研究了一类复杂的设施布局优化问题,综合考虑各功能区出入口位置、布局方向和安全距离阈值等因素,构建了以最小化物流强度为目标的混合整数规划模型。提出了混合灰狼算法(hybrid grey wolf optimizer,HGWO)以获取优质的布局方案。结合...研究了一类复杂的设施布局优化问题,综合考虑各功能区出入口位置、布局方向和安全距离阈值等因素,构建了以最小化物流强度为目标的混合整数规划模型。提出了混合灰狼算法(hybrid grey wolf optimizer,HGWO)以获取优质的布局方案。结合问题特征构建了编码与解码方法,旨在适配当前问题和灰狼算法(grey wolf optimizer,GWO),并辅以个体评估函数以协助种群进化。通过Fuch混沌映射构建初始种群,力求生成高质量的初始种群。在种群进化方面,构建以优质解牵引和邻居学习为特征的混合进化机制,着力平衡算法自身的全局搜索和局部挖掘能力。开展了函数优化、压力容器设计问题和设施布局优化实例的仿真实验,结果分析验证了HGWO算法的良好性能。展开更多
灰狼优化(Grey Wolf Optimization,GWO)算法是近年被提出的一种新型智能优化算法,具有收敛速度快和优化精度高的特点,但对于一些复杂优化问题易陷入局部最优。差分进化(Differential Evolution,DE)算法的全局搜索能力强,但其性能对参数...灰狼优化(Grey Wolf Optimization,GWO)算法是近年被提出的一种新型智能优化算法,具有收敛速度快和优化精度高的特点,但对于一些复杂优化问题易陷入局部最优。差分进化(Differential Evolution,DE)算法的全局搜索能力强,但其性能对参数敏感,且局部搜索能力不足。为了发挥二者各自的优点并弥补存在的缺陷,提出了一种灰狼优化与差分进化的混合优化算法。首先使用嵌入趋优算子的GWO算法搜索,以便在更短的过程中获得更高的优化精度和更快的收敛速度;然后采用自适应调节参数的差分进化策略来进一步提高算法对复杂优化函数的寻优性能,从而获得一种高性能的混合优化算法,以便能更高效地解决各种函数优化问题。对12个高维函数的优化结果表明,与标准GWO,ACS,DMPSO及SinDE相比,新的混合优化算法不仅具有更好的收敛速度和优化性能,而且具有更好的普适性,更适用于解决各种函数优化问题。展开更多
文摘研究了一类复杂的设施布局优化问题,综合考虑各功能区出入口位置、布局方向和安全距离阈值等因素,构建了以最小化物流强度为目标的混合整数规划模型。提出了混合灰狼算法(hybrid grey wolf optimizer,HGWO)以获取优质的布局方案。结合问题特征构建了编码与解码方法,旨在适配当前问题和灰狼算法(grey wolf optimizer,GWO),并辅以个体评估函数以协助种群进化。通过Fuch混沌映射构建初始种群,力求生成高质量的初始种群。在种群进化方面,构建以优质解牵引和邻居学习为特征的混合进化机制,着力平衡算法自身的全局搜索和局部挖掘能力。开展了函数优化、压力容器设计问题和设施布局优化实例的仿真实验,结果分析验证了HGWO算法的良好性能。
文摘灰狼优化(Grey Wolf Optimization,GWO)算法是近年被提出的一种新型智能优化算法,具有收敛速度快和优化精度高的特点,但对于一些复杂优化问题易陷入局部最优。差分进化(Differential Evolution,DE)算法的全局搜索能力强,但其性能对参数敏感,且局部搜索能力不足。为了发挥二者各自的优点并弥补存在的缺陷,提出了一种灰狼优化与差分进化的混合优化算法。首先使用嵌入趋优算子的GWO算法搜索,以便在更短的过程中获得更高的优化精度和更快的收敛速度;然后采用自适应调节参数的差分进化策略来进一步提高算法对复杂优化函数的寻优性能,从而获得一种高性能的混合优化算法,以便能更高效地解决各种函数优化问题。对12个高维函数的优化结果表明,与标准GWO,ACS,DMPSO及SinDE相比,新的混合优化算法不仅具有更好的收敛速度和优化性能,而且具有更好的普适性,更适用于解决各种函数优化问题。
