毕业设计 差分算法.docx
- 文档编号:23958493
- 上传时间:2023-05-22
- 格式:DOCX
- 页数:41
- 大小:897.41KB
毕业设计 差分算法.docx
《毕业设计 差分算法.docx》由会员分享,可在线阅读,更多相关《毕业设计 差分算法.docx(41页珍藏版)》请在冰豆网上搜索。
毕业设计差分算法
摘要..................................................1
第1章绪论............................................4
1.1课题研究背景和意义..............................6
1.2.1FJSP描述及分类.................................6
1.2.2FJSP的研究方法.................................7
l.2柔性作业车间调度问题.............................7
1.3基本差分进化算法...............................10
1.3.1算法基本原理.................................11
1.3.2算法研究现状.................................13
1.3.3算法应用现..................................14
1.4问题分析与总结................................15
1.5本文的工作安排................................18
第三章离散差分进化算法求解单目标柔性作业车间调度......22
2.1引言.........................................25
2.2FJSP问题模型.................................28
2.3求解单目标FJSP的离散差分进化算法⋯...........35
2.3.1编码、解码..................................35
2.3.2种群初始化..................................36
2.3.3全局进化操作.................................37
2.3.4局部搜索策略.................................37
2.3.5算法复杂度分析...............................38
2.3.7算法收敛性分................................38
2.5本章小结.....................................39
总结.................................................50
参考文献.................................................51
摘要
车间调度作为企业生产管理的核心,其目的是合理安排生产过程中现有的各种资源,以满足某些特定的性能指标。
柔性作业车间调度是一类复杂的Np.hard问题,由于减少了机器唯一性限制,更符合对实际生产环境的模拟;实际调度中往往包含多个需同时优化的目标,且随着多品种、小批量生产模式的兴起,多目标、批量调度问题的研究更符合生产实际,具有重要的实际意义。
本文将围绕差分进化算法在柔性作业车间调度中的应用展开相关研究,讨论其在单目标、多目标、多目标批量调度下的柔性作业车间问题,主要研究内容归纳如下:
讨论了差分进化算法在单目标柔性作业车间调度中的应用。
给出了以最小化完工时间为目标的柔性作业车间调度优化模型,针对柔性作业车间问题,采用基于工序排序和机器分配相结合的编码方式,引入动态随机搜索技术,设计了一种新的基于关键路径的动态搜索和机器负载平衡两种局部搜索策略,以提高算法的全局寻优能力和局部精细搜索能力。
实验结果表明所提算法能有效避免局部收敛,具有更强的全局搜索能力。
考虑到实际生产中常常有多个目标需同时优化的情形,研究了多目标柔性作业车间调度问题,设计了基于Pareto支配关系的多目标离散差分进化算法,算法采用Pareto非支配排序和拥挤距离的选择方式,并采用外部解集保存搜索过程中获得的非支配解。
仿真结果表明所提算法能获得更多分布均匀的Pareto非支配解。
对多目标柔性作业车间批量调度问题进行了研究,提出了一种新的基于需求量的批量划分方案及批量染色体编码方式,采用两级染色体编码的差分进化算法以同时解决批量划分和批次调度问题。
通过对测试算例的仿真,结果表明算法具有良好的性能,能有效缩短产品生产周期,获得更多非支配解,最后将算法应用于印染生产调度实例的求解。
提出了一种新的基于群体适应度方差自适应二次变异的差分进化算法。
该算法在运行过程中根据群体适应度方差的大小,增加一种新的变异算子对最优个体和部分其它个体同时进行变异操作,以提高种群多样性,增强差分进化算法跳出局部最优解的能力。
对几种典型Benchmarks函数进行了测试,实验结果表明,该方法能有效避免早熟收敛,显著提高算法的全局搜索能力。
提出了将该改进算法用来整定不完全微分PID控制器最优或近似最优参数的新方法。
为克服频域中常用的积分性能指标如IAE,ISE和ITSE的不足,提出了一种新的时域性能指标对控制器性能进行测试和评价。
用三个典型的控制系统对提出的ASMDE-PID控制器进行了测试。
实验结果表明,该方法实现容易,收敛性能稳定,计算效率高。
与ZN,GA和ASA方法相比,DE在提高系统单位阶跃响应性能方面效率更高,鲁棒性更强。
为了提高差分进化算法的全局搜索能力和收敛速率,提出了一种双群体伪并行差分进化算法。
该算法结合差分进化算法DE/best/2/bin变异方式局部搜索能力强,收敛速度快,和DE/rand/1/bin变异方式全局搜索能力强,鲁棒性好的特点,采用串行算法结构实现并行差分进化算法独立进化、信息交换的思想。
为使初始化个体均匀分布在搜索空间,提高算法收敛到全局最优解的鲁棒性,提出了一种基于平均熵的初始化策略。
典型Benchmarks函数测试和非线性系统模型参数估计结果表明,该方法能显著提高算法的收敛速率和全局搜索能力。
基本差分进化算法的控制参数在进化过程中是保持不变的,对于不同的优化问题要确定合适的控制参数是件不容易的事。
根据生成差分矢量的两个不同个体矢量在搜索空间中的相对位置,对缩放因子F提出了一种自适应策略;根据目标个体矢量的收敛情况,提出了一种自适应交叉概率CR策略,使适应度好的目标个体矢量的CR小而适应度差的目标个体矢量的CR大。
同时,为提高算法的收敛速率,对基本差分进化算法的变异操作进行了改进,提出了一种新的变异操作。
典型的Benchmarks函数测试及三关节平面冗余机械手的轨迹规划实验表明,本文提出的方法能显著提高算法的鲁棒性和收敛速率。
Thispaperfirstlyintroducedtheimportantimpactofintelligentoptimizationalgorithmsformodernoptimizationtechnique.Andthen,thenecessaryoftheresearchanddevelopmentofintelligentoptimizationtechniqueformodernoptimizationtechniqueandrealengineerapplicationisexpatiated.Lastly,thecharacteristicsofintelligentoptimizationalgorithmsareinduced,andtheapplicationareaesofintelligentoptimizationalgorithmsareintroducedbriefly.
