基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于ICSA的多配送中心VSP的研究

采用两阶段法,首先根据多配送中心的特点建立多配送中心车辆调度的数学模型,其次采用模糊隶属度的方法对客户进行分类,确定配送中心配送的客户,并采用改进免疫克隆选择启发式算法进行求解车辆调度的问题,最后结合算例利用MATLAB进行仿真,并与遗传算法进行了比较验证了模型和算法的有效性.     

基于蚁群算法的城市公共自行车调度研究

由于城市公共自行车存在供需时空分布的不均衡性,因而进行公共自行车的调度是十分必要的。通过分析现阶段我国城市公共自行车调度方式特性,为充分满足租赁者的需求,提出了一种带模糊时间窗的城市公共自行车调度路径优化模型。以租赁点满意度最大化为目标函数,同时将基本蚁群算法进行改进后应用于求解最优调度路径模型。最后,以宁波市公共自行车区域调度为例,运用Matlab进行仿真实验,证明了该模型及求解算法的有效性和可行性。     

基于动态惯性权重的PSO算法求解Job-shop调度问题

本文利用基于动态惯性权重的粒子群算法对JSP问题进行求解,通过在粒子群算法中引入非线性的惯性权重函数,使得粒子在搜索空间中的全局探索和局部精调能力得以调节和平衡,从而有效求得调度的全局最优值.仿真实验结果表明该算法对经典JSP问题求解的可行性和有效性.     

MIROSOT实时避障问题的研究与实现

研究了MIROSOT实时系统、二维的比赛环境中的蔽障路径规划问题,首先利用可视图法进行模型抽象,然后利用动态规划的思想,把路径规划转换成多阶段的决策问题,对于每个阶段的子问题,都可以用可视的搜索机制来求解,最后对求解结果进行评估,得到最短路径。对算法的设计及实现进行了仿真,仿真实验验证了该算法的可行性和有效性。     

基于遗传算法的柔性作业车间等量分批调度问题研究

针对柔性作业车间等量分批调度问题的复杂性,文中采用遗传算法进行求解.引入等量分批的策略,并提出了染色体的两级编码方法,设计了两种交叉和变异操作方法,以防止操作中非法解的产生,提高求解效率.对比整批调度和等量分批调度的生产周期,仿真结果表明,等量分批调度可缩短生产周期,验证了本文采用算法的可行性和有效性.     

集装箱港口堆场轮胎吊的动态优化配置

为了优化堆场轮胎吊的动态优化配置,在考虑综合故障率及其他约束条件的基础上,建立了轮胎吊调度问题的混合整数规划模型。优化目标是以规划周期内各阶段的未完成作业量总和最小。采用贪婪算法结合优化规则求解模型。最后用MATLAB分析算例,对上述模型进行试验测试,结果证明该方法的有效性。     

基于学习效应的项目员工调度模型研究

现代社会随着工程项目日益复杂、劳动力成本不断上升、以及多技能员工成为培养趋势,员工调度和项目管理相结合的问题已经被越来越多的学者研究,但是,将员工的学习效应结合进来的不多,建立一个非线性规划模型来对此类问题进行求解,并将员工的学习效应考虑进来,目标函数是最小化外包员工所花费用,用遗传算法来进行计算,并用多组数据进行了实验来对本文提出的算法进行验证.     

基于改进跟随蜂搜索过程的ABC算法

研究了一种求解作业车间调度问题的改进人工蜂群算法.在分析了蜂群算法在车间调度问题应用现状的基础上,指出了蜂群算法的优势和不足.针对蜂群算法在邻域搜索能力上的不足,利用模拟退火算法改进跟随蜂的邻域搜索过程,提高了算法搜索范围和收敛性.采用车间调度标准算例,通过仿真实验与其它算法进行比较,验证了算法的有效性和优越性.     

基于LM算法的BP神经网络在NAO模型运动学求逆解中的应用

提出一种基于BP神经网络改进算法的NAO机器人逆运动学求解方法。在讨论NAO模型逆运动学的求解问题以及BP神经网络基本原理的基础上,将LM训练方法运用到BP神经网络中。实验结果表明该方法具有可行性和有效性。     

改进蝙蝠算法在Job-shop调度问题上的应用

针对蝙蝠算法求解Job-shop调度问题的局限性,采用字符串编码、NEH初始化种群粒子和增加随机扰动的方法,对现有蝙蝠算法进行改进。通过对Job-shop调度问题基准算例的求解,并和模拟退火算法、标准遗传算法和粒子群算法进行比较,验证了该算法操作简单,收敛速度快,结果精度高,能有效求解Job-shop调度问题。     

