多种群

摘要： 针对柔性作业车间的调度优化问题,以最小化完工时间,最小化设备总负荷和最小化车间总能耗为目标建立多目标调度模型,提出一种改进NSGA-Ⅲ算法。在算法的初始阶段采取4种不同编码方式共同生成初始化种群,保证种群分布均匀的同时,缩小搜索的解空间大小;基于拥挤度的父代个体选择方式,使具有更优基因个体参与到进化当中。引入部分解的邻域搜索策略,解决NSGA-Ⅲ全局搜索时局部搜索较弱的问题。利用10组BRdate标准算例对改进NSGA-Ⅲ算法和原始NSGA-Ⅲ算法进行对比测试,改进NSGA-Ⅲ算法搜索到的非支配解数量占76%,远高于NSGA-Ⅲ算法所占的24%,验证了所提出算法的有效性和可靠性。

摘要： 针对参数初始区间不能准确定义的参数优化问题,提出一种多群体遗传算法动态调整区间的参数优化方法。该方法采用多群体遗传算法,设计差分变异和均匀变异相结合的变异算子,进行区间外探索和区间内开发,并设计参数区间动态调整的策略,从而实现降低对参数初始取值区间准确性的要求,同时大大提高了算法的求解精度和求解速度。利用标准函数集验证了该算法的正确及有效性。

摘要： 为进一步提高室内定位精度,提出一种多种群麻雀算法与广义回归神经网络相结合的室内三维定位算法MSSA-GRNN。MSSA算法种群初始化时采用佳点集及反向学习策略,获得更高质量的初始种群分布;根据适应度值排名,选出优胜子种群和辅助子种群,增强全局搜索能力;在子种群个体更新时,引入渐变加权系数,使算法更快地收敛。经过群内竞争和群间竞争,求得全局最优。利用MSSA优化平滑因子σ的取值,建立最优GRNN神经网络三维定位模型。将仿真结果与其它算法进行比较,证明了所提算法的收敛速度与定位精度均优于其它算法。

摘要： 本文主要考虑两个种群和两种信号物质的趋化模型,基于赫尔维茨定理和数学分析中微积分和泰勒级数等相关知识,扩大了已有模型渐近行为的条件范围.

摘要： 多种群是为了克服遗传算法易早熟收敛而提出的一种有效方法,但是传统的多种群遗传算法较少考虑子群结构对算法性能的影响,且算法子群数有限.因此,为了弥补以上不足,提出一种含复杂网络结构的多种群遗传算法(Multi-population Genetic Algorithms with Complex Network Structures,MGA-CNS),以求解柔性作业车间调度问题为例,研究子群大小、子群数、可控参数(α)、可控参数(β)以及初始网络规模对MGA-CNS寻优性能的影响.仿真表明:子群大小越大,MGA-CNS的性能越好;子群数不能取值过小,更不能取值过大;α的值不能太大,以不大于0.3为宜;β的取值也不能太大,以不大于0.8为宜;初始网络规模以不大于4为宜.将参数优化后的MGA-CNS用于求解更多的柔性作业车间调度问题并与多种其他算法比较,验证了其有效性.

摘要： 针对标准风驱动优化算法容易收敛到局部最优和未成熟收敛的问题,提出了一种多种群风驱动优化算法,并将其用于PID控制器的参数整定.该算法将PID控制器的比例、积分和微分参数作为空气微团的位置矢量,以ITAE指标作为算法的适应度函数,通过多个种群协同搜索,寻求解空间中适应度值最小的位置.通过实验仿真,并与基于标准风驱动优化算法、基于遗传算法和基于粒子群算法的PID参数整定相比,该算法在收敛速度、收敛精度等方面均表现出更好的性能.

摘要： 针对第三代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅲ,NSGA-Ⅲ)在处理高维多目标函数时存在收敛精度低和搜索性能差等问题,提出一种自适应多种群NSGA-Ⅲ算法.首先将传统算法的单一种群划分成四个亚种群,并为每个亚种群分配不同的交叉算子;其次提出外部最优解集(external optimal solution set.,EXS)的概念,通过计算个体更新最优解集的参与量来自适应调节每个亚种群的大小;最后利用局部搜索策略提高EXS的局部搜索性能.采用四个不同的测试函数,与七种对比算法进行仿真验证,结果表明在处理高维多目标优化问题时,提出算法的性能指标整体优于其他对比算法,能够获得较好的算法收敛性和种群多样性.

摘要： 为解决第二类生产线平衡问题,建立以最小化平衡损失率为目标函数的数学模型.采用多种群遗传算法对数学模型求解,同时对标准案例求解,验证算法的有效性.应用该算法解决制服裤装生产实际案例,将优化结果与使用粒子群算法优化结果对比,生产节拍缩短,生产线平衡损失率明显降低,工作站的负荷更加均衡,验证了多种群遗传算法对第二类生产线平衡问题的有效性与先进性.

