论文研究-分布式并行计算环境下混合遗传算法的研究.pdf

所需积分/C币:5 2019-09-11 05:05:37 603KB .PDF
收藏 收藏
举报

将战时装备维修保障资源调度决策问题视作多任务多资源竞争与协调的多目标组合优化问题,构建出合理完善的资源调度决策模型。针对传统PSO算法搜索能力弱、易陷入局部最小等不足,提出一种在算法结构上改进的μPSO方法用于模型求解,它通过对一般粒子和当代最优粒子的不同速度、位置计算方式增强算法搜索能力;利用排斥项避免搜索进程的早熟收敛。最后通过算例证明μPSO算法对求解该类问题是可行有效的。
2122011,47(9) Computer Engineering and Applications计算机工程与应用 步骤3转换后的单目标极小优化问题如下式,l表示目标 rep,=n (12 函数个数: k=山ld, minF(x)=min∑o4:(x)(=1,2,…,D (8)式中D为排斥系数;d=x-x为从黑名单中第k个解到第j 42PSO算法数学描述 个粒子的向量;m为排斥力强度参数。 通过建模分析可知这是一典型的多日标优化问题,各日 4.3μPSO算法求解流程 标之间相互制约、相互冲突.因此不存在使所有目标都最优化 μlPSO算法的优化求解流程包括以下步骤 的解,而是追求一类使得对一个或多个目标函数不能进一步 步骤1设置算法参数,并随机初始化各粒子的位置与速 优化,而对于其他目标函数不至于劣化的近似解。现有的维度,将每个粒子的x,设置为当前位置,x设置为群体中 修保障资源配置与调度模型求解多采用启发式规则方法或最佳粒子的当前位置。 多层规划方法,在优化求解效率方面尚存在一定缺陷。 步骤2计算各粒子的适应度值,取F(x)为适应度数f 粒子群算法是一种基于群智能的进化算法,最早由Eber- less hart和 Kennedy"提出,该算法具有较强的局部搜索能力,但存 步骤3确定各粒子的局部最优解与全局最优解〔若第j 在搜索性能弱、易陷入局部最小和对高维数据处理能力差的个粒子的当前适应度值优于xm,则x2替换为当前位 不足。很多学者致力于算法性能的完善研究,通常的改进主置;若某粒子的当前适应度值优于xs,则xser被替换为该 要包括算法结构修改、搜索机制完善混合方法等",因此这粒子当前位置)。 里采用在搜索机制与迭代结构上均做出改进的微粒子群算法 步骤4根据式(12)计算各粒子的排斥项rep ( micro- Particle Swarm Optimization algorithm,PSO)进行问 步骤5区分一般粒子与当代最优粒子,按速度迭代方程 题求解,它是仅包含几个粒子的小规模种群,各粒子间能够充式(9)求得各粒子的下一代速度 分利用搜索进程中个体最优解和全局最优解知识进行优化搜 步骤6根据式(10)计算各粒子下一代位置,检查终止条 索(通过对一般粒子和当代最优粒子的不同速度、位置计算实件是否满足(达到最大迭代次数),若满足则循环结束,否则跳 现,如式(9)、式(10)所示);同吋搜索过程中,如果种群落入到转至步骤2继续循环。 个比之前已有的更差的位置,则将该位置列入到黑名单避 免粒子在将来搜索中再次落入(由排斥项re来实现),因此该5算例验证 算法能够在避免早熟收敛的同时义具有更好的优化求解能 假设某时刻某作战区域内装备维修保障资源供需态势信 力。其迭代方程如下 息如下列矩阵所示,其中支援点i的第p种维修保障资源库存 v/(-1)=0V()+C1ramd1[xphs,-x(1+ 量记作矩阵A;需求点j对第p种维修保障资源的需求量记 C2 randy. [xgbest-x, (O)]+ rep, (t (9)作矩阵B;点至/点的调度运输时间记作矩阵t:需求点了 vg(+1)=):v2()-x2()+xg+ 的抢修保障效益记作矩阵Pr。另外,假设保障时间限制 p()(1-2.rana3)+rep。() T≤15min,单次保障能力限制q≤25 支援点i x(t+1)= ∫x()+y(+D,x(O)-x2(O (10) x (t+v (t+1, else 5501138831713 源 式中v()表示第t代粒子j的速度;v()为第t代粒子全局最 A=02351225037种 0350225650 优解速度;x()表示第(代粒子j的位置;x2(O)为第t代粒子 需求点j 全局最优解的位置;xm表示粒子j的当前个体最优解;x 资 22260 为当前所有粒子所有时刻经历的全局最优解;m为惯性权重 B=001415102种 C1和C2为加速度常数. rana1、rand2和rand3为在,1]间均 0802010+类 匀分布的随机变量;p(4)为缩放因子,计算如下式 支援点i p(0)=1.0 10191571714571314 2p(t), suc>S 941143831055 需 p(t+1)=1{050(mil>f 41013336134914求 P(O), otherwise 461196125 ll125l11588787 式中S和f为可控门限,当粒子更新其自身最优解,则成功 7187744146176 计数器sc增I而失败计数器fil置0,否则反之;当全局最优 Pr=[0.540700.650470.850.66 解交换时sc和fai都置0。rep()为第j个粒子相对于黑 μPSO算法参数选取如表1粒子采用整数编码形式,本例 名单的排斥项,用于控制种群远离黑名单,这里采用静电排斥中向量维数为m×n×p=10×6×3(典型的高维特征)。 力公式来进行计算,对于第j个粒子有式(12)。 算法程序采用 Matlab7.0编程语言,在仿真环境为 Penti 表1PSO算法参数选取表 参数加速度常数惯性权重成功阙值失败阈值排斥系数缩放因子粒子数目最大迭代次数 取值C1-C2-1.8c-0.8S D-0.2 牛天林,王洁,杜燕波,等:战时维修保障资源优化调度的uPSO算法研究 2011,47(9)213 表2维修保障资源调度决策方案表 资源1 资源2 资源3方案各目标函数值 需求点1(B,1),(B,10) 最大调度最大支最大保 需求点2 (B3,3),(B,5)运输时间援点数目障效益 需求点3(B,19),(D0,3) (B3,9),(B10,5) 需求点4 需求点5(B,1),(B,5)(B3,1),(B3,6),(B,3) 需求点6 (B32) (B3,5),(B,5) um2.62GHz,2.0GB内存的计算机上运行,算法收敛曲线如修保障资源间竞争关系的PSO方法用于模型求解,这符合战 图3所示。