基于IPSO算法的多目标车辆配送路径规划研究

针对汽车零部件车辆配送路径规划问题,提出一种基于IPSO的多目标车辆路径规划算法。以平均行驶成本、等待时间成本和惩罚时间成本为目标函数,建立多目标车辆路径规划模型。研究结果表明,选择搜索成功率、平均行驶成本和搜索时间为评价指标,IPSO算法在搜索成功率和搜索时间以及平均行驶成本方面,均优于GA和PSO算法,同时避免局部最优,对降低配送成本和提升企业竞争力具有重要意义。     

基于改进群搜索优化算法的车辆路径问题研究

针对标准群搜索优化(GSO)算法存在的早熟、后期迭代效率低和容易陷入局部极优点等问题,提出了一种改进的群搜索优化算法用于车辆路径问题的研究。该算法先是通过交叉因子的引入来曾加粒子的多样性并增强群成员的优良性,从而减小后期搜索中算法易陷入局部极优点的概率;然后借助于模拟退火算法的优势来有效的提高算法收敛性能。实验表明,基于交叉因子和模拟退火的群搜索优化(CMGSO)算法相比于标准群搜索优化(GSO)和粒子群优化(PSO)算法来说,具有较快的收敛性能和较好的全局寻优能力,因此该算法适用于物流车辆路径寻优问题的研究和解决。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径, 构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

模糊时间窗多目标冷链物流路径规划

针对近几年冷链物流行业高额的配送成本和能源消耗等问题,以冷链物流配送路径为研究对象,建立基于碳排放量、配送总成本和客户满意度的多目标配送路径优化模型。采用贴近实际的模糊时间窗配送方式和自适应灾变遗传算法,对冷链物流运输车辆路径规划和在实际配送中复杂路径问题下的多目标路径优化进行研究。算例分析表明:1)在冷链物流路径配送中,目标函数考虑碳排放时的碳排放量相比不考虑碳排放降低了56%;2)该模型能够在考虑碳排放量和客户满意度的基础上有效地降低配送成本,使多个目标进行有机统一,全局优化;3)该算法对于多目标冷链物流路径优化问题在寻优效率和计算时间上均优于标准遗传算法。     

改进蚁群算法在果蔬采摘机器人路径规划中的应用

果蔬采摘机器人如何在复杂多变作业环境中,特别是多丘等特殊地理面貌中,能够快速选择最佳路径实现安全避障完成作业任务,就涉及到果蔬采摘机器人路径规划问题。针对基本蚁群算法(Traditional Ant Colony Algorithm,TACO)搜索效率低、易陷入局部最优及易出现早熟收敛等缺陷,提出一种基于改进蚁群算法(Improved Ant Colony Algorithm,IACO)的果蔬采摘机器人路径规划方法。首先,采用栅格法建立4种不同规格环境模型;其次,为缩减路径搜索初期时间消耗、加快搜索速度和扩大全局寻优能力,综合考虑搜索路径上当前节点、下一节点和目标节点间的几何关系,设计新的启发函数因子,并在此基础上对状态转移规则进行改进;为保留每次循环最优路径的信息优势,增加路径选择多样性和改善算法收敛性能,通过引入精英策略和信息素局部与全局相结合的更新策略对信息素更新规则进行改进。最后,通过与其他算法仿真试验结果比对分析,证实改进算法在解决复杂特殊地理环境下果蔬采摘机器人最优避障路径规划具有有效性和优越性。     

BP神经网络在故障字典快速定位中的应用

故障字典法是一种很实用的故障诊断方法，但对于大规模、复杂电路，故障字典庞大，故障搜索速度影响了实时诊断效率。提出一种将规模较大故障字典分解为多个子故障字典，采用BP神经网络组织其搜索索引的方法。该方法利用BP神经网络能够精确描述输入数据与目标数据之间的映射关系的能力，组织多个BP神经网络组成多层的二叉树索引结构。通过该索引，大大缩小了故障查找范围，提高了搜索速度，提高了实时诊断的效率。     

基于云模型的农业移动机器人人机合作路径规划

【目的】实现农业移动机器人在复杂动态的农业环境中实时准确地无碰撞行驶。【方法】基于云模型的不确定性在线推理方法,提出一种基于云模型的动态引导A*(CDGA*)算法进行人机合作路径规划,将人的专业知识和喜好等引入DGA*优化中,实现机器人更快速的路径规划。利用Matlab软件对CDGA*算法与DGA*算法进行仿真对比分析。【结果】静态路径规划中,DGA*算法与CDGA*算法的close的点数分别为158和96,人员规划时间分别为8.8和4.0 s,规划总时间分别为15.6和8.9 s;动态路径规划中,DGA*算法与CDGA*算法的人员规划时间分别为12.5和5.8 s,规划总时间分别为23.3和14.6 s。【结论】提出的CDGA*算法能够大大减少产生的节点数,缩短规划时间,提高搜索效率。     

基于信息决策树分支剔除的传感器资源调度

针对低轨星座对高速运动目标连续跟踪的传感器调度问题，将传感器调度的长时信息增量模型描述为信息决策树，并通过分支剔除技术搜索最优解，提出一种基于信息决策树分支剔除的传感器调度方法.仿真实验表明，长时信息增量有效克服了短时信息增量过于频繁调度的问题，且决策树分支剔除的引入大大降低了长时信息增量最优搜索的运算量.     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

