离散粒子群算法

摘要： 随着无人机的快速发展,对防空目标的火力分配的要求更高、难度更大。针对传统高炮抗击蜂群无人机作战效能低、目标分配方案评估困难等问题,提出一种基于SA-DPSO混合优化算法的高炮拦截蜂群无人机目标分配模型。该模型建立了完善的高炮抗击蜂群无人机的目标分配评估的指标体系,以毁伤概率为优化目标,同时兼顾火力资源消耗,采用SA-DPSO混合优化算法对模型进行最优值求解,以提高算法的全局搜索能力,避免陷入局部极值。通过多目标分配的实例分析,验证了该模型的合理性,表明该模型可以为高炮抗击蜂群无人机的高效打击提供有效的决策依据。

摘要： 城市内河周边环境常常受到破坏和污染,如何有效地对河道进行监测逐渐引起公众、政府和学术界的关注。目前传统的监测方式存在成本高昂、覆盖面不足等缺陷。鉴于智能移动设备的不断普及,文中提出利用群智感知来高效监测河道环境的新思路。该问题可描述为假定每一河段附近有c个位置点可监测该河段,然后根据大量用户的移动轨迹选择出其中r个用户来共同完成s个时段对所有河段的监测。文中规定用户数r越小,监测成本越少。设计了逐步贪心策略、全局贪心策略和整数规划策略用于解决该问题,即选择最少参与者达到“s时长-c范围-r用户”的监测目标。将上述策略应用于福州市台江区部分河道的环境监测,实验结果表明,上述策略均能获得比随机策略更好的解,其中整数规划策略的表现最好。但是,随着问题规模的变大,解决小规模整数规划的隐枚举算法会出现无法求解的情况,因此提出了基于贪心初始化的离散粒子群算法(Greedy Initialization-Discrete Particle Swarm Optimization,GI-DPSO)。虽然该算法可以求解大规模整数规划,但计算费时。综合考虑监测成本和计算代价,建议对小规模问题采用整数规划策略,对大规模问题采用全局贪心策略。

摘要： 采用常规方法计算零件切削参数优化目标函数和约束条件时,忽略了生产效率和粗糙度两个变量,导致优化参数作用下的零件加工表面粗糙度较大和加工总工时较长。为提高生产效率和降低生产成本,提出了基于离散粒子群算法的复杂曲面微小零件切削参数优化方法,选择切削速度和进给量作为待优化切削参数,确定参数优化目标方向,对微小零件加工的功率、切削力、进给量及粗糙度等进行约束,利用粒子群算法求解优化目标和约束条件组成的数学模型,得到切削速度和进给量最优解。选择微小齿轮毛坯、铣刀及机床进行滚齿加工的对比实验,并采用设计方法和常规方法获取不同切削深度下的切削参数优化值。结果表明,设计方法减小了齿轮加工表面粗糙度,缩短了齿轮加工总工时,提高了滚齿表面质量和生产效率。

摘要： 针对AUV(autonomous underwater vehicle)协同对抗过程中的信息不完全问题,用不完全信息博弈理论研究AUV的对抗行为。以对抗双方的剩余生存概率和武器消耗量为评价指标,加入位置误差影响因子,建立了面向不完全信息的AUV博弈对抗目标分配模型。以贝叶斯纳什均衡理论为基础,通过虚拟参与者“自然(Nature)”,预先设置关于攻防策略类型的先验概率,选择出待分配的AUV类型,然后通过后验概率不断修正关于对方采用的目标分配策略类型的判断。提出了基于多目标离散粒子群的不完全信息目标分配求解算法,得到了博弈对抗双方的贝叶斯纳什均衡目标分配策略,为指挥官的作战指挥提供了策略选择帮助。

摘要： 针对水库防汛调度过程中存在的不确定性较大,安全事故频发的问题,为能进一步挖掘水库在防洪调度中的拦蓄能力,研究基于离散粒子群算法的水库防洪调度优化方法。构建水库汛期防洪调度风险模型,离散粒子群算法规划调度顺序,设置粒子编码方式对应调度方案,定义最大流量优化调度过程,完成优化设计。结果表明:文中方法在某水库实测洪水过程中,可以将最高水位和最大下泄流量进行调度方案优化,满足讯限水位346m标准防洪要求。

