基于改进粒子群算法的木材板材下料方法

木材板材在家具行业应用广泛,以绿色环保、节约能源为目的的木材板材优化下料已经成为研究的热点。木材板材下料优化问题属于二维矩形下料问题,是一种具有高度计算复杂性的问题。本研究主要针对单规格木材板材进行矩形零件下料问题,在木材板材长和宽都大于零件长和宽的情况下,通过建立二维下料的数学模型,采用标准粒子群算法、变邻域搜索算法、粒子群混合变邻域搜索算法分别进行求解,并以某企业的下料实例进行分析计算。首先,利用标准粒子群算法求解单规格板材下料问题;其次,利用变邻域搜索算法求解单规格板材下料问题。在获得局部最优解的基础上改变其邻域结构再进行局部搜索,找到另一个局部最优解,如此不断迭代,直到满足算法的终止条件,获得全局最优解;最后,利用粒子群变邻域搜索混合算法求解单规格板材下料问题。针对粒子群算法局部搜索能力较差、容易过早收敛的问题和具有较好包容性的特点,将变邻域搜索的思想融入粒子群算法中,使结果更加趋向全局最优。结果表明：粒子群变邻域搜索混合算法相比粒子群算法和变邻域算法效率都有显著提升,能显著提高该木材板材的利用率,增加企业经济效益。     

一种适用于森林管理变量的并行模拟退火算法

针对森林经营管理的复杂性问题,通常以模拟实地的虚拟森林环境作为实验区,运用模拟退火算法工具运营管理森林。由于传统算法存在执行时间长、收敛速度慢等一系列缺点,本文展示了一种在线的并行模拟退火算法及其优化策略。在独立搜索与合作搜索策略下优化并行算法,独立搜索时,彼此线程间不进行通信,各个线程独立的运行各自的马尔科夫链,在各线程运行结束后,主线程再统一接收各自线程的局部优化解,经过比较进而得出全局最优解;合作搜索时,先通过若干步的退火步骤,线程根据情况产生2种退火链通信阶段:同步通信裢阶段和异步通信链阶段,实时更新结果。经过对比分析得出,串行模拟退火算法比并行算法的收敛速度快;并在Solomon提供的标准测试集上对并行算法的性能进行测试,分析进程数目对代价大体呈反比的趋势,在理论和实验上,表明并行策略可实现高效低成本的森林经营管理。     

搜索引擎中遗传模拟退火算法的应用略论

搜索引擎在工作的过程中,不可避免出现一些新词、语义模糊解析的情况,如何有效地解决这一问题,成为优化搜索引擎的关键。将遗传算法与退火算法结合在一起,利用退火温度的控制,解决局部收敛最优解的问题,可以提高搜索引擎的搜索效率与搜索的准确率。对遗传模拟退火算法具体功能进行分析,探讨了其在搜索引擎中具体应用,详细地探讨了遗传模拟退火算法在搜索引擎中的应用流程。     

基于高频变异免疫进化算法的多峰值函数优化

多峰值函数优化问题一直是数值优化领域中研究的难点。本文提出一种基于高频变异的改进免疫进化算法,通过克隆选择高频变异抗体来增加群体多样性,又赋予抗体生命期抑制群体暴增,此外引入变异因子提高抗体识别抗原的速度。该算法即克服克隆选择算法的收敛速度慢,又克服遗传算法易陷入局部最优解的不足。对三个多峰值函数优化仿真,并和标准遗传算法、改进遗传算法和佳点遗传算法的计算结果进行比较,证明该方法可以快速收敛到全局最优解。     

模拟退火算法求解TSP问题

模拟退火算法在处理全局优化、离散变量优化等困难问题中，具有传统优化算法无可比拟的优势。这里描述模拟退火算法的原理及其基本框架结构，给出用模拟退火算法求解TSP问题的具体实现方法，并分析说明模拟退火算法的优缺点。     

基于改进蚁群优化算法的车间布局优化

为了实现车间布局优化的最小物流费用,对车间布局优化的问题建立二次分配模型,并采用一种改进的蚁群优化算法（最大最小蚂蚁系统）来求解二次分配模型,这种方法克服了传统的蚁群优化算法,收敛速度慢、陷入局部最优、运算时间长等缺陷。同时建立车间布局构建图,对车间布局的蚁群算法实现进行详细的描述,并引入局部搜索的方法对问题求解进行局部优化,以便实现全局最优。最后,给出一个有12个生产单元的车间布局仿真算例,运用VC＋＋6．0编程实现算法,计算结果显示,新布局方案物料搬运成本要比原布局方案节约10％。这个结果表明改进的蚁群算法在求解二次分配模型具有很好地能力,对于解决车间布局优化问题的求解是可行和有效的。     

面向安全服务重组多目标优化的粒子群遗传算法

遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率.     