完成迭代消耗时间0494s,至第38步即寻找到亠时维修保障活动时效性要求。研究为战时装备维修保障资源 个近似最优解,证明了算法的快速有效性。实际中,由于算法管理决策提供有力的智力支持。 的每次初始化条件不同和各目标函数权重的随机性,得到的 Pareto解还应根据具体需求进行解的优选工作,可采用AHP参考文献: 法、 Delph法、灰色关联方法等实现,这里不再累赘。 ]丁维铭保障性分析在觋役装夆维修資源确定中的应用[J装甲兵 工程学院学报,2003,17(1):55-59 [2]王亚彬仿真技术在维修資源预测中的应用研究门计算机仿貞 2005,22(7):249251 [3]曹继平战场抢修多需求点多资源二层优化调度研究[系统工程 三 与电了技术,2008,30(8):1509-1513. 「4]曹继平.一种戗时装备维修保障资源优化调度算法门系统仿真学 报,2007,19(15):3390-3394 [S]王威单个需求点军械物资紧急调运的多层规划模型门系统工程 30 与电子技术,2006,28(2):103-108 迭代步数iter 图3uPSO算法的优化达代示意图 [o Eberhart R C, Kennedy J. A new optimizer using particle swarm theory]/proc 6th Int Symp Micro Machine and Human So 表2给岀该近似最优解对应的维修保障资源调度决策方 ence, Nagoya, Japan, 1995: 39-43. 中案。其中最大调度运输时间由支援点5对需求点5的保障时7肖潇O算法用于确定型单机场地面等待间题计算机工程与 间决定:需求点5的各种维修保障资源由支援点3、5、7、9共同 应用,2009,45(24):231-234 完成支援保障,其支援点数目在方案屮最大;该方案对所有需8]赵志刚求多目标优化问题的粒了群优化算法[计算机工程与应 求点都完成保障,因此最大维修保障效益为各需求点效益之 用,2009,45(29):37-40 总和。 [9] Huang T A microparticle swarm optimizer for the reconstruction of microwave images[C]/IEEE Transactions on Antennas and 6结论 Propagation,2007,55(3):568-57 [10 Peer E S, Van der Bergh FI 战时装备维修保障活动具有高度的复杂性、动态性,以时 anteed convergence Pso[C]/Proc IEEE Swarm Intell Symp, 2003 间、风险、效益三方面性能为目标函数,充分考虑战时实际的 235-24 约束限制糸件,构建岀科学合理的战时装备维修保障资源调]翁华明信息化战争装备精确保障浅析[国防科技,2005(1) 度决策模型。提出能够快速有效处理战时多维修任务与多维 62-64 (上接184页) 算法[计算机应用,2010,30(2):354-358 [2]张晓芸,朱庆生基于KL变换的模糊C-均值聚类彩色图像分割叭.[8] Shi na, Liu Xumin, Guan Yong. Research on k-means clustering 计算机科学,2006,33(5):218-220 algorithm: An improved k-means clustering algorithm[C]//Intelli 3」李苏梅,韩国强基于K-均值聚类算法的图像区域分割方法山J.计 gent Information Technology and Security Informatics(IITSI) 算机工程与应用,2008,44(16):163-167 2010:63-67 [4]丛培盛,张洪江用遗传算法C-均值聚类分割医学彩色图像门同 [9 Huang Zhikai, I iu Dehui Segmentation of color image using FM 济大学学报,2003,31(7):874-877 [5]马国峰,杨俊红周兵基于YUV颜色空间的视频运动检测[J计算 Igorithm in IISV color space[ C]/Information Acquisition, ICIA 2007:316-319 机工程与设计,2008,29(14):3700-3708 [10 Govaert G, Nadif MAn EM algorithm for the block mixture [6] Dong Jiwen, Li Jing, Fu Aifang, et al. Automatic segmentation for nodel!J]. Pattern Analysis and Machine Intelligence, 2005, 27 ovarian cancer immunohistochemical image based on YUV col or space[C]/Biomedical Engineering and Computer Science(IC BECS),2010:1-4 []l佳,王土同高斯混合模型聚类中EM算法及初始化的研究[J 7]李光,王朝英,侯志强基于k均值聚类与区域合并的彩色图像分割 微计算机信息,2006,22(33):244-246.

...展开详情
试读 4P 论文研究-分布式并行计算环境下混合遗传算法的研究.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    weixin_38744435 你的留言是对我莫大的支持
    2019-09-11
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-分布式并行计算环境下混合遗传算法的研究.pdf 5积分/C币 立即下载
    1/4
    论文研究-分布式并行计算环境下混合遗传算法的研究.pdf第1页
    论文研究-分布式并行计算环境下混合遗传算法的研究.pdf第2页

    试读已结束,剩余2页未读...

    5积分/C币 立即下载 >