摘要： 针对传统粒子群算法进行机器人路径规划时容易陷入局部最优的问题,提出一种基于反向学习机制的改进离散粒子群优化算法。算法分两阶段对粒子种群引入反向学习机制:第一次在种群初始化时,对全部粒子引入反向学习机制,选择适应度值较低的粒子作为初始种群,提高初始解的质量;第二次在迭代过程中,以概率α对粒子种群引入反向学习机制,增加粒子种群的多样性。使用改进惯性权重,提出一种新型自适应余弦变化公式更新学习因子,使算法在运行过程中达到更佳的搜索性能。利用Matlab R2014a平台进行仿真,结果表明,改进算法可以在无碰撞条件下规划出一条从初始点运动到目标点的最短路径,且收敛速度和精度均得到提高。

摘要： 针对含有AGV(automated guided vehicle)的柔性作业车间调度问题,建立了以最小化最大完工时间为目标的双资源集成调度优化模型。在种群初始化过程中提出一种启发式初始化方法,提高种群初始解的质量,加快算法的收敛速度。针对离散粒子群算法易早熟的弊端,结合竞争学习机制和随机重启机制提出一种可有效避免早熟的混合离散粒子群优化算法。在考虑工件运输的柔性作业车间调度的基准数据集上做仿真实验,结果表明启发式初始化方法和混合离散粒子群算法求解此类问题时可行高效。

摘要： 将入库任务和出库任务进行合理搭配构成复合作业是穿梭车仓储系统常用的作业模式,合理的复合作业路径优化对于提升作业效率,降低作业成本具有重要意义.为提高穿梭车仓储系统的出入库效率,将系统复合作业路径优化归结为任务指派问题,以完成一批拣货任务的总时间最小为目标建立优化模型.设计了一种改进的离散粒子群优化算法,重新定义了粒子的位置和速度及运动方程,将循环交叉和交换变异引入速度的加法运算,实现算法的快速收敛,同时通过排斥算子保持粒子群的多样性,减小算法陷入局部最优的可能性.仿真结果表明,该算法性能优于遗传算法,有效地缩短了复合作业的时间,提高了拣货效率.

摘要： 针对通用防空反导实时火力优化分配问题,分析了火力分配原则,综合考虑资源约束、空间关系约束以及人工干预等约束条件,以拦截效能最大、消耗费用最小为目标建立火力优化分配模型,并详细设计了拦截效能和消耗费用的表示模型;在该模型基础上,设计了一种基于离散粒子群的优化求解算法;通过仿真验证了模型的合理性和算法的可行性,对通用防空反导指挥控制系统研制具有一定指导意义.

摘要： 针对舰载机弹药调度流程环节多、弹药存放点多、需求点多的特点,建立了弹药调度方案优化模型,并利用粒子群算法对模型进行求解.通过将粒子速度和坐标离散化,改善了基本粒子群不易处理离散问题的缺陷.通过模型仿真验证了调度模型的适用性和离散粒子群算法的有效性.

摘要： 临近空间平台在对地观测领域的优势不断凸显,飞艇作为临近空间对地观测的主要平台受到各国日益重视,研究多飞艇对地观测任务分配具有重要意义.通过对多飞艇多载荷对地观测问题的详细分析,建立了任务分配约束满足优化模型.利用带双尺度变异算子的离散粒子群算法对模型进行求解,使原有离散粒子群算法在具备计算简单、易于调节等优点的同时,克服了进化前期早熟收敛、进化后期局部搜索能力差的缺陷.设计实现了多飞艇对地观测任务分配原型系统,实验验证了该任务分配方法的有效性.