时变海流干扰下深远海渔业无人船多目标路径规划

深远海无人船在开发渔业资源时,面临着续航能力不足和路径规划算法收敛慢、精度低等问题,为尽可能减少渔业无人船在实际任务执行过程中环境影响和最大限度地优化航行路线,在保证其安全航行的前提下,设计了以路径长度、转舵和海流能耗等多个参数最小为目标的路径规划算法。通过对无人船在航行时海域环境和任务目标的分析,建立了时变海流干扰下的无人船多目标计算模型,采用改进的自适应灰狼优化算法进行求解,算法通过引入多项策略进行统筹优化。该算法应用于复杂水域下渔业无人船多目标优化领域的仿真实验,证实了算法的可行性和改进策略的有效性,多目标相较于3个单目标仿真结果对总目标值的优化率分别提高了9.2%、1.7%、11.9%;不同海流状态下的仿真路径表明了相较于传统的以距离最优算法能够节省更多的成本,有效地提高了无人船全局航迹的规划性能。     

绿色供应链生态知识嵌入模式与实施策略

企业在向绿色供应链转型过程中通过对所处发展阶段的定位,采取不同维度的知识嵌入措施实现生态知识与绿色供应链的结合。环境、战略、要素、生产和能力是企业用来确定生态知识嵌入的动态要素;每个维度生态知识嵌入的阶段和嵌入模式均处于不断的动态变化之中;根据动态嵌入的特征提出相应的实施策略,能有效地解决生态知识嵌入绿色供应链的路径问题。研究结论为企业有效实施生态知识嵌入提供理论指导。     

改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法（QGA）在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷,提出一种改进量子遗传算法（QQGA）,运用基于概率划分的小生境协同进化策略初始化量子种群,并采用动态量子旋转角调整策略来加快收敛速度;加入量子移民和保优选择策略,提高规划效率,避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法,结果比标准量子遗传算法效率高。     

基于遗传算法的乡级土地利用规划空间布局方案研究

针对乡级土地利用规划中如何将确定的土地利用数量结构方案优化配置到具体的地域空间,以及常规的精确算法求解每次只能产生一个空间布局方案的问题,提出了辅助产生可供选择的乡级土地利用规划空间布局方案的遗传算法。首先根据目标规划原理建立了乡级土地利用规划空间布局问题的数学模型,以最大化布局方案的综合指数及最大化布局方案中每类用地在空间布局上的紧凑度作为目标函数;其次针对该数学模型多目标、非线性的特点,提出了基于遗传算法的求解方法,主要包括编码方法确定、种群初始化、适应度的计算及遗传操作等过程。利用该方法,在北京市平谷区王辛庄镇的土地利用规划空间布局中,得到了多种规划方案,结果表明,遗传算法是一种辅助乡级土地利用规划的有效优化方法。     

基于梯度蜂群混合算法的电力系统最优潮流计算

国内外对于媒介消费信息传播的研究，多以消费文化理论为逻辑起点，“场域分析”的新进路提供了一种连结宏观层面上的政治经济学分析、中观层面上的媒介组织消费信息生产分析、以及微观层面上的解释社群和文本分析的关联性动态思考空间，这是对消费文化路径下相对单一、静态和平面化的研究面向的超越。     

基于鱼群算法的多维背包问题研究

将鱼群算法应用于求解多维背包问题,提出一种求解多维背包问题的鱼群算法,MKPAFSA。定义MKPAFSA中的各元素,且引入启发因子和动态因子,并对鱼群算法进行了改进和优化。它减少了人工鱼的搜索时间,有效改善了鱼群算法后期收敛较慢且一般仅能得到满意解域的缺陷。仿真试验取得了较好的结果。     

一种改进的多目标优化算法的性能度量方法

本文在传统多目标优化算法性能度量方法的基础上,提出了一种改进的多目标优化问题的性能度量方法-NR。该度量方法中的非支配比率成功克服了指标两个解集之间的覆盖率只能两两比较的不足,使三种算法或者更多算法之间的比较更加直观容易。该度量方法能对有效解集进行独立的评价。     

基于Neo4j的草莓种植管理知识图谱构建及验证

本文提出了一种基于Neo4j的草莓知识图谱构建方法。该方法以图结构的方式将草莓知识更加直观、简单地展现出来。使用模块化和格式化导入知识可以解决CREATE语句导入速度缓慢问题,而且精准度高,可以更快、更准确地获得三元组。可以利用知识图谱的内部结构来实现知识可视化和知识推理。结果表明,该方法在综合查询方面具有较好的效果,该研究构建的知识图谱可以用于草莓知识的智能问答、知识推荐、智能搜索等系统,可以为草莓生产管理提供高质量的知识。     

农村辐射状配电网的优化方法

【目的】针对城镇配电网的特点,研究辐射状配电网多目标经济性优化模型与算法,为农村中压配电网优化决策系统的建设提供技术支持。【方法】利用经济电流密度概念和多目标规划理论,提出计入导线截面策略因子的最小投资费用和年网损费用的多目标函数优化模型,研究并利用实数编码并行优化处理方法、引入退火动态罚因子设计动态罚函数处理约束条件、基于遗传算法的电网路径与潮流的自识别解码方法、遗传算子的自适应调整方法等,并提高遗传算法在辐射状配电网拓扑约束中的自动识别能力,确保可行解的搜索方向和遗传寻优的顺利进行。【结果】通过陕西杨凌示范区新桥变电站10 kV配电网待建区域实例验证表明,随着选取种群数目的增多,综合费用逐渐趋向于1 230万元。与单目标优化方案的投资费用相比,多目标优化方案的建设投资费用约增加72万元,而年网损费用约减少323万元,综合费用约降低250万元,获得了该配电网的最优建设方案。【结论】提出了配电网络多目标经济性优化模型及其算法,实现了规划线路长度和导线截面策略因子并行优化,提高了解的搜索精度。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。