基于改进蚁群算法的带时间窗的多目标车辆调度研究

蚁群算法是模仿蚂蚁寻找路径的一种智能化启发武算法.带时间窗的车辆路径问题(VSPTW)是在基本的车辆路径问题(VSP)上增加了时间窗约束条件的一种变化形式,是一个典型的NP难问题.通过采用一种改进的路径构建方法和信息素更新策略,构造一个改进的蚁群算法来求解多目标的VSPTW.与基本AS(Ant System)算法比较结果显示,该算法对于求解VSPHTW问题具有较好的性能.     

改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

有路径均衡和时间窗约束的MTSP问题研究

基于最少旅行商数,旅行商间的路径平衡,遍历城市的时间窗等约束条件,建立数学模型,用改进的模拟退火算法,优化多旅行商遍历路径,该算法增加了记忆因子,记住最小的局部最优点,防止程序跳过全局最优点后跳不回来。通过仿真实例验证了该算法的可行性,且符合实时性的要求。     

基于时间窗和关键链的多项目资源分配的研究

随着企业内部和外部环境的不断变化,大多数企业都处于多项目环境。传统基于关键链技术的多项目管理方法,在一定程度上解决了资源分配的问题,但仍然存在一定的缺陷。在分析和总结国内外多项目环境下资源分配方法的基础上,研究基于时间窗的多项目资源分配问题,提出增加时间窗参数以及惩罚因子建立的多项目管理资源分配模型,并分析模型求解问题,最后结合实际案例进行分析得出各个项目的完成时间分布图。     

基于离散粒子群算法的多约束多目标优化

利用粒子群算法(PSO)提出了一个新的粒子编码方法,并将其用于高校排课问题。通过对某高校的排课数据进行测试,结果表明,本文所提出的改进PSO算法对于解决高校排课问题的优化是有效的,对其它多目标问题地求解也有借鉴意义。     

基于免疫算法的机器人路径规划

本文采用栅格法建立机器人的环境模型,把免疫算法应用到机器人的路径规划中,通过提出一种新的多因素适应度函数,使对个体的评估更符合机器人所需要的最优路径。仿真结果表明该方法可行,而且有效,可以提高收敛速度,并与遗传算法进行比较,发现使用该免疫算法解决了遗传算法后期的波动现象。     

基于遗传算法的有时间窗车辆路径问题研究

本文在建立有时间窗车辆路径问题数学模型的基础上,构造了求解该问题的启发式算法--遗传算法,并进行了实例计算.模拟结果表明,利用遗传算法进行求解有时间窗车辆路径问题,可以方便有效地求得问题近似最优解.     

混合时间窗下多目标电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计了混合时间窗惩罚函数和模糊预约时间函数,建立了基于混合时间窗约束的多目标车辆路径模型。设计了改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

蜂群优化算法在带软时间窗的车辆路径问题中的应用

本文给出了带软时间窗的车辆路径问题的一种新的算法,蜂群算法.通过计算若干benchmark问题,并将结果与硬时间窗的目前最好解及蚁群算法的相应解作比较与分析,验证了算法的有效性.蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,研究范围较窄,故本文不仅是拓宽蜂群算法应用范围的有效尝试,同时也给本身求解方法不多的软时间窗车辆路径问题提供了一种新解决方法.     

一种改进的蚁群算法在机器人路径规划中的应用

随着现代化科学技术的飞速发展,高科技技术也得到了越来越广泛地应用.路径规划技术作为机器人研究和人工智能研究中一个非常重要的研究领域,对于提高机器人功能和技术层次等方面都有巨大的作用.路径规划能够有效地帮助移动机器人实现导航技术的成功运用,同时也能够较好地评判移动机器人的智能化程度.本文主要阐述了移动机器人技术中基本蚁群算法在路径规划中的应用,同时改进并优化了该种蚁群算法,通过“三步走”的方式,帮助α、β与Q实现最佳组合确定的模式,以此来显著提高机器人的稳定性以及寻优能力.     

基于人工势场的小车机器人路径规划

研究人工势场算法,开发焊接小车机器人的路径规划设计系统,仿真实验结果表明避障路径规划设计效果良好.     

