基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

基于改进差分进化算法的船舶曲面分段车间调度

为有效提升船舶曲面分段车间的加工效率,解决已有算法存在的易陷入局部最优解和初始解质量低的问题,提出一种改进的差分进化算法,对曲面分段调度问题进行求解。以最小化完工时间和最小化班组间负荷差距为目标,建立该曲面分段调度问题的双目标数学模型,并采用改进的差分进化算法对该问题进行求解。该改进差分进化算法将全局搜索策略与局部搜索策略相结合,能提升初始解的质量,并加快收敛速度。使用某船厂的实际数据对该算法进行有效性验证,结果表明,该算法能有效求解船舶曲面分段调度问题,能更好地提升船舶曲面分段制造调度作业效率。     

MMAS在带时间窗的车辆路线问题中的应用

针对基本蚁群优化算法在物流配送路径优化应用过程中存在的问题,主要是由信息素全局和局部更新策略而导致车辆选择路径时容易陷入局部最优解的现象,本文详细研究了蚁群算法的改进算法,即最大最小蚁群算法;并引入信息素平滑机制来提升算法的路径探索能力,实现此组合优化理论在带时间窗的车辆路径问题中的应用.     

基于改进禁忌搜索算法的舰载机保障作业调度

[目的]舰载机出动能力是航母综合作战能力的重要指标,而舰载机保障作业调度将直接影响舰载机的出动能力,因此对舰载机保障作业进行合理调度能有效提高航母的作战能力。[方法]通过将舰载机保障作业调度问题转换成车间作业调度问题,建立保障作业调度模型。对传统禁忌搜索算法的初始解、搜索策略和禁忌列表长度进行改进,以减少最大完工时间为目标,提出一种改进的禁忌搜索算法来求解该模型。[结果]通过实验仿真验证了改进的禁忌搜索算法对于舰载机保障作业调度问题的适用性,且该改进算法在计算速度和优化结果方面均优于传统禁忌搜索算法。[结论]改进禁忌搜索算法可以有效地对舰载机保障作业调度问题进行求解。     

融合随机因子的协方差自适应进化策略

协方差自适应进化策略(covariance matrix adaptation-evolution strategy, CMA-ES)作为一种并行搜索算法,可以很好地处理病态条件下高维复杂问题,针对求解过程中存在着局部搜索能力弱、易于陷入局部最优、收敛速度不够快等问题,提出了一种融合于随机因子的协方差自适应进化策略(random-factor CMA-ES,RFCMA-ES),在更新步长方向上引入第三方随机项,更好地保持协方差沿梯度下降的速度,加强了算法的搜索能力,克服了传统迭代公式中根据种群寻优和个体解更新过程中易陷入局部最优的现象.使用改进算法在6个多维多峰测试函数上进行200次重复实验寻优,结果表明：RFCMA-ES的全局寻优能力更强,收敛速度较原始算法平均提高了36.256%,且在寻优过程中也具有更强的稳定性.     

改进蚁群算法对混合ASP和ALB问题研究

本文利用蚁群算法对混合装配序列规划和装配生产线平衡问题进行优化求解。通过装配联络图来获得表示装配线上作业任务先后顺序约束的装配作业任务优先关系图。针对混合问题的新的优化目标和约束条件,建立了一个混合优化问题数学模型,并利用自适应改进后的蚁群算法对数学问题进行求解。     

基于可变机器约束作业车间调度方法研究

机器固定约束作业车间规定加工某道工序的机器仅有一台,不符合车间实际生产情况.针对其局限性,考虑某工序有多台机器可供选择的可变机器约束,建立综合机器使用成本和延期惩罚费用两方面因素的单目标优化模型,提出改进反转变异法、双交叉以及指数衰减法的遗传退火算法,求解可变机器约束作业车间调度问题(variable machine constraints job-shop scheduling problems, VMCJSSP).仿真发现,与传统遗传算法相比,该算法使生产成本节约45%,最小加工等待时间缩短37%;最后,基于该算法对VMCJSSP、机器固定约束问题进行调度仿真.结果表明,相对于机器固定约束,该算法模拟的生产成本降低58%、最小加工等待时间缩短11%,具有求解大计算量车间调度问题的高效性.     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

基于模拟退火-蚁群变步长优化算法的椭偏数据反演分析

椭圆偏振光谱方法是获取薄膜复光学常数和厚度的最优光学测量手段之一,椭偏方程作为超越方程,其逆向求解过程中的反演算法直接影响着椭偏数据的处理效率与精度.以前期的蚁群算法为基础,为进一步提高算法的收敛速度和跳出局部最优解的能力,研究了模拟退火算法和蚁群算法的融合策略,并提出了一种基于最优蚂蚁的变步长方法,通过动态改变最优蚂蚁的领域局部搜索步长,提升算法的精细化搜索能力,最终给出了模拟退火-蚁群变步长优化算法.应用该优化算法分析了高温超导薄膜FeSe的椭偏光谱,测试结果表明,该混合优化算法可以实现椭偏数据的精确反演分析,并且具有更快的收敛速度和更优的评价函数.     

应用粒子群优化算法改进无人船航行路径规划研究

在已开发的FR无人船的设计与实现背景基础上,针对其航线规划使用传统算法时易于困处局部最优、抗干扰适应性不够和控制精度不高等问题,应用粒子群优化算法来改进求解更优航迹。通过在粒子初始化时添加适应度函数加以修正改进,使路径种群在初始化有较高的有效性,从而增进算法的整体收敛速度和航迹跟踪精度。研究完成模型构建、算法优化、模拟仿真计算和试验验证。计算及试验结果显示,应用改进粒子群优化算法在复杂环境中,FR无人船能规避水面障碍物,逃离局部最小值点,准确到达设定点,收敛速度更快,满足及时响应的需要。