求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

基于人工蜂群算法优化BP神经网络的交通流预测

建立基于人工蜂群算法(Artificial Bee Colony Algorithm,ABC)优化BP(Back Propagation)神经网络(ABCBP)的分析预测模型,对城市道路短时交通流进行预测。以BP神经网络为基础,通过人工蜂群算法优化神经网络的各个权值和阈值,考虑交通流的时间特性,将历史交通流量作为训练样本,预测某日的交通流量。多种算法的仿真试验对比表明:基于ABC-BP的预测结果比传统BP神经网络、小波预测神经网络以及PSO(Partide Swarm Optimization)-BP神经网络的预测结果更加精确。     

一种多目标优化进化算法研究

提出了一种基于多性别遗传算法(MSGA)的多目标优化进化算法，在同一性别种群的进化中采用了线性排名选择算子，给出了一种求解非劣解的算法，并以两个算例作了对解决多目标优化问题有效性的验证。     

基于参数敏度分析的轮毂轴承寿命多目标优化

为提高某型第三代轮毂轴承受载疲劳寿命,以额定动载荷和额定静载荷作为响应指标,采用正交试验设计对轮毂轴承结构参数进行灵敏度分析,以轮毂轴承滚珠数量、滚珠直径、节圆直径及内外沟曲率半径等主要影响因素作为设计变量,建立轮毂轴承疲劳寿命多目标优化数学模型。分别采用非劣排序遗传算法(NSGA-II)、多岛遗传算法(MIGA)和最优化粒子群优化算法(MOPSO)进行优化求解,得到了轮毂轴承最优结构设计参数,采用有限元仿真分析方法对优化前后的旋压铆合装配成形轮毂轴承疲劳寿命进行对比验证。结果表明：上述优化策略实现了由2个目标函数主导的轮毂轴承整体性能提升,改善了轮毂轴承各组件的应力集中情况,提高了轮毂轴承的疲劳寿命,优化后结构最大应力较初始设计降低了约5.1%,寿命较初始设计结构增加了约3.8%,表明轮毂轴承的疲劳寿命多目标优化设计是有效的。     

基于多目标进化算法的公路路线优化模型

根据公路设计特点,提出建立路线多目标优化模型以提高公路路线计算机辅助设计水平和层次的思想,将其定位在为路线交互设计提供一组协调各设计目标关系的初始方案,降低了优化难度,提高了优化模型的实用性.建立了基于多目标优化算法NSGA-II的路线优化模型,从理论上解决了模型建立过程中遗传编码、目标函数确定、遗传算子设计以及进化算法实现等关键技术问题.在GIS的支持下,对模型进行了验证,证明该模型能迅速获得一组满足路线设计要求的多目标协调路线方案,算法具有可靠性和实用性.     

基于改进多目标差分进化算法的城轨列车速度曲线优化

城轨列车速度曲线研究对于优化列车运行过程具有重要的作用。为得到更好的城轨列车速度曲线优化效果,本文针对列车运行准时性、运行能耗和舒适度3个目标,提出一种基于改进多目标差分进化算法的速度曲线优化方法。首先,建立城轨列车运行过程的多目标优化模型;然后,通过采用精英镜像初始化策略、引入参数自适应和多变异策略,提升多目标差分进化（MODE）算法的性能,并通过与其他6种对比算法在ZDT系列测试函数上所得的反世代距离评价指标（IGD）值进行比较,验证了所提算法的优越性;最后,结合南昌地铁一号线某区间真实线路数据进行仿真。结果表明,改进的MODE算法（IMODE）相较于对比算法在综合性能方面具有一定优势,同时在列车节能优化问题中具有较强的实用性。     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

基于多目标优化的航空器离场时隙控制方法

为了兼顾效率性和公平性,合理利用时隙资源,进行航空器离场时隙分配,根据机场管制运行部门和航空公司的决策目标,以航班正点率、旅客延误时间、延误成本、基尼系数等目标的不同组合为优化目标,建立了3组多目标优化模型.针对机场管制中航空器放行的应用背景,采用改进的人工鱼群算法求解模型.算例仿真结果表明:以航班延误成本和航班正点率为优化目标时,得到2个Pareto解集,与RBS(ration-by-schedule)分配算法相比,航班延误成本减少了52.9%和48.6%,航班正点率提高了62.5%和75.0%;以航班延误成本和旅客延误时间为优化目标时,得到1个可行解,与RBS分配算法相比,航班延误成本和旅客延误时间分别减少了52.9%和37.5%;以公平性和效率性为目标时,随着公平性的增强,效率性减弱.本文的多目标离场时隙控制方法,弥补了现有方法只考虑效率性的缺陷,为管制员提供了更多可供选择的决策方案.     

