局部最小值,更快地向Pareto最优解前沿收敛。压缩弹簧多目标优化设计实例证明了所提出算法的有效性。     

基于NSPSO算法的混合装配线平衡问题多目标优化

不同品种作业元素的作业时间差异经常引起混合品种装配线的工作站瞬时负荷瓶颈问题,依据给定的排产顺序,兼顾装配线平均负荷和瞬时负荷,考虑不同品种作业元素的作业时间差异对装配线平衡的影响,建立了以最小化工作站内装配时间波动、工作站负荷平滑指数及装配线超载时间为目标的混合品种装配线平衡模型,并设计了基于非支配排序的粒子群优化算法(NSPSO)。实例验证表明,基于非支配排序的粒子群算法在求解大规模混合品种平衡问题方面比遗传算法具有更高的求解质量和求解效率。     

基于粒子群算法的农用轮胎柔性环模型参数辨识方法

轮胎柔性环模型能准确表达轮胎变形,但模型的刚度参数无法直接测定,因此模型刚度参数的辨识成为建模过程中的关键。本文基于轮胎柔性环模型运动学方程,分析农用轮胎固有频率与刚度参数之间的关系,提出基于粒子群算法的柔性环模型刚度参数辨识方法。通过轮胎模态试验获取轮胎固有频率,采用粒子群算法对柔性环模型刚度参数进行辨识。将固有频率的试验值与预测值的平均误差作为评价指标,对比粒子群算法与传统算法及遗传算法辨识结果,结果表明粒子群算法的参数辨识结果精度较高,平均绝对误差为1.67Hz,平均相对误差为1.66%,相较于遗传算法,平均相对误差降低16.16%,运算时间减少93.19%。通过接地印痕试验获取农用轮胎接地角度,结合辨识所得刚度参数,估算轮胎所受到的垂向力,对比垂向力的试验值与预测值,结果表明粒子群算法的参数辨识结果精度较高,垂向载荷估算平均相对误差为1.97%,相对于遗传算法,平均相对误差降低12.05%。     

基于粒子群优化算法的拖拉机动力匹配

为保证带悬挂系统的拖拉机在滑转率、耕作速度和耕作深度等主要因素改变的条件下获得最佳动力,建立了驱动牵引力数学模型,并参考耕作阻力模型,考察了驱动轮滑转率、耕作速度和耕作深度等主要因素的影响,利用约束优化问题粒子群优化算法,确定目标与约束条件,得出满足特定使用条件的驱动牵引力在9kN左右,对应的变量参数洌,nf,H,B的值分别为0.541,25.4,0.732,0.182,6.40.优化结果表明,变量参数值和目标值与拖拉机实际使用工况相符,解决了带悬挂系统拖拉机动力匹配问题,提出了有效的动力匹配优化方法.     

基于粒子群优化算法的拖拉机动力匹配优化

带悬挂系统的拖拉机在工作时,要充分考虑拖拉机牵引力能否满足液压悬挂加载装置、牵引装置等作用下产生的耕作阻力要求.本文建立了驱动牵引力数学模型,参考耕作阻力模型,主要考察了驱动轮滑转率、耕作速度、耕作深度等主要因素的影响,利用约束优化问题粒子群优化算法,得出了满足特定使用条件的驱动牵引力,同时确定了耕深、速度、滑转率等参数的对应值,为带悬挂系统拖拉机的动力匹配提供了重要的方法依据.     

改进PSO的多目标约束项目进度计划问题研究

在项目进度计划问题的研究中,为实现在多执行模式和多资源约束条件下,对项目活动的执行顺序和执行模式进行合理安排的目标,以使项目工期最短,建立了多目标进度计划的目标函数,确定了约束条件.结合微粒群算法求解该组合优化问题.并通过对标准微粒群算法的改进,引入了交换子和交换序的概念,提高了算法的寻优速度和寻优能力,并结合具体的实例验证了改进算法的有效性.