摘要： 船舶电力系统重构是典型的非线性离散优化问题。针对这一问题，建立了船舶电力系统重构数学模型，采用离散的粒子群算法求解重构问题。算例分析及仿真实例表明，离散粒子群算法可以有效解决船舶电力系统重构问题。

摘要： 针对柔性车间调度问题的特点，采用基于工序排序和机器分配的粒子编码方式，提出了一种基于POX和RPX交叉算子的改进粒子群优化算法，通过合理设计染色体编码方式和进化策略，避免非法解的出现以提高求解效率；同时引入改进的模拟退火算法以增强离散粒子群算法的邻域搜索能力，实现全局搜索和局部搜索能力的有效平衡。通过算例仿真和某电声企业纸盆车间调度实例应用，验证了该算法的有效性和可行性。

摘要： 针对资源结盟博弈(CRGs,Coalitional Resource Games)中自治Agent结盟问题,每个Agent占有的资源不足以满足其目标要求,Agent通过建市联盟可以相互合作.各自实现目标。求解CRGs稳定联盟及其可达目标集的问题是一个NP-完全问题,由于可能的联盟数目随着Agent数日呈指数增长,需要设计高效的搜索算法。通过引入离散粒子群算法解决CRGs中自治Agent结盟问题。

摘要： 测试用例优先排序技术能够有效提高回归测试效率,是软件测试的热点研究课题之一.针对基于需求的测试用例优先排序方法可操作性差的问题,提出了一种改进的基于测试点覆盖和离散粒子群优化算法的求解方法(TCP—DPSO).首先,把影响排序的各种因素分为测试收益型因素和测试成本型因素两大类,通过加权平均的方式进行归一化,得到基于需求的通用测试平均收益率评价指标;然后,利用交换子和基本交换序列定义粒子的位置和速度,借鉴遗传算法(GA)变异策略引入变异算子,采用时变惯性权重调整粒子的探索能力和开发能力,促进可持续进化和逼近优化目标.实验结果表明,TCP—DPSO在最优解质量上与遗传算法相当,大幅优于随机测试,在最优解成功率和平均求解时间上优于遗传算法,具有更好的算法稳定性.

摘要： 研究了批处理机环境下生产与两阶段运输协同调度问题,供应链是由一个制造商和一个客户组成的两级供应链.制造商的仓库分布在不同地理位置,需要将各仓库中的半成品工件运输到制造商的批处理机,并经过机器加工运输给客户.根据问题进行系统建模,通过分析问题的性质,设计了Xn维向量的编码方式.引入交叉和变异算子对离散粒子群算法进行改进,利用改进离散粒子群算法对制造跨度进行优化.仿真实验对不同规模的算例均进行了测试,结果表明了改进离散粒子群算法的有效性.

摘要： 针对最小化完工时间的作业车间调度问题,在考虑到将粒子群优化算法解的连续区间更好地投影到离散的作业车间调度问题解上,提出了离散粒子群优化算法和基于位置交换的OBR二次编码(PS-OBR)方法来优化车间调度问题,并根据其特性设计了仿细菌觅食算法趋化步骤作为其补充领域搜索算法.基准测试表明,该算法能快速有效地求解Job-shop调度问题.

摘要： 针对集中式体系结构下的有人机-无人机群协同空战多目标分配问题，把目标威胁分为固有属性和动态属性两部分，分别建立了目标威胁系数层次结构模型和优势函数模型;根据空战态势的不同，提出了三种效率指标，建立了相应的代价函数;针对三种代价函数，运用离散粒子群算法进行了数值仿真研究，仿真结果表明所用的算法具有良好的收敛性，适合解算文中所建立的有人机-无人机群协同空战多目标分配模型。

摘要： 该文针对机组运行时故障的不确定性，利用威布尔失效概率函数来详细描述机组的故障概率，并以此为基础提出了兼顾机组故障率的机组组合优化模型；根据所建模型的特点，提出了带有随机权重和带有异步变化学习因子的粒子群算法，将机组组合问题划分为离散量和连续量两部分，通过在机组编码矩阵中进行交叉计算来解决机组组合问题。文中以5台机组24小时的机组组合优化问题为例进行计算，验证了所建模型的正确性及所提算法在求解机组组合优化模型时的有效性。