基于微粒群算法的多目标列车运行过程优化

为客观地描述列车的运行过程,建立了列车运行过程的多目标优化模型,并用微粒群算法求解该模型.针对多目标微粒群优化(MOPSO)算法的不足,提出了相应的改进措施和解的多样性保持策略.仿真结果表明,提出的优化列车运行过程的改进MOPSO算法可以在一次运行过程中获得多组列车操纵控制策略,清晰地显示出各性能指标随控制策略变化的趋势,控制序列转换次数大大降低,每组控制策略都可以在能耗、运行时间和停靠准确性之间获得很好的折衷效果,可以根据列车运行状况选择恰当的策略控制列车,以获得预期的结果.     

基于改进蚁群算法的分动器装配顺序优化设计

为减少分动器生产成本,提高其装配效率,提出一种基于改进蚁群算法的分动器装配顺序优化方法。以某款SUV汽车用分动器为研究对象,分别建立分动器工具信息矩阵、优先关系矩阵和拆卸关系矩阵,对蚁群算法的装配序列评价函数、信息素更新规则、选择概率及参数等方面进行改进。基于Matlab软件开发分动器装配序列算法程序,得出分动器装配序列的优化结果,并验证优化结果的正确性。该方法在分动器实际装配生产过程中具有重要的指导意义。     

基于改进蚁群算法的多AGV泊车路径规划

针对智能停车库中自动导引小车(Automated Guided Vehicle,AGV)存取车的路径规划问题,提出一种基于改进蚁群算法的多AGV泊车路径规划方法.单AGV路径规划方面,在基本蚁群算法基础上引入蚂蚁回退策略来增强适应性,同时改进启发式信息和信息素更新策略提高算法的收敛速度和寻优能力.多AGV路径规划方面,提出改进冲突解决策略来解决多AGV之间的冲突,其中采用临时规避-重新寻路策略来解决相向冲突.针对某典型停车场抽象模型的仿真结果表明,改进蚁群算法寻路成功率更高,并具有较强的全局搜索能力和较快的收敛速度,改进冲突解决策略能合理避免冲突,可以满足多AGV存取车路径规划的要求.     

基于改进蚁群算法的虚拟供应链组建研究

针对传统供应链模式存在的缺点，建立了虚拟供应链系统模型，并比较了二者的差别．通过对虚拟供应链各节点企业的分析，得出了组建虚拟供应链的数学模型．提出了以企业各指标参数总和的倒数作为蚁群算法的启发函数．应用蚁群算法解决了虚拟供应链的组建问题，取得了较好效果．     

���ڶ�Ŀ���Ŵ��㷨����Ŧ���������³���Ż�����

枢纽航线网络在设计的过程中,容易受到需求和成本数据发生变化带来的影响。往往造成构建出来的最优网络,在需求发生变化的条件下,与实际对应的最优解存在较大的最低成本优化偏差。为了降低这种网络优化中的不确定性带来的风险,得到在多种可能的需求和成本条件下均可获得较好效果的鲁棒最优解,文中采用了一个多目标优化的遗传算法进行研究。首先将各种不同的需求和成本条件作为需要同时优化的多个目标函数,然后采用一个遗传算法来表示所有可能的枢纽航线网路结构,并搜索多目标优化的鲁棒最优网络解。最后本文对该搜索算法的收敛性进行了证明,数值实验结果表明了算法的有效性。     

Robust Optimization of Hub-and-Spoke Airline Network Design Based on Multi-Objective Genetic Algorithm

In the process of designing hub network, the selection of hub airports is influenced by the change of the demand and cost. Under the condition of changing in demand, this may lead to large minimum cost deviation between the designed optimal network and real optimal network, respectively. To reduce the risk caused by the uncertainty in network optimization and get the optimal robust solution of hub network under the multi-possible conditions of demand and cost, a method based on multi-objective optimization genetic algorithm is proposed in this paper. The convergence of the algorithm has been proved, and the experimental results demonstrate the availability of the algorithm. First, multiple objective functions needing to be optimized simultaneously are formulated from different conditions of needs and cost, then a genetic algorithm is used to provide all possible routes of the network hub structure, and robust optimal network solution for multi-objective optimization is searched. The convergence of the search algorithms is proved to be effective by the numerical results.     

基于差异演化算法的公路纵断面优化设计

差异演化算法可以在原始地面线数据的基础上直接由计算机自动产生一个较好的纵断面设计方案,可以实现纵断面设计的全局寻优,从而缩短设计周期,减少土石方工程量,降低公路建设成本。     

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

商用车维护周期多目标规划下的最优解

在多目标规划理论的基础上，根据国产某型商用车实际运行情况，在车辆行驶安全性、发动机润滑油使用可靠性、车辆单位行程检测诊断与维修费用等多个不能同一化的目标下，研究实现多目标意义下的车辆维护周期的最优化，并给出具体的车辆最优二级维护周期值。本研究成功地运用多目标优化理论，解决了车辆的最优维护周期问题，从而对解决各种复杂和大型机械设备的维护周期最优化问题具有普遍的指导意义。