摘要：针对双资源约束的柔性车间调度问题(DRCFJSP),以优化最大完工时间为目标,设计出一种具有改进解码方案的布谷鸟算法对其进行求解。由于DRCFJSP除了需要考虑机器的分配,还需要兼顾工人的加工情况,所以改进了传统解码方式以避免机器和工人在加工时间上的冲突,同时在解码时尽可能利用机器和工人的空闲时间。在布谷鸟算法核心框架下,将布谷鸟种群随机划分为三个子群,每个子群采用不同Lévy飞行方式独立进行寻优,并通过差分算子实现子群间信息交流,不仅增强了算法的全局搜索能力,也平衡了算法的局部搜索能力。最后通过基准测试算例进行实验仿真分析并与其他算法进行对比,验证了改进布谷鸟算法和改进解码方法的有效性和优越性。

摘要：针对带容量约束车辆路径问题(CVRP),提出了一种改进差分进化算法(IDE)。首先,在变异、交叉操作过程中提出一种新的扰动策略,同时设计两类不同的邻域搜索算子,加快算法收敛速度;其次,设计一种多样性保护策略,以防止算法后期种群单一化;最后,基于个体、整体收敛性设计两种惩罚因子,对不可行解作出有效的惩罚。通过对三组CVRP问题实例进行仿真实验分析,并将求解结果与其他算法相比较,验证了所提算法的有效性。

摘要：针对传统的群智能优化算法在求解柔性作业车间调度问题(FJSP)时,存在寻优能力不足且易陷入局部最优等缺点,本文以最小化最大完工时间为目标,将萤火虫算法(FA)用于求解柔性作业车间调度问题,提出一种改进的离散型萤火虫算法(DFA)。首先,通过两段式编码建立FA连续优化问题与FJSP离散优化问题之间的联系;其次,设计一种群初始化方法,以确保初始解的质量以及多样性;然后,提出改进离散型萤火虫优化算法并引入局部搜索算法,加强算法的全局搜索能力和局部搜索能力;最后,对标准算例进行仿真,验证DFA算法求解FJSP的有效性。通过与遗传算法和粒子群优化算法进行仿真对比,表明了DFA求解FJSP的优越性。

摘要：针对传统蚁群算法在全局静态环境下,搜寻一条由起点到终点的最优路径时,初始信息素缺乏、易陷入局部最优且收敛速度差的问题,提出一种遗传算法和蚁群算法结合求解路径规划问题的方法。首先,利用栅格法建立机器人行走环境模型;其次,为解决蚁群算法初始信息素缺乏的问题,对遗传算法每次迭代得到的种群根据适应度进行排序,利用截断选择,选取种群前50%的较优个体,利用初始信息素产生规则来设置蚁群算法所需的初始信息素;设计控制策略,控制遗传算法向蚁群算法的转换时间;最后,利用蚁群算法搜索路径,根据信息素更新策略更新信息素,采用简化操作优化路径,使得路径更平滑且距离更短。仿真结果表明,该算法在增强全局搜索能力以及加快收敛速度方面有较好的改善。