摘要： 该文针对机组运行时故障的不确定性，利用威布尔失效概率函数来详细描述机组的故障概率，并以此为基础提出了兼顾机组故障率的机组组合优化模型；根据所建模型的特点，提出了带有随机权重和带有异步变化学习因子的粒子群算法，将机组组合问题划分为离散量和连续量两部分，通过在机组编码矩阵中进行交叉计算来解决机组组合问题。文中以5台机组24小时的机组组合优化问题为例进行计算，验证了所建模型的正确性及所提算法在求解机组组合优化模型时的有效性。

摘要： 本发明提供了一种基于粒子群算法和离散元分析的锚固边坡安全性评价方法，基于现场勘察和仪器监测收集岩质锚固边坡的基础数据；基于离散元分析软件3DEC构建岩质锚固边坡分析计算模型；根据岩体蠕变试验确定蠕变本构模型及蠕变参数范围；基于粒子群算法和岩质锚固边坡分析计算模型的响应确定岩质锚固边坡分析计算模型中蠕变本构模型的最优参数；基于设定的分析时间，提取岩质锚固边坡的特征变量。根据特征变量的变化情况进行岩质锚固边坡长期安全性评价。本发明的有益效果是：有效提高了岩质锚固边坡安全性评价的准确性和评价效率，为岩质锚固边坡滑坡的演化机理研究与动态安全性评价提供有利条件。

摘要： 本发明公开了一种基于多目标离散二进制粒子群算法的客服排班方法及装置，属于业务数据处理技术领域。所述方法包括：获取客服排班业务数据，所述客服排班业务数据至少包括客服人员工号、排班周期、班次和/或业务线在内的传参数据；根据业务要求确定预设强约束条件和预设弱约束条件，并根据所述预设弱约束条件确定多目标离散二进制粒子群算法；利用所述多目标离散二进制粒子群算法对所述客服排班业务数据进行计算，获取可行性解数据；根据所述可行性解数据确定客服排班方案数据。本发明提供的方案比起单目标问题更符合实际情况且多解的情况下有多种选择供决策者使用，更灵活，更贴合实际，同时求解速度快，搜索全局最优解上有着优秀的特性。

摘要： 本发明提供了一种基于量子离散粒子群算法的涡轮机阵列优化方法，包括确定涡轮机阵列布放区域、布放区域内潮流场分布、涡轮机参数；对粒子群中每个粒子代表的涡轮机数量和涡轮机位置进行初始化；计算在海域中布放涡轮机后，每个粒子中各涡轮机位置的潮流流速、潮流能阵列中各个涡轮机的发电功率和潮流能阵列总发电功率、计算潮流能发电场总成本，每个粒子的更新速度和更新位置；判断涡轮机阵列是否满足安全距离、最小水深的约束条件；判断粒子群是否达到粒子群迭代次数，选择最优布局。本发明所述的基于量子离散粒子群算法的涡轮机阵列优化方法，实现了涡轮机阵列布局自动优化，为潮流能发电场涡轮机阵列的布局设计提供参考。

摘要： 本发明涉及一种基于离散粒子群算法的电商仓储中心货位分配方法，构建基于效率优先、货架稳定性和同类产品就近存放原则的多目标货位分配数学模型；对货位进行编码并随机生成初始种群，包括位置向量和速度向量；采用线性惯性因子对粒子的速度进行更新；运用多片段交叉和变异操作更新机制对粒子位置进行更新；在个体极值和当前全局最优解更新后，对当前全局最优解进行局部搜索，并将搜索结果替换当前种群最差解；种群更新以后，继续进行搜索直到达到终止条件；最后将取得的最优解进行解码得到当前最优解决方案。本发明可快速高效的在可行解全局范围内获得高质量的货位分配方案，显著改善货位布局，有效提高作业效率。

