国家教育部博士点基金(200804870070)
- 作品数：6 被引量：30H指数：4
- 相关作者：肖人彬黄振东刘勇董方敏徐义春更多>>
- 相关机构：华中科技大学湖北经济学院三峡大学更多>>
- 发文基金：国家教育部博士点基金湖北省教育厅科学技术研究项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 求解带平衡约束矩形布局问题的混合算法被引量：6
- 2011年
- 以卫星舱布局为背景,针对二维带平衡约束的矩形集在圆容器内的布局问题,提出了一种混合算法,即带压缩策略的动态匹配算法,并与粒子群优化算法结合起来.对于给定的圆容器,将整个布局过程分为4个阶段,相应地将圆容器分成8个区域.每次放置矩形时,动态匹配算法先根据系统质心动态选择装填区域,然后在该装填区域中根据排序函数选择待布矩形.压缩策略用来压缩圆容器,粒子群优化算法用来优化排序函数的参数.在测试集上的计算结果表明:相对于已有算法,提出的混合算法更加有效.
- 黄振东肖人彬
- 关键词：粒子群优化混合算法
- 求解带性能约束凸多边形布局的混合算法被引量：5
- 2014年
- 针对带性能约束的凸多边形布局问题,设计了一种波纹探测启发式定位算法(REHA),并将其与广义模拟退火算法(GSA)相结合,形成混合算法.波纹探测启发式算法模拟波纹的现象,以圆形容器的圆心为中心,构造同心圆,逐步增大同心圆半径向外探测,根据同心圆与质心临界多边形的交来确定布局物的放置位置.该算法同时兼顾布局问题的紧凑性和静平衡约束,是一种定位启发式方法,其解的质量受布局顺序的影响.利用广义模拟退火算法优化布局顺序,形成混合算法,并将其与经典的模拟退火算法作分析对比,数值试验验证了提出算法的有效性.
- 黄振东肖人彬
- 关键词：凸多边形临界多边形
- 基于蚁群算法的带平衡约束矩形布局问题的启发式求解被引量：10
- 2010年
- 以卫星舱布局问题作为研究背景,求解了带平衡约束的矩形布局问题。采用启发式策略设计了分区域分步布局法,该策略将圆形卫星舱承重板分成4个区域,分区域同步进行布局。当所布矩形和区域都确定时,采用最左最底填充策略进行布局。该方法通过不干涉约束,使布局紧凑,通过控制系统质心的位置,使系统保持平衡。在启发式策略的基础上,设计了蚁群算法搜索优化定位次序,从而得到优化的布局。数值仿真结果表明,该布局方法具有优良的计算性能。
- 季美肖人彬
- 关键词：蚁群算法
- 带平衡约束矩形布局优化问题的遗传算法被引量：15
- 2010年
- 研究二维矩形布局优化问题,将多个不同重量和尺寸的矩形目标填充到一个圆形容器中,要求给出最小的容器半径,并且系统保持平衡.目前的文献多采用局部搜索方法,但布局质量有待提高.文中设计一种构造式方法——定位法.其基本思想是将一个矩形围绕另外一个已经确定位置的矩形作为参照进行部署.由于围绕着参照矩形部署时只考虑有限个可布局位置,故定位法具有多项式时间复杂性.定位法可能得到较好的布局,但其质量受到布局顺序的影响较大,因此文中提出一种基于遗传算法的布局顺序寻优算法,其中遗传算法的交叉算子和变异算子经过特别的设计,使得遗传的下一代能继续作为布局顺序.在具有大规模测试用例的测试集上的计算结果表明,该布局方法比局部搜索方法有更优良的计算性能.
- 徐义春董方敏刘勇肖人彬
- 关键词：遗传算法
- 面向布局优化问题的多量子态量子进化算法及其应用
- 2013年
- 针对演化算法在求解带平衡约束的圆形布局问题上所出现的早熟现象,提出一种有利于保持种群多样性的多量子态量子进化算法,并结合高效的定位定序启发式方法进行求解。为了高效优化布局顺序,在量子进化算法的基础上:引入多量子态编码和基于平均收敛概率的收敛标准以提高求解速度;引入基于禁忌策略和启发信息的观测方法,使其所得到的n进制解为互不相同的整数串,同时保证优先布局质量大、半径大的小圆;引入动态量子进化策略,有效地引导种群向最优个体进化。在定位规则中引入定位概率函数提高解的精度,数值实验结果表明,该算法能够有效求解带平衡约束的圆形布局问题。
- 麦嘉辉肖人彬
- 关键词：量子进化算法
- 多阶段协同求解卫星舱耦合布局优化问题的双邻域人工蜂群算法被引量：3
- 2016年
- 针对三维卫星舱布局优化问题(three-dimensional satellite module layout optimization problem,3DSMLOP),本文提出了一种具有双邻域的改进人工蜂群算法,并将其与多阶段求解策略结合,形成多阶段双邻域人工蜂群算法(multi-stage dual neighborhood artificial bee colony algorithm,MS-DABC).3DSMLOP是一个复杂的多约束耦合问题,其解空间是非连续、非线性、多模态的.MS-DABC将3DSMLOP分解为多个子系统,并根据优化目标在各个子系统之间的耦合关系,将优化过程分为两个阶段.第一阶段,针对无耦合的优化目标,各个子系统利用具有双邻域结构的改进人工蜂群算法独立进行优化.在第一阶段求得的最优解的基础上,第二阶段采用一般人工蜂群算法来优化子系统的旋转角度,利用各个子系统之间的协同旋转来解决耦合的优化目标.仿真实验结果表明,该算法求解复杂的卫星舱布局问题非常有效,在3DSMLOP算例求解上性能突出.
- 黄振东肖人彬
- 关键词：人工蜂群算法