Thedifferentialevolutionalgorithm(DE)isintroducedindetail,andthepseudocodeofDEisgiven.Aimingtothecharacteristicsofmixed-integernonlinearprogramming(MINP),aroundingoperationwasaddedtothemutationoperator,andamodifieddifferentialevolution
(MDE)algorithmfittedtotheMINPisproposed.Atthesametime,themethodoftime-varyingcrossoverprobabilityfactorwasadoptedtoimprovetheglobalsearchingabilityandconvergencespeedofMDE.Theexperimentsresearchingweredonebyfourclassictestingfunctions.TheexperimentresultsshowthattheMDEhasfastconvergencespeed,high
precisionandgoodrobustnessforsolvingMINP.
Usingnon-stationarymulti-stageassignmentpenaltyfunctiontodealwiththeconstrainedconditions,amodifieddifferentialevolution(MDE)fornonlinearconstrainedoptimizationisproposed.Inordertoimproveglobalconvergenceandconvergencespeedofthealgorithm,twodifferentmutationschemeofDEwerecombined,andsimulationannealtacticswasadapted,whichensurethealgorithmhasgoodglobalexploringabilityatthebeginningstageandgoodlocalexploringabilityatthelaststage.SeveralclassicBenchmarksfunctionsweretested,theexperimentresultsshowthattheMDEhaspowerfulglobalexploringability,goodrobustness,highprecision,andfastconvergencespeed.Soitisaneffectivewayfornonlinearconstrainedoptimizationproblems.
InordertopreservethediversityofParetooptimalityofmulti-objectiveoptimizationproblems(MOP),adifferentialevolutionalgorithmforMOPadoptingelitistarchiveandsortingtacticbasedonobjectivefunctionvalueispresented.Theselectionmethodstothe
objectivefunctioninthesortingtacticwereanalyzedandcompared.Andthesametime,athresholddeterminingwaywasproposedtodecidewhetheraelitistsolvefoundinthreevolutionaryprocessaddedtotheParetosetornot.Theexperimentsweredoneusingseverallassictestfunctions,andthecomparisonsweredonewithNSGA-Ⅱ.Theexperimentresultshowthat,theproposedapproachcanconvergencetotheParetofrontandpreservethediversityofParetooptimalityefficiently,theobtainedoptimalityhaswiderbound.
