关键词：
规划改进（精选十篇）
规划改进 篇1
目前, 动态规划算法在解决多决策问题中的应用比较普遍。但是, 在遇到求解最小目标函数 (最大化约束条件) 时, 状态变量在各阶段的离散不尽相同, 且当状态变量离散步长过大时, 会导致最优目标函数值精度不高, 不利于应用到实际问题中来。
2 动态规划模型的建立与求解
2.1 动态规划方法介绍
动态规划是运筹学的一个分支, 是求解多阶段决策问题的最优化方法。根据Bellman的最优化原理 (对最优策略来说, 无论过去状态和决策如何, 从前面诸决策所形成的状态出发, 相应的剩余决策序列构成最优子策略) , 利用逆推 (初始状态给定) 和顺推方法 (终止状态给定) 可求出最优决策和最优值[2]。它的主要解题思路:在阶段可分的前提下, 把多阶段过程转化为一系列单阶段问题, 逐个求解。应指出, 动态规划是求解某类问题的一种方法, 是考虑问题的一种途径, 而不是一种特殊算法。
动态规划用来描述多阶段决策问题的基本概念[3,4]有:阶段与阶段变量k, 状态与状态变量sk, 决策与决策变量xk (sk) , 策略p1, n (s1) 与最优策略p1*, n (s1) , 指标函数V1, n与最优指标函数fk (sk) , 阶段指标 (阶段效益) vk (sk, xk) , 状态转移方程sk+1=Tk (sk, xk) 等。
2.2 模型建立
假设以下动态规划模型:
约束条件:
2.3 应用动态规划方法求解该模型
将该模型按决策变量xn划分为n个阶段。
阶段i=1:
其中, , 即为该阶段对应决策变量x1的最大离散值, 由此根据x1的可行域通过来确定 λ1的离散域, 从而避开了状态变量λ1的精确离散要求。
阶段i=2:
将状态变量λ2在可行域内按同样步长离散: λ20, d1, d2, …, dp
其中, , 即为前两个对应决策变量x1和x2的最大约束值。
(1) 若, 则可求出对应的目标函数值, 并确定此时的决策变量x2。
(2) 若, 则按照由决策变量的最大可行域求出的状态变量的可行域来确定目标函数值及其对应的决策变量x2。
将所求结果列于表2中。
用同样的方法分别计算其他各阶段数时的目标函数。
阶段i=n:
将状态变量λn在可行域内按同样步长离散:
其中, , 即为n个对应决策变量1x, 2x…, xn的最大约束值。
将所求结果列于表3中。
在求得最终目标函数值以后, 采用逆序法确定各阶段决策变量所构成的最优路径。方法是:由最终目标函数值可确定对应的xn*及gn-1 (λn-1) ;又由gn-1 (λn-1) 可确定对应的x*n-1及gn-2 (λn-2) ;以下同理即可得到最优路径。
3 例题求解
假设有以下模型:
4 结语
该动态规划解法在求解最小值目标函数时, 可避开各阶段状态变量的离散域问题, 直接从决策变量的离散域角度考虑状态变量的离散范围, 最终由各决策变量构成的约束域来确定满足总约束条件的最优目标函数值, 并由此求得最优路径。
参考文献
[1]伦·库柏, 玛丽·W·库柏.动态规划导论[M].北京:国防工业出版社, 1985:7.
