顺序相依拆卸线平衡多目标优化模型及算法研究

拆卸是产品回收过程最关键环节之一,拆卸效率直接影响再制造成本。本文在分析现有模型不足基础上,考虑最小化总拆卸时间,建立多目标顺序相依拆卸线平衡问题优化模型,并提出了一种自适应进化变邻域搜索算法。所提算法引入种群进化机制,并采用一种组合策略构建初始种群,通过锦标赛法选择个体进化;在局部搜索时,设计了邻域结构自适应选择策略,并采用基于交叉的全局学习机制加速跳出局部最优,以提高算法寻优能力。对比实验结果,证实了所提模型的合理性以及算法的高效性。     

随机混流U型拆卸线平衡排序问题多目标进化算法优化

针对混流U型拆卸线平衡排序问题,考虑拆卸时间不确定,建立了该问题最小拆卸线平均闲置率、尽早拆卸危害和高需求零部件、最小化平均方向改变次数的多目标优化模型,并提出一种基于分解和动态邻域搜索的混合多目标进化算法(Hybrid Multi-objective Evolutionary Algorithm Based on Decomposition, HMOEA/D)。该算法通过采用弹性任务分配策略、动态邻域结构和动态调整权重以保证解的可行性并搜索得到分布较好的非劣解集。最后,仿真求解实验设计技术(DOE)生成的测试算例,结果表明HMOEA/D较其它算法能得到更接近Pareto最优、分布更好的近似解集。     

第II类双边拆卸线平衡问题建模与优化

报废汽车体积大,废弃物污染大,拆卸过程复杂,将作业任务均衡分配难。为此,本文对工作站数量确定的双边拆卸线平衡问题进行研究,建立问题数学模型,设计一种变邻域蛙跳算法。所提算法在寻优过程中采用变邻域搜索提高族群局部搜索效率;引入个体学习机制加快精英个体进化速度;提出基于二分法的节拍时间调整策略加快对最优节拍的搜索。最后,通过算例对算法性能进行验证并通过实例说明任务在拆卸线上平衡分配的重要性。     

求解混合流水线调度问题的离散人工蜂群算法

本文给出了一种离散的人工蜂群算法(HDABC)用于求解混合流水车间调度(HFS)问题。采用工件排序的编码方式,并设计了四种邻域结构。雇佣蜂依次分派到解集中每个解,采用结合问题特征的局部搜索策略完成挖掘搜索工作。跟随蜂随机选择两个解并挑选较优者作为当前解,完成进一步的探优过程。侦察蜂采用三种策略跳出局部极小。通过34个同构并行机HFS问题和2个异构并行机HFS实际调度问题的实验,并与当前文献中的典型算法对比,验证了本文提出的算法无论在算法时间还是在求解质量上,都具备良好的性能。     

混合模式下U型装配线平衡问题的目标规划求解

装配线平衡对于提高装配效率和降低装配成本都有重要意义。为了满足顾客需求的多样化和减少成本，通常采用混合模式的装配线。本文针对混合模式下U型装配线平衡问题，提出一个目标规划法以求解该问题，量化示例表明所提方法是有效的。     

一种新的Armijo型线搜索条件

本文在几种常见的Armijo型线搜索基础上,提出了一种新的Armijo型线搜索条件,并证明了由Du等人提出的杂交共轭梯度法的全局收敛性。数值实验表明新方法对于给定的测试函数是有效的。     

求解分裂可行问题的一种半空间投影算法

本文研究了分裂可行问题.利用松弛投影的方法,获得了分裂可行问题最优值点,推广了已有文献中的有关结果.     

一种求解路径优化问题的新型人工鱼群算法

针对人工鱼群算法由于固定视野导致寻优效率低、易陷入局部极值的弊端,引入视野递减反馈策略,提出一种改进人工鱼群算法.视野随着迭代次数和寻优反馈信息适时变化,旨在平衡算法的全局搜索和局部搜索能力.实验测试表明算法在保证收敛速度的基础上提高了计算精度,并且增加了算法陷入局部极值时快速跳出的可能性,最后将改进算法应用于求解国家AAAAA级风景区最短遍历路径问题.     

