车间调度问题的量子粒子群优化算法设计

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,将量子粒子群优化算法用于求解车间调度问题,按照量子粒子群优化算法的进化规则在调度空间内搜索最优解,并对量子粒子群算法的参数选择进行了研究。以典型的Job-Shop调度问题作为实验对象,实验结果表明QPSO算法相对PSO算法具有较好的全局搜索能力。     

求解流水车间调度问题的混合粒子群算法

本文提出了一种混合的元启发式方法HDCPSO用于求解置换流水车间调度问题中的最小化完成时间.该算法将粒子群算法和迭代贪心算法(Iterative Greedy,IG)相结合,利用IG算法中的作业毁坏(Destruction)和构造(Construction)操作来对粒子进行变异,降低群体发生早熟的可能.引入了个体徘徊概...     

基于改进粒子群算法的微电网运行优化调度

针对目前配电网中能量利用效率低下和运行成本高的问题,提出一种包含火电和抽水蓄能的联合优化调度模型,并使用改进粒子群算法进行求解的优化调度方法。首先,通过对火电机组出力和抽水蓄能机组的数据进行分析,使用更加高效的改进粒子群算法,加入自适应惯性因子策略来优化机组出力;然后,基于分析运行成本和电功率平衡等指标进行仿真实验。实验结果表明,使用所提出的基于改进粒子群算法的联合日运行优化调度方法,能达到减少系统运行成本的要求,与此同时提升了电力系统的稳定性。     

基于混沌粒子群算法的多目标调度优化研究

针对当前车间调度多目标优化研究存在收敛速度慢、精度低的问题,提出了混沌多目标粒子群优化算法。在算法中,设计了一种新的叠加Logistic扰动的Tent混沌映射算子,通过该算子周期性地更新种群以保证种群的多样性;对收缩粒子群算法进行了扩展使其能够快速收敛到Pareto前沿。通过标准测试问题与实际应用对所提方法进行了验证,实验结果显示混沌多目标粒子群优化算法无论在收敛速度还是在优化精度上都优于其它典型多目标进化算法。     

基于粒子群算法的电网能量优化调度方法

本文选用粒子群算法作为电网能量优化调度模型核心,构建目标函数,寻找约束条件,进行模型求解。最后运用算例对所提出的能量优化调度方法进行了验证,结果表明该调度模型在节约调度成本,增加电网能量输出等方面具有明显优势。     

基于粒子群算法的软件可靠性分配问题研究

针对软件可靠性分配中不易求解全局最优解这一问题,将可靠性指标分配到每个模块中,并利用改进的粒子群优化算法来搜索模型的最优解.实验结果表明,改进的粒子群优化算法在求解软件可靠性分配问题时的效果优于遗传算法等其他智能优化算法.     

粒子群算法在电梯群控调度中的应用

随着电梯的广泛使用,人们对电梯的研究也越来越多,针对乘客乘候梯时间过长、电梯能耗性能不理想的问题提出了一种基于粒子群算法的电梯群控调度方法。首先选取乘客乘梯时间、候梯时间、电梯电能损耗量建立电梯群控系统的多目标优化模型,使用粒子群算法对模型进行优化;然后设计仿真实验用乘客的平均乘梯时间、候梯时间以及电梯的起停次数这几个指标与遗传算法进行对比,最后的实验结果说明将粒子群优化算法应用到电梯群控调度中能够具有更好的表现。     

基于粒子群优化算法的数据中心网络流量调度策略

为解决当前数据中心网络存在链路负载不均衡及带宽资源浪费问题,提出了一种基于粒子群优化算法的流量调度策略.该策略结合软件定义网络控制器可获取全局网络拓扑信息的特性,依据当前链路带宽资源状况及网络流量的带宽需求建立目标函数.首先,根据流的源地址和目的地址找出最短路径集,通过定义粒子聚合度判断算法是否有陷入局部最优的趋势;然...     