摘要： 本发明公开了一种基于K‑means和离散粒子群算法的多无人车任务分配方法，包括以下步骤：S1、物流场景信息初始化；S2、物流任务打包：使用K‑means算法确定最佳打包结果，其打包个数为k；S3、取k辆可用无人车，匹配每个任务包的执行无人车；S4、对每一辆无人车用离散粒子群算法确定其任务序列。本发明的方法结合聚类思想和群智优化算法对多无人车任务分配问题进行解答，使用离散化的粒子群算法进行多无人车的任务分配，粒子群算法的收敛速度快，离散化的迭代方式使算法更适用于实际的物流场景。并且在使用粒子群算法前先用K‑means聚类算法对任务进行打包，极大地减小了解空间的大小，提高了任务分配效率。

摘要： 本发明公开了一种基于改进离散粒子群算法的多无人机协同任务调度方法，根据敌方目标的位置和无人机的基本信息，解决了无人机协同多目标打击任务调度问题。本发明将任务调度的约束条件融入到粒子的更新中，使用交叉变异改进了粒子的迭代方式，并且使用变异操作避免了算法陷入局部极值。本发明使用了改进的离散粒子群算法根据无人机完成任务的航程代价和最大无人机暴露时间对调度方案进行对比研究，经过多次迭代得出最佳的任务调度方案。

摘要： 本发明公开了一种基于杂交‑离散粒子群算法的多无人机协同任务分配方法及系统，建立了多无人机协同任务分配的模型，将无人机执行任务所获得的收益以及执行任务的损失代价作为衡量任务分配方案好坏的两大最主要因素。并进一步考虑了任务执行成功概率，受损概率，任务完成时间，资源损失概率等指标作为多目标任务分配的优化目标函数，实现了这些指标的同时优化。本发明针对多无人机协同任务分配的问题的特点，将粒子群算法离散化，设计了新的编码规则，提高了问题衡量的准确性，另外融入了杂交机制，有效提高了算法的收敛速度和收敛精度。

摘要： 本发明公开了一种基于改进离散粒子群算法优化故障等级的传感器布局方法，该布局方法首先建立系统故障与传感器测试之间的相关性模型，来描述系统故障和传感器测试点之间的逻辑关系；然后分析系统故障的等级以及相应等级的漏检率要求，以及通过故障模式影响和危害性分析FMECA后得到的系统的故障模式以及故障模式，根据故障重要度进行故障等级划分；根据故障等级漏检率构造约束条件，根据传感器成本构造适应度函数；最后利用改进的离散粒子群算法计算约束条件下适应度函数值最优的传感器布局的离散序列解。本发明的布局方法更加可靠，且计算结果验证了本发明的有效性，并降低了成本。

摘要： 一种多样搜索策略离散粒子群算法，其实现步骤是：(1)参数定义；(2)算法初始化；(3)更新个体最优解pBesti与群体最优解gBest；(4)更新个体速度和位置；(5)启动局部变异搜索策略；(6)启动个体变异策略；(7)粒子位置约束；(8)速度边界条件处理；(9)输出群体最优解gBest；根据迭代次数t结束算法或令t＝t+1，重复执行步骤(3)到步骤(9)。本发明能够针对不同搜索阶段给出自适应调整策略，提高算法的搜索性能和稳定性。本发明可以运用到任何通信、雷达、计算机、资源调度、稀疏布阵等对求解优化问题有需求的领域。

摘要： 本发明涉及装配线平衡技术领域，特别是涉及一种基于混合离散粒子群算法的机器人装配线平衡方法，其包括以下具体步骤：1、获取机器人装配线的参数信息；2、给出机器人装配线总成本的计算公式；3、设计离散粒子群优化算法获取最佳的工序和机器人分配方案；本发明采用路径重连、多片段交叉机制、片段变异机制更新粒子的工序和机器人分配向量，设计出专门用于搜索离散可行解空间的搜索机制，有利于提高算法搜索效率和命中全局最优解的概率。本发明采用混合离散粒子群算法，结合精确方法动态规划与粒子群的优点，在解决机器人装配线分配问题时，计算和收敛速度快，全局搜索能力强，可以在较短的时间内取得高质量的工序和机器人分配解决方案。