求解阵列天线自适应滤波问题的一种调比随机逼近算法

提出了求解阵列天线自适应滤波问题的一种调比随机逼近算法.每一步迭代中,算法选取调比的带噪负梯度方向作为新的迭代方向.相比已有的其他随机逼近算法,这个算法不需要调整稳定性常数,在一定程度上解决了稳定性常数选取难的问题.数值仿真实验表明,算法优于已有的滤波算法,且比经典Robbins-Monro （RM）算法具有更好的稳定性.     

一种求解混合约束优化问题的半可行序列线性方程组滤子算法的局部收敛性

作者在[10]中提出了一种半可行序列线性规划滤子方法.它将QP-free方法推广至混合约束优化问题上,并且保持对不等式约束的可行性,对等式约束部分用滤子方法处理,从而避免了罚参数的选取.该算法只需求解四个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.[10]中仅给出了全局收敛性.本文主要给出了该算法的局部超线性收敛性证明以及数值结果.     

基于人工蜂群算法的配送中心选址问题求解

采用人工蜂群算法对配送中心选址问题进行求解,给出食物源的编码方法,通过整数规范化,使算法能在整数空间内对问题进行求解.应用算法进行了仿真实验,并将结果与其它一些启发式算法进行了比较和分析.计算结果表明人工蜂群算法可以有效求解配送中心选址问题,同时也为算法求解其它一些组合优化问题提供了有益思路.     

0-1背包问题的蜂群优化算法

在项目决策与规划、资源分配、货物装载、预算控制等工作中,提出了0-1背包问题.0-1背包问题是组合优化中的典型NP难题,根据群集智能原理,给出一种基于蜂群寻优思想的新算法—蜂群算法,并针对0-1背包问题进行求解.经实验仿真并与蚁群算法计算结果作对比,验证了算法在0-1背包问题求解上的有效性和更快的收敛速度.     

云计算环境下人工蜂群作业调度算法设计

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.     

蜂群算法求解支持模糊QoS约束的电子采购模型

基于Web的电子物流采购是电子商务的热点.通过将模糊量化的QoS约束加入到Web电子物流采购模型,构造一种带有QoS约束的Web电子物流采购模型,并设计一种改进的人工蜂群算法进行求解.模型基于现有Web采购系统的采购模式,融合了非功能性Web服务评价理论,着重将带QoS约束的电子物流采购选择过程与人工蜂群算法求解过程相结合,从而能快速准确地获得使整体利益最大的解.经仿真计算,验证了模型的有效性.     

元胞人工蜂群算法及其在0-1规划问题中的应用

针对人工蜂群算法早熟收敛问题,基于元胞自动机原理和人工蜂群算法,提出一种元胞人工蜂群算法.该算法将元胞演化和人工蜂群搜索相结合,利用元胞及其邻居的演化提高了种群多样性,避免陷入局部最优解.经一系列典型0-1规划问题实例的仿真实验和与其他算法对比,验证了本算法的效果和效率,获得了满意的结果.     

改进GA机制融合的二进制蜂群算法研究

为了克服人工蜂群算法蜜源更新过程中的随机性并保留蜜源中个体序列合理的组合形式,通过分析基本蜂群算法更新公式的机理,提出一种改进GA(Genetic A1gorithm)机制融合的二进制蜂群算法.算法以二进制编码,首先依概率对任意两蜜源进行"去同存异"操作后随机排列,将排列结果放入到其中某个体中形成新个体.然后依概率进行二进制个体的"翻转"操作,上述两种操作从其本质上相当于GA的类交叉和类变异操作;其次利用GA机制收敛性的证明方式在理论上证明算法是收敛的.最后通过应用不同特性的多维基准函数和算法之间的比较验证改进蜂群算法具有良好的收敛能力和鲁棒性.     

模糊人工蜂群算法的多选择多维背包问题求解

针对传统人工蜂群算法早熟收敛问题,基于模糊化处理和蜂群寻优的特点,提出一种模糊人工蜂群算法。将模糊输入输出机制引入到算法中来保持蜜源访问概率的动态更新。根据算法计算过程中的不同阶段对蜜源访问概率有效调整,避免算法陷入局部极值。通过对多选择多维背包问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的鲁棒性。