摘要： 针对人工蜂群算法开发能力不足的问题,提出一种子种群规模可变的多种群人工蜂群算法(DMABCPS).在算法中,以个体均值位置作为中心点将整个种群划分成多个子种群;雇佣蜂阶段使用三种不同策略协同搜索,保证对优良种群的开发、中间种群的平衡和较差种群的探索;观察蜂阶段采用基于成功率的选择机制对两个搜索策略进行自适应选择;此外,算法建立了新的概率选择模型,对子种群以及其内部个体进行选择.最后,通过22个标准函数测试集验证了该算法比得上一些目前较优的算法.

摘要： 为提高移动式货架仓储系统的拣选效率,降低拣选能耗,对其在医药行业冷库应用中的货位优化问题进行研究.针对移动式货架仓储系统自身作业和医药冷库存储的特点,提出以同一巷道品项相关性最大和拣选能耗最小的策略来实现货位优化,建立多目标优化模型.在基本入侵杂草算法(IWO)基础上,设计了混合离散入侵杂草算法(HDIWO)进行仿真求解,通过引入多种群的思想来保证种群的多样性.在空间扩散阶段,采用自适应变异位数策略,用于初期的全局搜索和后期的局部搜索;在竞争生存之后,引入交叉算子和移民算子,增强种群内和种群之间交流.仿真结果表明,与入侵杂草算法、遗传算法相比,该方法具有更好的收敛性和全局搜索能力,能有效提高移动式货架仓储系统的拣选效率,降低拣选能耗,更适合移动式货架仓储系统的货位优化问题的研究.

摘要： 噪声环境下的遗传算法(Genetic Algofithm,GA)的研究对扩展遗传算法的应用邻域有重要意义。本文首先描述遗传算法的噪声环境，分析噪声对遗传算法的影响，提出平均收敛精度和最优解分布标准差作为遗传算法在噪声环境中的性能评价指标，提出聚类多种群遗传算法(Cluster based Multi-Populations genetic algorithm，CBMPGA)以抑制噪声的影响，实验验证了聚类多种群遗传算法在相同噪声环境中的性能要优于杰出保留遗传算法(Elist Genetic Algorithm，EGA)和确定性捧挤遗传算法(Deterministic Crowding Genetic Algorithm，CGA)。

摘要： 阵列天线通过自适应零陷生成技术有效抑制空间强干扰，但在干扰快速移动或天线自身存在振动的情况下，很可能带来干扰方向和数据的失配。零陷加宽技术可以很好地克服上述的失配现象，从而提高了阵列天线抗干扰性能的稳健性。本文将宽零陷方向图综合看作目标非线性优化问题，采用一种基于小生境的多种群进化遗传算法对阵列加权值进行优化。提出的算法将搜索空间划分为多个小生境种群，采用小生境共享机制对各个体适应度进行重构，提高了种群的多样性，增强了算法的全局搜索能力。应用提出的算法综合宽零陷方向图，能有效控制单个或多个不同宽度和深度零陷的生成。

摘要： 本发明公开了一种基于改进的多种群全局最优的自适应鸽群优化方法。本发明包括“粒子收敛性阶段”和“粒子多样性阶段”两个阶段。“粒子收敛性阶段”首先对粒子进行投影，得到粒子个体与全局信息，选出收敛性全局最优；之后使用速度、位置更新公式调整粒子；最后对粒子进行归档并循环迭代。“粒子多样性阶段”包括：对粒子进行投影，得到粒子个体与全局信息，选出多样性全局最优；之后使用位置更新公式调整粒子；最后对粒子进行归档并循环迭代。本发明分别考虑解的收敛性或多样性，最终得到了性能优秀的多目标问题求解方法。

摘要： 基于多种群遗传算法的分数阶粘弹性模型参数识别的方法，它属于沥青混合料的本构行为研究技术领域。本发明解决了现有方法在实现蠕变柔量、松弛模量与动态模量之间的相互转化时无法识别出模型中全部参数值的问题。本发明根据动态模量值选择出合适的1S2P1D模型，通过Laplace变换将1S2P1D模型的应力应变关系转换为Laplace域内的1S2P1D模型的应力和应变关系，再获得考虑温度效应的1S2P1D模型参数；最终，基于多种群遗传算法一次性自动获取了模型中全部参数值，克服了现有方法在实现蠕变柔量、松弛模量与动态模量之间的相互转化时，无法识别出模型中全部参数值的问题。本发明可以应用于沥青混合料的本构行为研究技术领域。

摘要： 本发明公开了一种基于多种群遗传算法的分段式综合能源系统运行优化方法。首先根据“低谷‑高峰‑平段‑高峰‑平段”的分段电价，将24小时分为五个时段，通过多种群遗传算法计算五个时段的最优优化变量矩阵，然后分别构建每个时段的目标函数与约束条件，最后通过多种群遗传算法依次细化计算每个时段的优化结果。本方法能够尽最大可能约简模型约束条件的数量，实现综合能源系统多种能源间运行的最优配置，实现最大的经济效益。