分组扰动的粒子群优化算法在车辆调度中的应用

车辆调度是一个复杂的系统,具有多目标控制、高度非线性、时变等特征。基于粒子群算法,本文引入了分组扰动的思想,将其应用于高铁施工现场混凝土预拌车调度方案优化问题中。通过对一个实例的仿真研究表明,该算法可以极大限度地同时满足混凝土拌合站和工地的利益,能够很好地解决车辆调度优化问题。     

猫群算法求解阻塞流水车间调度问题

阻塞流水车间调度是现实生产调度中一类很重要的组合优化问题,其已被证明是典型的NP难问题。为了提高该问题的求解性能,文中提出了猫群算法（CSO）求解阻塞流水线调度问题。猫群算法是近几年来提出的群体智能算法,算法以一小部分猫执行跟踪模式,其余大部分猫执行搜寻模式,通过这两种模式同时进行局部搜索和全局搜索以达到优化目标。文中利用标准Car问题算例进行仿真实验,并与标准粒子群算法（PSO）和蝙蝠算法（BA）进行比较,结果表明猫群算法在求解生产调度问题的可行性和有效性。     

基于粒子群算法的嵌入式云计算资源调度

随着移动互联网的发展,基于嵌入式设备的云计算服务成为研究热点。在国内,嵌入式云计算目前正处于探索研究阶段,云资源管理调度是嵌入式云计算的核心技术之一,其效率直接影响嵌入式云计算系统的性能。为了提高云计算性能,本文提出一种基于粒子群优化算法的云计算任务调度模型。粒子群算法中粒子位置代表可行的资源调度方案,以云计算任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找出最优资源调度方案。在matlab实验平台进行了仿真,通过大量数据模拟实验表明,该模型可以快速找到最优调度方案,提高资源利用率,具有较好的实用性和可行性。     

一种粒子群算法与FCSS相结合的模糊球壳聚类算法

模糊球壳聚类算法（FCSS）广泛应用于模式识别与机器学习领域。由于其采用传统的基于梯度法和交替寻优策略求解模型,对初始值比较敏感,往往只能得到模型的局部极值点,从而影响聚类的效果,甚至使所采用的方法失效。本文将现代全局优化方法之一的粒子群优化算法与模糊球壳聚类算法（FCSS）相结合,利用粒子群算法良好的全局收敛能力来改善传统聚类算法易于陷入局部极值的缺陷,从而得到一种新的球壳聚类算法（PSO-FCSS）,数值实验表明,新方法对球壳形数据有令人满意的聚类效果。     

一种粒子群优化原型模式修正力度的协同分类方法

协同模式识别是一种有着抗噪声、抗缺损、强鲁棒性等诸多优良特性的模式识别方法,其中原型模式的选取模式识别结果有着决定性的作用,其选取直接决定着模式识别的结果和效果,各种方法中信息反馈修正的方法能获得较的效果,但易出现信息饱和的问题;提出了一种粒子群优化修正力度的处理机制,能有效改善此问题,获得最优原型;改进的算法应用于纹理和鼻咽癌细胞图像识别,结果表明,该方法能有效地提高协同神经网络的识别率和可靠性,且识速度也有提高.     

Mobile robot SLAM method based on multi-agent particle swarm optimized particle filter

To overcome particle impoverishment, a simultaneous localization and mapping (SLAM) method based on multi-agent particle swarm optimized particle filter (MAPSOPF) was presented by introducing the idea of multi-agent to the particle swarm optimized particle filter (PSOPF) which is an algorithm for SLAM. In MAPSOPF, agents can communicate and compete with each other and learn from each other. The MAPSOPF algorithm can update the prediction of particle, adjust the proposal distribution of particles, improve localization precision and fault tolerance, and propel the particles to concentrate on the robot's true pose. Compared with standard particle filter (PF), the proposed method can achieve better SLAM precision by fewer particles. Simulations verify its effectiveness and feasibility.     

带惯性权重的粒子群优化算法性能仿真

粒子群优化算法是一种随机搜索算法,并能以较大概率收敛到全局最优,微粒群算法中关键参数的选择方法对算法特性有显著影响.文中针对微粒群算法中的加速常数、惯性权重、取值范围、种群规模的设置对算法基本性能的影响进行了分析.实验结果证明:选择适合的参数设置水平,能够获得稳健和高效的优化效果.     

粒子群优化算法及其应用

粒子群优化（PSO）算法是一种新颖的演化算法，它属于一类随机全局优化技术，PSO算法通过粒子间的相互作用在复杂搜索空间中发现最优区域。PSO的优势在于简单而又功能强大。介绍了基本的PSO算法、研究现状及其应用，并讨论将来可能的研究内容。     

基于动态交换策略的快速多目标粒子群优化算法研究

本文提出了一种基于动态交换策略的快速多目标粒子群优化算法,通过把初始种群分割成Pareto和Non_Pareto集合,并在迭代过程中对Pareto解集进行动态调整,从而较好地完成了多目标优化算法对Pareto解集的搜索和逼近.实验和应用实例均表明了该算法的有效性和快速性,并通过性能指标ER的计算验证了本算法优于某些同类的多目标优化算法.     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.