幼儿园管理改进规划 篇2
[摘要]：本文以《幼儿园工作规程》、《幼儿园教育指导纲要》和《3-6岁儿童发展指南》为指导，分析万秀涵雅幼儿园现状，制定管理改进总目标、阶段目标，提出幼儿园管理改进的具体措施，为幼儿园管理提供理论依据。
[关键词]：幼儿园
管理
规划
通过园长班第一阶段的研修学习，在教授和专家的指导下，我本人受益匪浅，不仅开阔了视野，提升了自己的管理水平，更重要的是使自己对幼儿园管理有了全新的认识，经过自己的反复学习和内化一定会转化为实践，将成为促进幼儿园可持续发展的强大动力。
通过学习，使我充分认识到我园在管理制度化、规范化、科学化方面存在的问题和不足，现就将我园的管理改进方案设计如下：
一、指导思想：以科学发展观为统领，深入贯彻《幼儿园工作规程》、《幼儿园教育指导纲要》和《3-6岁儿童发展指南》，科学管理，规范管理，统筹兼顾，更好促进每个幼儿身心健康和谐发展，实现幼儿园又好又快发展。
二、幼儿园管理现状分析。
1、幼儿园管理规范化方面：目前我园有较为完善的管理体系，但管理的规章制度落实不严，很多时候凭感情管理，更多的是一种定性评价，缺乏定量评价的科学性。在规定、制度与现实之间缺乏一层更为明确、细致和可操作的标准和程序。管理者处理问题的能力需要进一步提升。
2、幼儿园管理科学化方面：目前我园已经建立和完善了较为科学全面的管理系统，走上了科学管理的轨道，有力地促进了我园工作的大发展，但随着幼教事业和单位的发展变化，幼儿园管理科学化方面显得有些落后。表现为教职员工工作的自律性不够强；教职工工作质理和个人素质提升方面差距较大；有的工作管理出现空档；各岗位人员工作评价不够细化。
3、幼儿园管理现化化现状：我园管理现化化方面起步较晚，2011年建成了幼儿电子成长档案，实现家园活动网络平台，2012年建立多媒体教室，科学探索室等，在现代化管理方面，我们做了很多工作，取得了一些成绩。但近几年发展缓慢，没有质的提升，主要问题为管理手段上没有充分发挥现化化资源的优势，教育手段和教育内容上没有实现现代化教学更高层次的提高。
三、改进目标
1、总目标及实现时间 利用3年时间整体提升班子的凝聚力、战斗力，管理能力和水平，建设一个激情干事、勇于奉献、团结进取、务实创新，具有较高领导水平能带领全园教职工不断实现幼儿园发展新飞跃的班子。利用3年时间健全完善幼儿园管理体系，逐渐形成适合我园实际的规范化的、科学的、现代的管理系统。
2、分阶段目标及其时间段 班子建设方面：
第一阶段（2013年9月至2014年8月）建设一个学习型班子，班子成员人人具有较为丰富的管理理论和幼教理论，用学习统一班子成员认识。
第二阶段（2014年9月至2015年8月）激发班子成员干事激情，创业热情和班子凝聚力。
第三阶段（2015年9月至2016年8月）完成班子成员工作态度和知识能力的整体提升，班子将以充满激情、认真负责、团结进取、理论深厚、经验丰富，具有较高领导力的风貌带领全园教职工敬业爱岗、务实创新、争创一流的工作成绩。
幼儿园管理方面：
第一阶段：（2013年9月至2014年8月）建立每项工作的具体评价标准，督导、检查、评估、反馈办法及工作流程，在实践、总结、提升的过程中形成系统科学的操作体系。
第二阶段：（2014年9月至2015年8月）严格落实园内各项管理规定，形成全园上下协调一致，肯有较高自律能务管理自动化系统。
第三阶段（2015年9月至2016年8月）形成我园管理规范、科学合理、适应幼教发展改革的管理体系和管理办法。
幼儿园现代化建设方面：
第一阶段：（2013年9月至2014年8月）与科研机构合作、购买、改造建成我园的教育软件资料库，帮助教师尝试教育软件的用方法。