基于模拟退火算法逆转搜索的森林空间经营规划

【目的】研究逆转搜索策略对模拟退火算法性能的提升作用,为复杂森林经营规划问题的优化求解提供技术支撑。【方法】以大兴安岭塔河林业局盘古林场森林空间收获安排问题为例,以模拟退火算法1-邻域和2-邻域技术为基础构建逆转搜索过程,并将其应用于具体的森林经营规划实践。规划模型以10年规划期内的木材均衡收获为目标函数,根据经营措施选用不同空间约束形式,对抚育措施采用面积限制模型,对皆伐措施采用单位限制模型,2种模型均满足3年的绿量约束期。【结果】对于最小化森林经营规划问题而言,逆转搜索中不同邻域间的交互次数对规划结果影响不显著,但其平均目标函数值均显著低于传统模拟退火算法1-邻域(P001)和2-邻域(P001),而算法优化时间分别比1-邻域和2-邻域增加约5和2倍,逆转搜索策略具有显著的优越性能和广泛的应用前景;最优森林经营方案表明,整个规划期(10年)内预计可收获木材约500×10~5m~3,其中抚育出材量312×10~5m~3,抚育林分面积占林场总面积的1094%,皆伐出材量188×105m3,皆伐林分面积占林场总面积的102%,该方案能够满足森林可持续经营的目标。【结论】逆转搜索是一种高效、稳定的优化求解技术,能够满足复杂森林经营规划问题的需要,可为森林经营方案的编制提供技术支撑。     

MapReduce框架下森林分类的并行模拟退火算法

针对传统模拟退火算法存在收敛速度慢、执行时间长的缺点,本研究提出了一种并行在线的模拟退火算法及其优化策略,并将其运用到森林景观分类中。研究人员运用多马尔科夫链异步通信和同步通信两种策略实现模拟退火算法的并行处理。在Solomon提供的标准测试集上对并行算法性能进行测试和分析,得出并行算法时线程间的通信可以提高目标解的搜索效率。与此同时,同步通信策略目标解的搜索效率优于异步通信策略,但是会增加一些通信负载的成本。通过大量实验得出森林分类经营代价与线程沟通周期、链长和线程数目的关系,从而节省景观分类的时间代价,进而解决一些NP难题。     

遗传算法在自动组卷中的应用

针对传统的组卷算法具有组卷速度慢、成功率较低的缺点,将十进制编码的遗传算法引入到自动组卷中,建立数学模型,可以跳出局部寻优范围,收敛到最优解。     

基于IGWO-CNN的风场发电功率预测研究

针对传统方法下风场发电功率预测精度不高的特点，提出了一种基于改进灰狼算法(IGWO)的优化卷积神经网络(CNN),传统灰狼算法搜索范围呈现线性变化，因此采用动态收敛对灰狼算法进行改进，通过非线性收敛因子降低全局搜索速度，可以有效避免传统灰狼算法陷入局部最优解的问题，随后利用改进的灰狼算法对CNN的最佳网络进行寻优，成功避免CNN网络结构的不确定性。对内蒙古某风力发电厂的实测功率进行预测，研究表明：基于IGWO-CNN的风力发电功率预测方法相较传统的GWO-CNN及CNN具有更高的预测精度。     

基于完全自适应策略的遗传算法

为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法.自适应策略不仅基于进化阶段,同时基于个体,特别采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.     

一种改进鲸鱼优化算法的特征选择方法

针对鲸鱼优化算法(Whale Optimization Algorithm, WOA)用于特征选择时易陷入局部最优的问题,基于二次函数设计一种非线性过度参数取代原始的线性过度参数,再结合动态反向(Dynamic Opposite, DO)学习算法分别增强了WOA算法局部搜索能力和全局搜索能力,提出了动态反向鲸鱼优化算法(DOWOA)。用于5个标准测试函数的测试结果表明：DOWOA寻优效果优于原始WOA算法。5个UCI数据集测试结果表明：DOWOA算法能保持SVM分类精度几乎不变的情况下寻找到更少的特征子集。对电信客户流失数据进行了实验,结果表明：在平均分类精度几乎保持一致的情况下,DOWOA算法特征选择能力优于原始WOA算法。     

基于ACS进化算法的控制规则最优型模糊PID控制器设计

以ACS(Ant colony system)进化算法和模糊逻辑控制为基础,提出了一种新的可适应各种不同控制对象的通用型最优模糊PID控制器的设计方法.这种方法的核心是以ITAE中性能准则为目标函数,采用ACS算法去调整和优化模糊PID控制器的量化因子和比例因子,以获得最优的控制规则,进而获得最优的模糊PID控制器.所设计的这种控制器称为Fuzzy-ACS PID控制器.对四种典型的控制对象所进行的计算机仿真实验表明,Fuzzy-ACS PID控制器具有良好的控制性能和鲁棒性能.与采用微分进化算法、实值编码遗传算以及模拟退火算法设计的其它三种最优PID控制器相比,Fuzzy-ACS PID控制器具有最小的ITAE性能指标值,其动态性能和稳态性能更好.此外,计算机仿真实验的结果还证实,ACS算法在搜寻最优量化因子和比例因子时,收敛速度快,解的波动范围小,动态收敛性能好.     

