针对钢铁企业板坯库的板坯倒垛问题,与以往的研究不同,考虑了在倒垛过程中压在目标板坯上的障碍板坯可以不倒回原垛位的作业模式.提出采用板坯在板坯库中的移动次数来衡量板坯库的作业负荷,建立了以移动次数为优化目标的整数规划模型.在对模型的求解中设计了基于概率模型进化的分布估计算法(estimation of distribution algorithm,EDA)来确定轧制单元对应的板坯,采用基于辐射邻域的启发式算法为障碍板坯寻找最佳的落位位置.通过不同规模的数据实验,探讨了参数对算法性能的影响,确定了有效的参数组合.并与当前常用的改进遗传算法、单亲遗传算法进行对比,验证了所提算法的有效性和鲁棒性.
针对混合流水车间调度问题(Hybrid flow-shop scheduling problem,HFSP)的特点,设计了基于排列的编码和解码方法,建立了描述问题解空间的概率模型,进而提出了一种有效的分布估计算法(Estimation of distribution algorithm,EDA).该算法...
详细信息
针对混合流水车间调度问题(Hybrid flow-shop scheduling problem,HFSP)的特点,设计了基于排列的编码和解码方法,建立了描述问题解空间的概率模型,进而提出了一种有效的分布估计算法(Estimation of distribution algorithm,EDA).该算法基于概率模型通过采样产生新个体,并基于优势种群更新概率模型的参数.同时,通过实验设计方法对算法参数设置进行了分析并确定了有效的参数组合.最后,通过基于实例的数值仿真以及与已有算法的比较验证了所提算法的有效性和鲁棒性.
为改善常见的多目标分布估计算法在求解多目标优化问题的过程中存在的不足,即:对问题的规则特性考虑不够,对种群中异常解的处理不当,种群多样性容易丢失,过多的计算开销用于构建最优概率模型,提出一种基于聚类的新型多目标分布估计算法(clustering-based multi-objective estimation of distribution algorithm,CEDA)。CEDA在每一代运用凝聚层次聚类算法发掘种群个体的邻近结构,基于此结构,为每个个体构建一个多元高斯模型逼近种群结构并抽样产生新个体。为了降低建模计算开销,邻近个体共享相同的协方差矩阵建立高斯模型。基于标准测试题的对比实验表明CEDA能够解决复杂的多目标优化问题。基于齿轮减速器优化设计的实际应用表明CEDA同样具有良好的实用性和优越性。
暂无评论