摘要： 本发明公开了一种基于多种群进化算法的带时间窗的车辆路径规划方法，包括：1为带时间窗的车辆路径问题生成一个辅助问题；2随机初始化生成两个种群，种群1用于优化原始问题，种群2用于优化辅助问题；3基于协同进化算法框架迭代优化两个种群并定期对两个种群执行局部搜索操作，直到满足停止条件，输出最优种群中非支配等级最高的个体作为车辆路径规划以及时间安排的最优方案。本发明能解决带时间窗的车辆路径规划问题，在找到最小使用车辆数目的同时，能得到更短的总行驶距离，从而提高运输效率，并降低运输成本。

摘要： 本发明公开了一种基于改进的多种群遗传算法的反应堆运行优化方法，包括：定义运行工况，根据所述运行工况设计运行方案；通过数值模拟研究获得所述运行方案的反应堆系统运行数据，根据所述运行数据计算获得运行指标；基于改进的多种群遗传算法对所述运行指标进行优化，获得优化结果；根据所述优化结果获得所述运行工况下的最佳运行参数设定。本发明能够解决反应堆运行控制设计方案难以满足实际运行需求的问题，改善反应堆系统的运行特性。

摘要： 本发明提供了一种基于多种群分层协助进化的基准源结构优化方法，包括S1，在电路结构中划分出待进化模块与固定功能模块，采用改进追踪编码的方式生成待进化模块的拓扑结构；S2，利用多种群分层协助进化对待进化模块电路的拓扑结构进行寻优，获得待进化模块的最优拓扑结构；S3，将待进化模块的最优拓扑结构作为最优个体，将其参数信息传输至固定功能模块，利用多种群分层协助由局部寻优到全局寻优，获得最优电路拓扑结构。本发明生成的电路性能参数可以达到人工设计水平的模拟集成电路。本发明具有时间效率高，集成完整性强，自动设计电路结构，筛选优化电路，最终电路性能指标优越的优点。

摘要： 本发明涉及一种通信节点无人机多种群网络部署方法，与现有技术相比解决了集群通信无人机面对复杂环境难以得到有益效果且完成任务速度慢的缺陷。本发明包括以下步骤：通信节点无人机多种群的设定；待通信节点的位置获取；多种群协同进化算法离线优化集群通信节点无人机的部署；多种群协同进化算法下的通信节点无人机的网络部署。本发明基于并行的基础上发挥多种群的优势，提高了解决通信节点无人机网络的部署问题的效率和成功率，增强了通信节点无人机集群适应复杂环境的能力和完成任务的速度，更适合在现实环境中执行任务。

摘要： 本发明公开了一种基于多种群双层优化算法的危险品运输路径规划方法。为了克服危化品运输路径规划求解计算困难的问题；本发明采用包括以下步骤：获取实时路况及城市人口密度信息，根据时变路况与不确定人口密度信息建立危险品路径规划模型；将运输路径和车辆速度分别作为规划目标，构建一个并行双层结构，并分别进行初始化；对初始化后的并行双层结构使用两个种群求解，其中1号种群使用量子粒子群算法更新公式更新路径点概率矩阵PR，求解最优路径，2号种群使用粒子群算法更新公式更新速度选择概率矩阵PV。优点是通过并行双层结构使用两个种群求解，降低计算难度，在保证算法收敛快速的同时保证种群的多样性和稳定性。

摘要： 本发明公开了动态多种群粒子群优化算法的配电网重构用数据采集装置，包括电力参数采集器，所述电力参数采集器的两侧边缘处均设置有紧固螺栓，每个所述紧固螺栓的圆柱面位于电力参数采集器的背面均设置有紧固结构，所述电力参数采集器的底端开设有接线槽；本发明所述的动态多种群粒子群优化算法的配电网重构用数据采集装置，可以将导线压紧在接线槽的内壁上避免导线发生松动，防止接触不良后与卡紧板相接触造成漏电，避免导线被不小心碰造成脱落，避免紧固螺栓旋紧时发生松动，将电力参数采集器固定更加牢靠，可以进一步将导线卡紧在接线槽和出线槽的内部，避免出线槽处的导线发生松动的情况。

摘要： 本发明公开的属于光学探测技术领域，具体为一种基于并行多种群遗传算法的多通池光斑图案设计方法，其包括：所述的设计方法包括如下步骤：S1:创建包含初始入射位置x0,y0、入射角度x’0,y’0和球面镜间距D的个体的十个初始种群且并行执行后续所有步骤；S2:对初始种群进行光斑不重叠的反射次数大小的一级适应度评价，得到不同参数组合的个体的多通池反射次数。该基于并行多种群遗传算法的多通池光斑图案设计方法，可以设计多通池的最优光斑图案也就是具有最长光程和最小体积，使得多通池保持性能的同时极大的减少了体积，增加了便携性降低了成本同时有利于温度和压强的控制。