第二阶段：（2014年9月至2015年8月）总结教育软件的使用经验，形成具有园本特色，现代化教育课程体系，促进教育教学水平质的提升。
第三阶段：（2015年9月至2016年8月）加强行政后勤管理的现化化，引进创新软件系统，充分利用网络提高管理效率。
四、改进重点：
重点思考：要想实现改进目标，提升幼儿园的规范管理水平，促进园本课程的开发，提高教育教学水平，实现我园的文化引领。重点是研究一套切实可行的，便于操作的，教师认同的各项工作的行为标准，评价办法和流程。要坚持不懈地抓下去，要不断总结工作过程中的经验不足，要树立美好地信念，要使过程管理常态化，要实行层级负责制，人人有指标，人人是主体，要通过学习、培训，解读标准提升教职工的认同感和综合素质，要通过师德学习提升教职工的责任意识和主人翁意识。
1、实施目标管理，建立激励机制。幼儿园根据工作实际和幼儿发展需要，调整了“办特色幼教、创名牌幼儿园”的办园目标，制定了幼儿园发展规划和各类工作计划并认真组织实施。在实施目标中，将各项目标落实到责任人，形成了事事有人负责的管理。园长负责抓幼儿园的发展目标和落实，幼儿培养目标由教务处带领级部主任负责抓落实，后勤工作目标由后勤园长负责抓落实，班级工作目标由各班班主任负责抓落实。为保证目标实施，幼儿园采取了，责任化、量化、民主化的管理方法。从而使幼儿园各项目标落到实处，取得了良好的管理效果。
2、建章立制，实行依法治园。幼儿园坚持认真贯彻落实国家、省有关学前教育的各项法律法规，不断调整完善了幼儿园管理、保教工作、卫生保健工作、财会工作、安全工作等各项规章制度。将各项制度编印成册，作为全体员工工作和考核的依据，行为的规范。为贯彻落实新纲要，我们首先组织全员辅导、学习和考试，随后细化到每日活动中去。为保证制度的落实，采取了强化学习、定期检查、随机抽查、班级工作汇报、家长问卷调查等措施，使各项制度落到实处，有效的保证了幼儿园各项工作的有序化、规范化。
3、加强班子建设，提高管理效能。首先修订完善了各管理人员的岗位责任，从而使各管理者职责明确，幼儿园利用每周一的园务会议、周五的班主任例会和员工学习时间进行学习交流，提高了管理者的文化修养和理论水平。通过管理班子的建设，使各管理人员的整体素质有了较大的提高。他们言行规范、团结一致、分工合作，表现了班子强烈的凝聚力，树立了良好的管理者形象。她们针对自身专业水平不足的问题，努力学习专业理论并紧密结合工作实践，带领教师积极开展教科研，他们参与指导的教师优质课比赛、专业技能比赛，玩教具制作评选、幼儿舞蹈、器乐、美术比赛等都取得了良好的成绩。管理者整体水平的提高，提高了管理效能，有力的促进了幼儿园办园水平及保教质量的提高。
五、改进措施
1、强化学习意识，强加理论的指导作用。加强党组织建设和领导班子建设，发挥好党员干部的先进性和模范性，带动起一支能吃苦能战斗的党员队伍。
2、坚持以人为本科学教育观，历练教师队伍，营造和谐团队。继续实行班主任负责制，建立教师动态管理机制，进一步贯彻教职工竞争上岗，多劳多得，优劳厚酬的激励原则。
3、提高教师科研能力，开展网络研修，建立教师成长档案，发挥教师的积极主动性，激发教师的科研热情。每位教师将自己的教育教学资料、科研培训进度记录在档，建立自己的电子档案，激发教师的竞争意识，每位教师充分发挥自己的特长和优势，加强自我培训，教学中不断创新，做一名创新型教师，以适应新时期教育发展的需要。
3、严格落实管理制度，加大过程管理力度。打造班级团队，实现共同提高。细化常规各个环节，做到有检查有记录。
