發(fā)布時間：2022-01-26 08:48

　　為了使矩形件排樣問題在可接受的時間內獲得精確解,以在一定時間內獲得高利用率的排樣布局方案為研究目標,提出一種適合求解矩形件排樣問題的十進制狼群算法。該算法結合基于復合評價因子的最低水平線搜索算法,對人工狼的位置進行十進制整數編碼,重新設計游走和奔襲等智能行為,具有狼群算法的職責分工協(xié)作式搜索特性,能夠較好地平衡算法的全局優(yōu)化和局部搜索能力。采用多組算例對所提算法進行測試,并與其他元啟發(fā)式和啟發(fā)式算法進行對比,結果表明所提算法具有實用性和有效性。 

【文章來源】：計算機集成制造系統(tǒng). 2019,25(05)北大核心EICSCD

【文章頁數】：11 頁

【部分圖文】：

LSSA解碼過程

計算機集成制造系統(tǒng)第２５卷狼群初始化后，探狼游走搜索“獵物”，游走行為抽象為對人工狼位置Ｘｉ進行變換，本文提出移位和旋轉兩種方式。移位就是將人工狼ｉ的位置Ｘｉ＝（ｘｉ１，ｘｉ２，ｘｉ３，…，ｘｉｊ，…，ｘｉｎ）中的第ｊ個編碼位ｘｉｊ向左或右移動一定數目的編碼位。例如ｘｉ１向右移位２個編碼位，則人工狼ｉ的位置Ｘｉ變?yōu)椋兀椋剑ǎ椋玻椋�，ｘｉ１，…，ｘｉｊ，…，ｘｉｎ）；對ｘｉｊ進行旋轉，就是改變該編碼位值的正負。狼群奔襲和圍獵是向“獵物”所在位置靠近的過程。在連續(xù)組合優(yōu)化問題中，兩個人工狼的距離根據數值的大小衡量，但是在十進制編碼的離散組合優(yōu)化問題中，這種方式并不適用，因此本文采用定義１的方式衡量。向獵物靠近就是對猛狼的位置Ｘｉ進行某種變換，本文提出的定義２以及游走運動算子和奔襲運動算子能夠保證編碼的有效性。定義１兩個人工狼之間的距離。兩個人工狼ｐ和ｑ在相同編碼位上數值不相等的個數ｄ＝∑Ｎｊ＝１ｗ，ｗ＝１，｜ｘｐｊ－ｘｑｊ｜≠０；０，｜ｘｐｊ－ｘｑｊ｜＝０烅烄烆。ｐ，ｑ∈｛１，２，…，Ｍ｝，ｐ≠ｑ。（６）ｄ越小說明兩個人工狼之間的距離越近。定義２賦值。對ｘｉｊ進行賦值，就是給人工狼ｉ的位置Ｘｉ＝（ｘｉ１，ｘｉ２，ｘｉ３，…，ｘｉｊ，…，ｘｉｎ）中的第ｊ個編碼位ｘｉｊ賦予一個值ａ，

ｗ２ %為召喚判定距離，ｗ２為召喚距離因子。當 ｄｉｐ＝ｋ＞ｄｎｅａｒ時，猛狼ｉ按照步長ｓｔｅｐｂ＝ｋ－ｄｎｅａｒ快速奔襲后感受到的獵物氣味濃度為Ｙｉ，若Ｙｉ＞Ｙｌｅａｄ，則Ｙｌｅａｄ＝Ｙｉ，猛狼ｉ成為頭狼，該狼結束奔襲，發(fā)出召喚。（３）圍攻行為　狼群發(fā)現獵物后，快速奔襲至獵物附近，猛狼和探狼在頭狼的指揮下對獵物進行圍獵。將這一 行為進行抽象，就是 將頭狼的位 置 Ｘｐ作為獵物所在位置，參與圍獵的人工狼ｉ的位置Ｘｉ按照下式（即奔襲運動算子）變換：Ｘ＊ｉ＝Ｒ（Ｘｉ，Ｌ１，Ｌ２，ｓｔｅｐｃ）。 （１０）式中：Ｌ１和Ｌ２的確定同式（８）和式（９），ｓｔｅｐｃ為人工狼進行圍攻時的攻擊步長。當ｄｉｐ＝ｋ≤ｄｃｌｏｓｅ時表明該猛狼已經將獵物捕殺，計算其感受到的獵物氣步驟３　頭狼發(fā)出召喚，將其余人工狼視為猛狼。猛狼根據式（９）向獵物奔襲，若奔襲后猛狼ｉ嗅到的獵物氣味濃度Ｙｉ＞Ｙｌｅａｄ，則令Ｙｉ＝Ｙｌｅａｄ，猛狼ｉ成為頭狼，繼續(xù)發(fā)出召喚行為。步驟４　當一匹猛狼達到圍攻地點時，對獵物發(fā)起圍攻行為，即猛狼根據式（８）進行位置變換，并根據圍攻前后Ｙ 值的大小進行貪婪決策。步驟５　按照頭狼角逐規(guī)則和整個狼群的更新機制分別對頭狼和狼群進行更新。步驟６　判斷算法是否達到終止條件，是則輸出求解問題的最優(yōu)解（頭狼的位置編碼 Ｘｐ及

【參考文獻】：
期刊論文
[1]一種改進的狼群算法[J]. 惠曉濱,郭慶,吳娉娉,趙昱.  控制與決策. 2017(07)
[2]狼群算法在水電站負荷優(yōu)化分配中的應用[J]. 周向華,楊侃,王笑宇.  水力發(fā)電. 2017(02)
[3]基于狼群算法的無人機航跡規(guī)劃[J]. 劉永蘭,李為民,吳虎勝,宋文靜.  系統(tǒng)仿真學報. 2015(08)
[4]求解TSP問題的離散狼群算法[J]. 吳虎勝,張鳳鳴,李浩,梁曉龍.  控制與決策. 2015(10)
[5]求解0-1背包問題的二進制狼群算法[J]. 吳虎勝,張鳳鳴,戰(zhàn)仁軍,汪送,張超.  系統(tǒng)工程與電子技術. 2014(08)
[6]一種新的群體智能算法——狼群算法[J]. 吳虎勝,張鳳鳴,吳廬山.  系統(tǒng)工程與電子技術. 2013(11)
[7]An Improved Heuristic Recursive Strategy Based on Genetic Algorithm for the Strip Rectangular Packing Problem[J]. ZHANG De-Fu CHEN Sheng-Da LIU Yan-Juan Department of Computer Science,Xiamen University,Xiamen 361005.P.R.China.  自動化學報. 2007(09)

碩士論文
[1]基于改進狼群算法的小波神經網絡短時交通流預測[D]. 齊璐.西南交通大學 2017
[2]狼群算法的研究與應用[D]. 李國亮.東華理工大學 2016



本文編號：3610196