Anewadaptivesecondmutationdifferentialevolutionalgorithm(ASMDE)basedonthevarianceofthepopulation’sfitnessispresented.Inordertoimprovethepopulation’sdiversityandtheabilityofbreakingawayfromthelocaloptimum,accordingtothevalueofthevarianceofthepopulation’sfitnessduringtherunningtime,anewmutationoperatorisadaptedtomutateboththebestindividualandpartialotherindividuals.SeveralclassicBenchmarksfunctionsaretested,theresultsshowthatthenewalgorithmcanavoidtheprematureconvergenceandimprovetheglobalconvergenceabilitygreatly.TheproposedASMDEwasappliedtooptimizeparametersofPIDcontrollerwithincompletederivation.To
overcomethedisadvantagesoftheintegralperformancecriteriainthefrequencydomainsuchasIAE,ISE,andITSE,anewperformancecriterioninthetimedomainwasproposed.Threetypicalcontrolsystemswerechosentotestandevaluatetheadaptationandrobustnessofthe
proposedDE-PIDcontroller.Thesimulationresultsshowthattheproposedapproachhadsuperiorfeatures,includingeasyimplementation,stableconvergencecharacteristicandgoodcomputationalefficiency.ComparedwiththeZN,GA,andASA,theproposeddesignmethod
wasindeedmoreefficientandrobustinimprovingthestepresponseofacontrolsystem.ToimprovetheglobalsearchingabilityandconvergencespeedofDE,apseudoparalldifferentialevolutionalgorithmwithdualsubpopulations(DSPPDE)isproposed.CombiningwiththepropertiesofgoodlocalsearchingabilityandfastconvergencespeedofDE/best/2/binmutationschemeandthepropertiesofgoodglobalsearchingabilityand
robustnessofDE/rand/1/binmutationscheme,thealgorithmappliedtheidealofisolatedevolutionandinformationexchanginginparallelDEalgorithmbyserialprogramstructure.Todiversifytheinitialindividualsinthesearchspaceandimprovetherobustnessofconvergencetotheglobaloptimum,aninitializationtacticbasedonthemeanentropyis
proposed.ThetestsofseveralclassicBenchmarksfunctionandtheparametersestimationresultofanonlinearsystemmodelshowthattheproposedalgorithmcanimprovetheconvergencespeedandtheglobalsearchingabilitygreatly.
ControlparametersoforiginalDEarekeptfixedthroughouttheentireevolutionaryprocess.However,itisnotaneasytasktoproperlysetcontrolparametersinDEfordifferentoptimizationproblems.Accordingtorelativepositionofthetwodifferentindividualvectorsselectedtogenerateadifferencevectorinthesearchingplace,aself-adaptingstrategyfortheamplificationfactorFofthedifferencevectorisproposed.Intermoftheconvergencestatusoftargetvector,aself-adaptingcrossoverprobabilityconstantCRstrategyisproposed.Therefore,goodtargetvectorshavelowerCRwhileworsetargetvectorshavelargeCR.Andthesametime,themutationoperationwasmodifiedtoimprovetheconvergencespeed.Theperformanceoftheseproposedapproachesarestudiedwiththeuseofsomebenchmarkproblemsandappliedtotrajectoryplanningofathree-jointredundantmanipulator.Theexperimentresultsshowthattheproposedapproachescanimproverobustnessandconvergencespeedgreatly.
第一章绪论
差分进化(DifferentialEvolutionary,DE)[5,6]是由Storn和Price于1995年提出的一种采用浮点矢量编码在连续空间中进行搜索的优化算法,在许多复杂的优化问题中已得到广泛应用。
AbbassHA等[7]提出了求解MOP的Pareto前沿DE算法;BabuBV等[8]结合罚函数法和权值系数法,提出了一种求解MOP的DE
算法。
然而,这些算法都是用于连续空间上的优化问题,而现实生活中有很多问题属于离散空间上的优化问题。
为了进一步拓宽DE在离散型多目标优化问题的应用,采用连续和离散之间的置换策略,提出一种新的用于离散空间优化的基于置换策略多目标差分进化算法(Permutation2basedMulti2objectiveDifferentialEvo2lutionary,MODE2PB),并将其应用在经典的多目标0/1背包组合优化问题求解中,来验证该算法的有效性。
我们已经知道,当检测出模型存在序列相关性后,就不能直接采用普通最小二乘法进行回归,必须发展新的估计方法。
本节介绍一种在消除序列相关性方面最常用的方法—广义差分法。
广义差分法的思想是将原模型转化为对应的差分形式,消除序列相关性,然后用普通最小二乘法进行估计。
差分进化算法研究及其应用:
20世纪50年代中期创立了仿生学,自然界的生物体通过自然选择和自然遗传机制就能自组织、自适应地使问题得到完满的解决,这种能力启发人们通过模拟自然演化过程来解决某些复杂问题。
演化计算正是在这种指导思想下发展起来的计算机科学领域内的一个崭新分支。
近50年的研究表明,模拟自然进化的搜索过程可产生非常鲁棒的计算方法,即使这些模型只是自然界生物体演化过程的粗糙简化。
在演化算法家族中,相对发展较早的有进化规划(EvolutionaryProgramming)、遗传算法(GeneticAlgorithm)等,它们都是基于这种思想而发展起来的问题求解方法。
这些算法在赋予演化算法自组织、自适应、自学习等特征的同时,不受搜索空间限制性条件(如是否可微、是否连续等)的约束,也不需要其他辅助信息(如梯度),不仅能获得较高的效率,而且具有易于操作和通用的特点。
近些年来,随着人们对生命本质的不断了解,使人工智能的研究开始摆脱经典逻辑计算的束缚,大胆探索新的非经典计算途径。
在这种背景下,社会性动物(如蚁群、蜂群、鸟群等)的自组织行为引起了人们的广泛关
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 毕业设计 差分算法 算法