基于微粒群算法的工程网络计划多资源均衡优化研究

为了更有效地解决工程施工管理中的多资源均衡问题,将改进的微粒群算法应用到多资源均衡优化中来,利用微粒群算法原理中粒子飞行中位置的进化过程来搜索各工序活动的最优开始时间方案。通过算例证明,该设计的目标函数可以更好地反映多资源均衡程度,同时以粒子群算法来解决此类问题具有搜索精度高,计算结果较为理想,贴近实际的特点,反映了在工程项目管理的多资源均衡优化中的可行性及有效性。文章提出的算法对于工程网络计划中的多资源均衡优化具有实际应用价值。     

基于改进粒子群BP算法的神经网络及应用

融合粒子群算法和BP算法的优点,提出了改进粒子群BP算法,阐述了其基本思想,详细的实施步骤及对标准BP算法的改进之处。为了验证提出算法的优越性,以某钢厂引进的连铸板坯二冷动态控制系统为研究对象,设计了基于该算法的表面温度神经网络控制器。以实际生产现场的设备、工艺参数为基础进行了仿真研究,改进粒子群BP算法在收敛速度、计算精度、最优解的搜索能力、算法稳定性等方面优于标准BP算法。     

基于粒子群算法的物流配送路径优化问题研究

本论文在建立物流配送路径优化问题的数学模型基础上,构造了求解该问题的粒子群优化算法。并通过实验数据进行计算,结果表明可以有效地求得问题的最优解,是解决路径问题的一个好方法。     

基于多叉树Pareto最优解集的火灾扑救路径规划

提出一种基于多叉树Pareto最优解集的火灾扑救路径规划算法,对火灾现场的环境地图和火灾演化态势进行重构,实现对路径的优选,采用Pareto最优解集,构建基于多叉树Pareto最优解集的火源动态发展态势下的火灾扑救路径规划模型。实验结果表明,该模型能快速实现对火源热点的识别,并且规划路径能有效规避复杂建筑障碍物的干扰,实现对火灾扑救路径的最优选择。在动态未知环境中,对火灾扑救路径的规划和选择能达到最优,路径最短,分段较少,能有效地避免复杂建筑物的阻挡,有效节省了火灾扑救时间。     

基于ZigBee的多机器人通信系统的设计

为解决多机器人协作的问题,设计了可以让机器人之间通信的基于ZigBee网络的方案。机器人硬件系统中引入了ZigBee节点,多个机器人依赖ZigBee形成一个星型网络。实验结果表明机器人可以可靠的通信,能够较大的提高机器人的工作效率。     

基于改进PGA-PSO的多无人机协同雷达侦察任务分配

文章研究多无人机协同侦察相控阵雷达模式转移规律过程中的任务分配优化.为了以最小能耗无重复侦察雷达全部波位,根据相控阵雷达波位覆盖方式,分析比较了三种波位侦察点选择方案.在此基础上,根据侦察点访问约束、无人机航程和能耗约束,以无人机总能耗最低为目标,建立多无人机侦察任务分配的多旅行商优化模型.基于单亲遗传—粒子群混合算法(PGA-PSO),使用分组最优个体选择和多变异操作,保证算法快速收敛的同时,提高算法求解精度.仿真结果表明,通过优选侦察点和优化任务分配可大幅提高多无人机协同的侦察效率,改进的PGA-PSO算法较其他算法求解精度高,收敛速度快.     

基于混沌粒子群算法的多目标项目调度研究

作为项目调度管理中三大控制要素的工期、成本、质量是决定项目建设成败的关键。首先通过采用动态加权技术构建工期-成本-质量的多目标综合优化模型,同时鉴于基本粒子群算法容易陷入局部最优,提出一种将混沌优化嵌入基本粒子群的新算法用于求解该多目标项目调度模型问题。最终通过实例计算表明:相对于基本的粒子群算法,混沌粒子群算法可以更为准确快速地解决该模型下的工程项目多目标优化问题,实现了项目调度管理中有效平衡工期-成本-质量各目标,并达到综合最优方案的理想效果。     

多连杆冗余移动机械臂建模与运动规划

针对人工势场路径规划的势场陷阱问题,以及平面机械臂工作空间的局限性,提出了一种冗余移动机械臂全局规划方案.该方案引入路径安全因子,通过改造势场函数,解决了人工势场法的目标不可达问题,然后采用量子遗传算法优选人工势场参数.为提高移动机械臂的定位速度与精度,使用一种新的粒子群算法解决冗余机械臂的运动学逆解问题.仿真试验表明,该方案能够有效地克服人工势场模型的缺陷,实现移动机械臂终端执行器的高精度快速定位.