共查询到10条相似文献,搜索用时 187 毫秒
1.
研究一类集成工件加工和发送的供应链排序模型,即研究如何安排工件在自由作业机器上加工,把加工完毕的工件分批发送给下游客户,使得含生产排序费用和发送费用的目标函数最优.这里,分别取工件最大送到时间和平均送到时间为生产排序费用;而发送费用是由固定费用和与运输路径有关的变化费用组成.利用排序理论和动态规划方法,构造了自由作业供应链排序问题的多项式时间近似算法,并分析算法的性能比. 相似文献
2.
《数学的实践与认识》2019,(22)
针对电力系统经济负荷优化分配问题,提出了一种基于量子粒子群的多目标优化算法.该算法通过将改进后的量子进化算法融合到粒子群中,采用量子位对粒子的当前位置进行编码,用量子旋转门实现对粒子最优位置的搜索,用量子非门实现粒子位置的变异以避免早熟收敛.这种搜索机制能够遍历解空间,增强种群的多样性,并能用量子位的概率幅将最优解表述为解空间中的多种表述形式,从而增强全局最优的可能性.最后,通过算例进行仿真分析,结果表明算法的搜索能力和优化效率均优于普通粒子群算法. 相似文献
3.
4.
《数学的实践与认识》2020,(4)
为了使无线传感器网络的覆盖率和能耗达到最优的效果,提出了一种改进的多目标粒子群优化算法,采用量子粒子群优化更新粒子,利用拥挤距离排序策略,并结合适应度函数值优劣特性对多目标矛盾的性能目标选择,同时通过拥挤距离对加速系数自适应调整提高算法搜索能力,得到了逼近真实前沿的Pareto解集,具有更快的收敛速度和更强的寻优能力.通过对比实验结果表明:提出的算法在解决WSN的多目标优化问题时,能够避免算法陷入局部最优解,更好地平衡网络覆盖和动态通信能耗,使整个网络的综合指数达到了6.249,均明显优于其他三种算法. 相似文献
5.
本文以车间搬运机器人为研究对象,在考虑时间窗的前提下,求解机器人进行物料配送和成品回收场景下的路径优化问题。提出一种强化学习遗传蚁群算法,首先利用扫描法求解初始搬运机器人的数量,并将子路径节点的几何中心设置为虚拟节点,利用嵌入遗传算子的蚁群算法求解连接虚拟节点的最优路径,再利用强化学习算法求解子路径的最优结果;最后将基本成本、运输成本和时间惩罚成本的加权和作为目标解,并最终求出满足约束条件的最优解。通过与基准问题求解结果对比,验证了强化学习遗传蚁群算法的优越性。 相似文献
6.
7.
云计算环境下人工蜂群作业调度算法设计 总被引:1,自引:0,他引:1
杨海军 《数学的实践与认识》2012,42(10):115-120
针对云计算环境下作业调度优化问题,提出了一种基于人工蜂群的调度算法.分析人工蜂群算法的求解组合优化问题过程,建立了收益度函数和蜜源位置更新公式,最后论述了利用该算法求解的具体步骤.并通过实验分析了该算法的性能. 相似文献
8.
在变速机生产排序中, 受来自企业外部可改变机器加工效率的突发性干扰事件影响, 初始最小化企业生产成本的加工时间表不再最优,需要对其调整并在生产成本和干扰事件扰动之间进行权衡。建立了同时考虑生产成本和干扰事件扰动的重排序模型, 生产成本为所有机器的负载之和, 干扰事件的扰动为工件在不同机器之间重新安排所产生的运输费用和。设计了求解该重排序问题有效前沿的算法, 以及利用决策者对两个目标的偏好将双目标转化成一个二元非线性函数后, 求解优化该函数的有效解的算法。通过数值算例验证与整个有效前沿相比,优化二元函数的算法只需搜索部分有效前沿即可求出最优解,降低了有效解的搜索比例和运行时间,提高了干扰管理问题的处理效率。 相似文献
9.