摘要：应用新近开发的基于混合元模型的优化方法(Hybrid and adaptive metamodeling method,HAM),对某款车的后车架系统进行轻量化分析。在保证后车架系统刚度的前提下,为进一步减小系统的质量,提高结果的精度,提出局部搜索策略。局部搜索策略使用元模型在设计空间内部构造的较小子空间内搜索,应用局部搜索策略的子空间是以HAM方法得到的样本点为中心上下偏移一定距离构成的。HAM将三种各具特点的元模型-克里金(Kriging)、径向基函数(Radial basis function,RBF)和二次多项式响应面(Fuadratic function,QF)有机结合,根据不同问题,自动选择最适合的元模型进行寻优。三种元模型能够在搜索过程中自适应地更新、重建,逐渐提高关注区域的精度。在使用HAM方法优化结束后,应用此策略在HAM方法得到的样本点构造的子空间内继续搜索来进一步提高结果的精度,减小系统的质量。在对后车架系统的轻量化设计中,局部搜索策略的应用,使此系统的质量在满足刚度要求下比仅使用HAM方法多减小了2.18 kg。

摘要：基于最小聚类系数搜索和贪婪算法在搜索中的优点,根据BA无标度网络的结构特性,以最小聚类系数和度量距离两个影响搜索性能的参数,设计出最小聚类系数最小距离搜索策略。并通过仿真实验对最小聚类系数最小距离搜索策略、最小聚类系数搜索策略、贪婪算法和随机游走搜索策略的性能进行对比。理论分析与仿真结果均表明,最小聚类系数最小距离搜索策略在BA无标度网络模型上能取得较好地搜索效果。

摘要：针对粒子群优化(particle swarm optimization,PSO)算法在处理不相关并行批处理调度问题中存在的种群多样性丢失、易陷入局部最优等问题,提出了一种改进PSO的调度优化算法,用于最小化最大完工时间求解。采用基于工件序列的实数编码方式进行编码操作;基于该问题的混合整数规划模型,设计了一种J_B局部搜索的新策略;将模拟退火算法的Metropolis准则引入种群粒子的个体极值搜索。通过随机生成的小型、中型和大型实例对该算法的性能进行了测试,并与针对该调度问题提出的元启发式算法和其他3种元启发式算法进行了比较。实验结果和统计测试表明,该算法的性能明显优于对比算法。

摘要：在传统多背包问题的基础上,从典型物流服务场景中共性抽象出异构多背包问题(HMKP),并设计和定制了一种帝国竞争算法(ICA)对HMKP进行求解和评估。针对原始ICA易陷入局部最优以及0-1背包问题最优解往往在约束边界周围的特点,设计了双点自变异策略(TPAS)和跳出局部最优算法(JLOA)对ICA进行改进,提出面向0-1背包问题的二进制帝国竞争算法(BICA)。BICA在求解35个0-1背包问题算例时展现出了全面、高效的寻优能力,基于最佳匹配值法(BMV)的BICA在第一组测试集的20个算例上能对19个算例100%找到理想最优值,在第二组测试集的15个算例上能对12个算例100%找到理想最优值,在所有对比算法中表现最优。数值结果分析表明,BICA在寻优演化中维持多极发展策略,并依托独特的种群进化方式在解空间中高效搜索理想解。在此基础上,针对HMKP强约束性和高复杂度的特性,基于BICA设计了求解HMKP的多级二进制帝国竞争算法(MLB-ICA)。分别在多个典型0-1背包问题算例组合构建的HMKP高维测试集上进行了MLB-ICA的数值实验和性能评估,结果表明虽然MLB-ICA的求解时间比Gurobi长,但求解精度提高了28%。可见,MLB-ICA能以较低的计算代价在可接受的时间范围内高效求解高维复杂的HMKP,为ICA在超大规模组合优化问题中的求解提出了可行的算法设计方案。

摘要：为更有效地解决以最大完工时间最小化为目标的置换流水车间调度问题,提出了一种自适应混合粒子群算法(SHPSO)。该算法结合Q学习设计了参数自适应更新策略,以平衡算法的探索和开发;同时引入粒子停滞判断方法,使用平局决胜机制和Taillard加速算法改进基于迭代贪婪的局部搜索策略,对全局极值进行局部搜索,帮助粒子跳出局部最优。实验结果表明,对比其他四种改进PSO算法,SHPSO算法取得的平均相对百分偏差(RPDavg)至少下降了83.2%,在求解质量上具有明显优势。

摘要：对多星测控调度问题进行了研究,建立了测控调度模型。根据卫星测控需求及其调度特点,建立了可能任务模型,设计了一种各类型需求通用的编码方式,并在此基础上设计实现了一种禁忌遗传算法。完成了包括遗传算子设计、邻域设计、禁忌移动算子设计、算法流程等一系列关键技术的设计实现。并通过仿真验证了该算法的有效性。

摘要：针对传统演化算法在设计数字逻辑电路时存在的演化速度缓慢和容易陷入局部最优解等问题,设计了一种Cartesian进化编程编码的电路演化Memetic算法,采用遗传算法作为全局搜索方法,并设计了适合电路演化的基本门种类局部搜索策略.通过一位全加器电路证明所提出的Memetic硬件演化算法的搜索能力,实验证明所提出的算法能够有效地完成进化任务,具有较强的全局快速和局部搜索能力.

摘要：适应度函数的设计在基于搜索的测试用例生成技术中占据重要的位置,然而在某些特殊的程序中,如存在嵌套、非结构性跳转或因return,break等语句跳出循环的程序,已有的适应度函数无法评价到所有的分支.目前的方法是修改程序的源代码,以使每个分支得到评价.但修改源代码不但可能影响程序的原有结构、引入错误,而且很难实现自动化.针对这一问题,提出一种基于模式组合的粒子群优化测试用例生成方法.首先,将分支条件定义为"模式",即,一类具有相同特征且能提高适应度值的个体集合,并改变其分支函数的插桩方式,可解决分支条件不完全评价的问题;然后,设计一种新的交叉算子,寻找到所有使模式的分支函数值最小的个体,将这些个体中含有模式的部分通过交叉算子组合到一个个体上,既可防止模式在进化过程中被破坏,又可因多种模式的组合而提高个体的适应度值;最后,使用局部搜索策略对种群中的最优个体进行搜索,提高粒子群优化算法的局部搜索精度,进一步提高测试用例生成效率.为了评价该方法的有效性,基于一组基准程序和开源程序进行实验.实验结果表明:对于含有模式的程序,该测试用例生成方法与已有方法相比,在覆盖率和平均进化代数上均有明显优势.

摘要：针对钢铁企业板坯入库决策问题,基于出库次序A型约束、分散性约束和垛位限高约束等构建了以板坯综合匹配度、垛位利用度和库存均衡度为目标函数的多目标入库决策优化模型。提出一种多目标种群协同粒子群优化算法,并设计了局部搜索策略以提高外部归档集中Pareto解的多样性,同时利用Pareto最优解改进粒子速度更新方式,达到多种群协同优化的目的。仿真实验证明,该算法可以更好地解决多目标板坯入库优化问题。

摘要：针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法(HGWOA)来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。