摘要：为解决机器人在静态环境中的路径规划问题,提出了一种以路径的长度和光滑性为目标的模型。针对此模型设计多种群萤火虫算法(MP-FA),并引入人工蜂群算法调试获得MP-FA所需参数。首先,提出一种萤火虫的飞行规则用于初始化个体;然后,设计种群划分规则,将初始种群划分为多个子种群,对子种群内部和子种群之间的位置移动采取不同的策略,特别是对子种群内部的个体采取一种局部更新方式;最后,设计相应的路径简化规则与光滑规则对全局最优解进一步优化。仿真实验和统计分析的结果验证了MP-FA对求解机器人路径规划问题有很好的适用性。

摘要：对汽配件颜色喷涂顺序进行优化有助于企业进一步降低生产成本,而目前尚无研究对该类问题提出针对性的数学模型和解法。考虑到每一个汽配件必须喷涂且只喷涂一次,具有旅行商问题(TSP)的基本特征,为此提出了TSP转化的建模方法并选用并行性和鲁棒性强的遗传算法(GA)进行求解。首先,将汽配件定义为TSP顶点,根据汽配件的颜色和类别要求定义顶点之间的距离和生产约束条件,以此构建了使喷涂序列颜色切换次数最少的0-1规划模型。其次,将汽配件的颜色和类别约束转化为惩罚因子,从而构成遗传算法的适应度函数,并基于锦标赛选择策略综合设计了复制、交换、翻转、滑动的变异策略。最后,构造汽配件数为64、93、293个,颜色数为5、7、10种的三组数据进行仿真实验,所提算法对这三组数据均能求得精确最优解5,7,10,而重复运行算法,可以获得近似最优解的均值分别为5.63,7.30,11.49。实验结果表明所建立的数学模型对汽配件颜色喷涂顺序问题的刻画准确,设计的遗传算法高效实用,此二者可推广应用于其他类似的生产加工问题。

摘要：为解决多机器人在静态环境中的路径规划问题,以路径长度为优化目标模型,并针对此模型设计了多机器人萤火虫算法(MR-FA)。首先,考虑到路径安全性对环境中的障碍物采取扩张操作,设计初始化规则以提高生成初始种群的效率;其次,根据算法的连续性原理及特点,设计个体等长策略将维度不一致的个体转变为等维度个体以便于萤火虫的移动更新,并对移动更新后的不可行解采取路径修正策略;然后对规划出的每个机器人的移动路径进行碰撞检测,同时针对机器人不同的碰撞情况设计相应的避碰策略,即暂停—回退策略(PFS)、局部路径重规划策略(LPRS);最后,为验证MR-FA的有效性,在三组环境中进行仿真实验并与其他三种算法进行对比,综合得出MR-FA在解决多机器人路径规划时更有优势。

摘要：对带时间窗的外卖配送车辆路径规划问题,必须“先取餐再送餐”的准则制约了遗传算法求解时染色体基因的随机性,对此提出了一种改进遗传算法.首先基于配对互换策略设计了染色体基因修复算子,有效消除了不可行解;然后设计了基于种群平均适应度的自适应交叉和变异策略,使得在遗传进化初期个体适应度低于种群平均适应度时会获得较高的交叉变异概率,提高种群多样性,而在进化后期个体适应度高于种群平均适应度时交叉变异概率快速下降,避免破坏优势个体,保证收敛效果.仿真实验表明,与标准遗传算法和标准蚁群算法相比,改进遗传算法的求解结果和遗传进化效率均更优,算法性能在平均值、方差等方面也明显优于另外两种算法,因此算法改进是有效和实用的.

摘要：针对一维下料问题,基于原材料序列和零件序列计算原材料的利用率,建立了以利用率最大为目标的0-1规划模型,选取通用性高、并行性好的遗传算法求解.算法设计上,首先采用双种群编码对应于原材料序列和零件序列,可以有效避免不可行解的产生;其次构造了遗传算法的扩张-收缩机制,分别基于轮盘赌策略和锦标赛策略以及复合变异操作使当前种群迅速扩张为两倍规模;然后定义了综合考虑基因差异性和适应度差异性的个体相似度,据此进行种群收缩,使扩张种群收缩到原种群规模.最后,选取已有文献中四个代表性算例进行仿真实验,求解结果均优于原文献结果,表明所设计算法在求解精度和收敛速度上均有更好的性能体现,验证了其可行性和有效性.