摘要：针对柔性作业车间调度问题(flexible job-shop scheduling problem,FJSP),提出一种混合白鲸优化算法(hybrid beluga whale optimization,HBWO)对其求解,旨在最小最大化完工时间。采用既定策略改进标准白鲸优化算法(beluga whale optimization,BWO),加快其收敛速度;基于机器选择和工序排序问题设计双层编码方案,解决FJSP离散化问题;采用主动编码及种群初始化策略,提高求解质量;基于工序的开始和结束时间确定关键路径和关键块,注重各工序时间维度;引入贪心思想至基于关键路径的混合变邻域搜索策略中,加大勘测搜索空间及减少无效搜索;此外,引入遗传算子防止算法陷入局部最优;通过35个标准算例的仿真实验与分析,证明了算法在求解FJSP问题中具有有效性。

摘要：为了增强棉田图像的垄线特征、纹理清晰度以及棉田与垄线之间的对比度,以提高农机视觉导航图像的分割准确率与泛化能力,本文提出了一种多目标图像增强算法——混沌混合精英白鲸优化算法(Chaotic hybrid elite beluga whale optimization, CHEBWO)。该算法在AMSRCR算法和直方图均衡化的基础上设计了新的图像加权融合模型,并针对图像评价,设计了一种新的多目标加权评价函数。实验结果表明,与基于Retinex图像增强算法(如SSR、MSR、MSRCR、MSRCP)以及基于直方图均衡化增强算法(如HE、AHE、CLAHE)进行对比,CHEBWO算法在PSNR、AG、SD、IE、SSIM等指标上平均提高了6.18、42.38、40.41、0.89和0.22。因此,本文提出的棉田图像增强算法在增强棉田图像对比度、清晰度以及保持垄线纹理方面具有显著优势,有助于提高语义分割模型的性能和准确性。

摘要：䲟鱼优化算法(ROA)是2021年提出的元启发式优化算法,其模拟了海洋中䲟鱼寄生依附宿主、经验攻击和宿主觅食的行为。ROA的结构简单且易于实现,但全局性稍显不足,易导致算法收敛速度慢甚至后期难以收敛的现象。针对上述问题,在探索阶段加入宿主切换机制,引入新宿主白鲸,提高原算法的探索能力;同时加入联合反向学习策略,增强了算法跳出局部最优的能力,进一步提高了算法的综合优化性能。通过以上改进,提出了一种融合联合反向学习与宿主切换机制的䲟鱼优化算法(IROA)。为了验证IROA的性能与改进优势,将IROA与原始ROA、6种典型的原始算法以及4种关于ROA的改进算法进行对比。通过CEC2020标准测试函数的实验结果表明,IROA具有更强的寻优能力和更高的收敛精度;最后针对汽车防撞性设计问题的求解,进一步验证了IROA的优势和工程适用性。