针对多目标工艺规划与车间调度集成问题(multi-objective integrated process planning and scheduling,MOIPPS),以最小化完工时间和生产能耗最低为优化目标,提出了一种考虑全局和局部最优的改进混合优化算法。通过分析集成系统工艺设...针对多目标工艺规划与车间调度集成问题(multi-objective integrated process planning and scheduling,MOIPPS),以最小化完工时间和生产能耗最低为优化目标,提出了一种考虑全局和局部最优的改进混合优化算法。通过分析集成系统工艺设计和生产调度两个问题的区别与联系,搭建了多目标问题模型和解决框架。针对两阶段集成问题提出混合优化算法,对工艺阶段采用全局搜索算法,为集成系统提供多种工艺加工方案,保证集成算法的全局搜索性能;针对调度阶段设计一种改进禁忌搜索算法,通过交叉与随机抽样扩大解的分布范围,使用邻域禁忌搜索使得算法快速收敛,并采用Pareto非支配排序获得全局最优解。实验对比分析,验证了所提算法在求解多目标工艺规划与车间调度集成问题的高效性和稳定性。展开更多
为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首...为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。展开更多
文摘针对多目标工艺规划与车间调度集成问题(multi-objective integrated process planning and scheduling,MOIPPS),以最小化完工时间和生产能耗最低为优化目标,提出了一种考虑全局和局部最优的改进混合优化算法。通过分析集成系统工艺设计和生产调度两个问题的区别与联系,搭建了多目标问题模型和解决框架。针对两阶段集成问题提出混合优化算法,对工艺阶段采用全局搜索算法,为集成系统提供多种工艺加工方案,保证集成算法的全局搜索性能;针对调度阶段设计一种改进禁忌搜索算法,通过交叉与随机抽样扩大解的分布范围,使用邻域禁忌搜索使得算法快速收敛,并采用Pareto非支配排序获得全局最优解。实验对比分析,验证了所提算法在求解多目标工艺规划与车间调度集成问题的高效性和稳定性。
文摘为解决光伏序列的强噪音干扰以及单一模型在光伏功率预测方面精度偏低和泛化性较差的问题,提出了一种基于特征优化和混合改进灰狼算法优化双向长短时记忆网络(bi-directional long short-term memory,BiLSTM)的短期光伏功率预测方法。首先,运用互信息算法进行输入数据的变量选择,以消除冗余变量。其次,通过互补集合经验模态分解和改进的小波阈值算法对筛选后的数据进行特征重构,旨在降低数据中的噪声干扰并完成输入变量的特征优化。随后,结合改进的Tent混沌映射、非线性递减因子、动态权重策略和差分进化算法对标准灰狼优化算法进行混合优化,以确定双向长短期记忆神经网络的最优超参数组合,并引入注意力机制以挖掘数据中的关键时序信息,最终构建出一种新型的短期光伏功率预测模型。仿真实验表明,相较于最小二乘支持向量机、长短期记忆网络和双向长短期记忆网络,所提模型在晴天、多云、阴天和降雨等不同工况下的均方根误差平均分别降低了12.45%、7.95%和5.37%,显示出优秀的预测性能、良好的泛化能力和潜在的工程应用价值。