基于森林空间规划问题的模拟退火算法参数敏感性研究

[目的]以森林空间收获安排问题为基础,系统探讨模拟退火算法参数(初始解数量、初始温度、降温速率和每温度下重复次数)设置对森林空间规划问题目标解质量的影响。[方法]规划模型以10个5年规划分期内的最大化木材收获为基本目标,同时满足均衡收获和最大连续采伐面积约束。模拟数据由5个假设的栅格数据组成,共产生了3 300 81 600个0-1型决策变量。[结果]表明:各规划问题目标函数值的平均变异系数仅在0.18%14.95%间波动,说明模拟退火算法优化结果的高度稳定性;每温度下重复次数和初始温度分别与林分数量呈显著的多项式(R~2=0.85)和指数(R~2=0.66)关系,而降温速率则与林分数量倒数呈显著的多项式(R~2=0.98)关系,初始解数量虽不受林分数量影响,但至少应维持在500次以上。同时,研究还表明规划问题规模不仅显著影响各参数的取值,同时还显著影响算法获得满意解概率(PN)和求解效率(RE),其中满意解概率随林分数量的增加而呈显著线性增加趋势(R~2=0.98),但求解效率则呈显著线性下降趋势(R~2=0.55)。[结论]模拟退火算法优化结果具有高度稳定性,能够适应复杂森林规划问题的需求;模拟退火算法优化结果对参数设置和林分数量具有高度的敏感性,因此森林经营决策人员在采用模拟退火算法解决具体的森林规划问题时应慎重选择各参数的取值,以确保规划结果的稳定性和可靠性。     

Tabu搜索法在森林采伐量优化问题中的应用

介绍一种新颖高效的启迪式搜索方式－－Tabu搜索法。以一个杉木人工林采伐量方案的优化为例。介绍了Tabu搜索法的基本原理和应用方法，并把Tabu搜索法与线性规划，模拟退火和遗传算法处理同一森林采伐量优化方案例子获得的结果进行了比较。结果表明，禁忌搜索法在解决一般森林采伐量优化问题时有快速高效的特点，尤其是在移动产生的相邻解数目有限且差异较大的情况下，可以很快获得模拟退火和遗传算法多次重复计算也较难达到的高目标方程值。禁忌周期对Tabu搜索法的影响比较小，寻找好的和移动方式和排序方式是影响Tabu搜索法效率的关键。     

基于 JIT 的汽车混流装配线排产研究

为满足消费者对于汽车的日趋多样化和个性化的需求,JIT生产方式成为我国大多数汽车制造企业主要的生产方式。因不同车型的零件需求量不同,如要实现准时化的拉动生产就必须解决汽车混流装配线排产问题,以保证零件供应的平准化。本文以AA汽车制造有限公司为研究对象,根据其日生产计划建立汽车混流装配线排序数学模型,分别运用目标追随法、基于lingo软件的整数规划法、及模拟退火法3种算法对数学模型进行求解,比较其运行时间与结果,发现模拟退火算法求解全局最优解的能力优于其它两种算法,更适用于解决汽车混流装配线排产问题。     

基于遗传-贪心混合搜索的人造板下料算法

随着定制板式家具的需求扩大,对人造板加工下料中的智能排样技术提出了更高的要求,为此针对有"一刀切"约束的矩形板材排样问题展开研究。选择遗传算法与贪心算法混合使用,首先通过局部随机调序来改进有序种群初始方式,其次通过优化个体序列与工件初始序列中元素的位置映射关系,将其编码为基因序列,通过后检测排样的贪心策略扩大局部解搜索空间,最后以比例选择方式及最优保存策略改进优化遗传算子。结果显示:在非"一刀切"排样算例计算中,相比文献算法平均排样效果提高了2%,而计算时间缩减90%,相比文献同类型算法在获得相同求解效果时,迭代次数缩减50%;在有"一刀切"约束排样算例计算中,相比文献算法平均排样效果提高了2.7%,而平均余料数量减少了50%。试验证明:在进行非"一刀切"排样计算时,具有较高的时间效率和求解质量,同时具有较快的收敛速度,通过少量迭代便可获得较为满意的问题解;在进行有"一刀切"约束条件的排样计算同样可以获得较高的最优利用率,且在该类排样计算中可以明显降低余料碎化,使原料利用率得到进一步提升。     

基于非线性规划的电梯调度方案

针对电梯调度系统建立非线性规划模型,用模拟退火算法求解,获得最优解。基于Matlab用蒙特卡洛模拟法实现对现实电梯调度系统的建模仿真。最后选用时间指标、能量指标建立综合评价模型分别评价两种方案,进一步论证了基于非线性规划的模型的优越性。对现实电梯的调度规划有一定的指导意义。     

板式家具板材优化排料系统的研制与开发

对板材下料问题进行了分析和研究，将十进制编码的遗传算法引入到该问题领域，建立了物理数学模型，可以跳出局部寻优范围，收敛到最优解。根据分析模型，编制了计算机程序，得出可行性结论。