单亲遗传算法在Job Shop调度问题中的应用

首先对Job Shop调动问题进行了数学描述,并建立了相应的数学模型,根据这种模型的特点,提出了求解一般Job Shop调度问题的单亲遗传算法,避免了传统遗传算法需要初始种群多样化和“早熟收敛”等问题,实例仿真结果表明了该算法的有效性。     

ICS优化SVM在模拟电路故障诊断中的应用

针对容差模拟电路软故障,为了提高诊断的准确率,提出了一种基于改进布谷鸟算法优化支持向量机的故障诊断模型。首先,利用Hear小波分析对模拟电路进行故障特征提取;然后将提取的故障特征输入支持向量机进行故障诊断,同时为了使模型更稳定,利用改进布谷鸟算法选择最优惩罚参数和核函数参数以优化SVM。最后,以Sallen-key带通滤波器电路为例进行仿真实验,通过与神经网络、传统SVM分类模型进行对比,结果表明了该方法的优越性和可行性。     

智能RGV的动态调度策略

本文介绍了2018年全国大学生数学建模竞赛B题是一个通过分析已有共享资源的分配和任务生产的安排,确定RGV动态调度策略的问题。采用枚举讨论法将RGV划分为不同工作区间,以RGV到达CNC的最短工作路径为解决问题的核心,采用Job-base动态调度过程,得出了两个任务4种工作状况下RGV动态工作区间调度模型并将4种情况一般化,利用贪心算法的思想使用C++编程求解,得出了调度具体过程及成品数,最后对模型实用性与算法有效性进行了灵敏性检验,检验结果良好。     

多服务器环境下网络调度模型仿真分析

多服务器环境下网络具有随机性和异构性,导致传统方法由于算法收敛效率低、易出现局部最优等弊端,大大降低网络调度的效率,无法有效完成网络调度,提出一种基于重复博弈算法的多服务器环境下网络调度方法,塑造多服务器环境下网络调度模型,依据网络调度模型以及博弈论原理,通过最优反应函数对多服务器环境下网络进行调度,将其转换成目标规划问题,采用混沌粒子群优化算法对目标规划问题进行求解,从而有效完成多服务器环境下的网络调度。实验结果说明,所提的网络调度方案可提高网络调度的速度以及效率,能够有效处理多服务器环境下网络任务调度过程中出现的问题。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

基于两阶段算法的低碳冷链物流选址路径问题研究

<正>选址路径问题是将物流网络中的战略战术层面问题共同考虑,是更加全面的研究物流网络。对将选址路径问题加入碳交易的研究并结合冷链物流,构建了具有容量约束的总成本最小模型;后提出用两阶段法求解模型。首先针对顾客以及候选配送中心进行聚类,利用k-means算法进行初步求解并用容量约束进行改进;而后用改进遗传算法,对算法中编码方式和遗传操作设计进行改进。最后进行不同规模的数值实验,证明模型以及算法的有效性,为实际的冷链物流企业提供了重要的决策思路。     

涂料生产的优化调度

对涂料生产过程中的调度问题进行了分析,建立了涂料生产的优化调度模型.采用一种启发式的"离散-回缩"策略计算在一定生产排序下的涂料总生产完成时间,并使用列队竞争算法求解最优化排序.采用某涂料厂的实例对提出的方法进行了检验.     

考虑术间利用率和手术进度的日手术排程研究

针对大规模手术排程问题,科室不能1天内完成所有手术时,在考虑相关医疗资源约束条件下,以提高术间利用率与当日手术数量为优化目标,建立求解多目标手术排程问题的优化模型;基于改进的非支配排序算子和拥挤距离算子、自适应交叉变异机制、锦标赛选择机制和精英策略设计改进的非支配排序遗传算法(improved non-dominated sorting genetic algorithm Ⅱ,INSGA-Ⅱ)求解问题,并提出种群染色体唯一策略等以进一步提升算法的搜索性能;并通过对某三甲医院的日手术排程过程进行仿真实验,验证了所提出的手术排程方法的可行性和有效性。     

基于蚁群优化神经网络的图书馆读者服务评价研究

在提出采用全局搜索策略——蚁群优化算法作为图书馆读者服务评价的神经网络模型的学习算法的基础上,阐述了蚁群优化神经网络模型的设计思想和实现过程,并结合实例分析验证了所提方法的可行性和有效性。