4、进一步规范后勤管理，突出饮食特色。继续把安全工作作为重点工作。尤其是针对手足口和H1N1流感的防治，要做到全体教职工学习和掌握防治要领，带动全体幼儿和家长共同防治。继续把好入园体检关、每日晨检关。做到一问二看三摸四查，并作好详细记录，了解每位幼儿的健康状况。在传染病流行期间更是加大力度，发现患儿及时隔离，防止进入园内造成蔓延。
5、拓宽家园联系渠道，加强对幼儿的教育合力。
参考文献：
综述市政快速路规划设计的改进 篇3
关键词：市政;道路规划;问题;改进;设计;快速道路
1我国城市道路网存在的常见问题
1.1路网等级结构不合理，造成道路系统功能紊乱路网级配不合理，就会导致城市道路交通功能的紊乱。交通生成点与干路系统缺乏过渡性连接设施，城市交通集中在几条贯通性干路，不仅不利于机非分流系统的形成，也不利于不同出行距离交通的相互分离，更不利于不同类别道路系统交通功能的发挥。
1.2路网节点不畅，路段与交叉口通行能力不匹配我国传统城市道路设计缺乏交通工程理论的指导，交叉口红线、车道数与路段上完全一样。这样设计的结果，交叉口由于相交道路间的交通流要相互等待或避让而导致通行能力大打折扣。加上交叉口机动车、非机动车和行人相互干扰，交叉口的服务水平严重下降。由于路口节点不畅而导致路网整体运行效率大打折扣，同时也造成道路网资源的严重浪费。
在我国许多大城市老城区、中心区，由于受自然、人文、环境、经济等因素制约，进行道路大幅度加密及现状道路全线拓宽已不大现实，所以必须高度重视交叉口渠化改造，通过增加交叉口的车道数来弥补时间资源的损失，从而提高交叉口的通行能力。这样可以最大限度地发挥既有道路设施的潜能。
1.3城市道路横断面设计不合理，导致道路功能效率不能有效发挥道路横断面的设计，直接影响道路的通行能力和土地资源的利用。然而，长期以来我国的城市道路规划设计仅仅局限在道路工程设计，缺乏交通工程设计的理念和要求，导致城市道路规划设计尤其是横断面设计极不合理。
2城市道路规划设计与改进
2.1道路节点设计：
①道路节点功能分类。从功能角度讲，城市道路交叉口可分为四大类。第一类为快速路系统内的路径转换节点，其规划建设应保障各个流向车辆能高速、连续、顺畅地通过交叉口；第二类为进出快速路系统的集散节点，其规划建设应考虑快速路上、下匝道通行能力与临近路网的匹配；第三类为干路与干路相交的节点，其规划建设应保障“点”与“线”的通行能力匹配；第四类为支路或特殊道路交叉口，其规划建设应考虑交通管制与交通组织。
②道路交叉口规划设计原则。针对性原则：交叉口规划设计方案必须符合城市实际情况，必须充分利用现有的城市规划交通规划、交通政策研究成果。综合性原则：城市道路交叉口应根据相交道路的等级、分向流量、公共交通站点设置、交叉口周围用地性质、管线布置、防灾要求等确定交叉口的形式及其用地范围。协调性原则：干路交叉口必须进行渠化规划设计，通过增大交叉口进口道车道条数来扩大交叉口空间资源，以空间资源换取时间资源，使路口通行能力与路段通行能力相匹配。系统性原则：路口改造、立交建设必须成系统，不能孤立改造某个路口，将交通矛盾转到其它路口。
节约性原则：尽可能通过平交路口渠化来挖掘既有设施潜力，能不建立交尽量不建立交。现有平面环型交叉口应尽可能予以保留，宜采用“环交+信号灯”控制方式。立交设计应保障主流方向的交通顺畅，立交结构形式应美观、简单、充分利用地形地物，以便节约用地、节省工程投资。以人为本原则：道路应根据红线宽度来设置行人过街设施，通过交通岛绿化设置及高架桥绿色挂篮设置来形成城市新景观。远近期结合原则：道路交叉口改造近期实施方案必须考虑远期交通需求，必须研究规划设计方案的近远期过渡。近期无法进行渠化的遠期应控制交叉口用地。平战结合原则：立交建设应与城市防灾相结合。
2.2关于城市道路横断面设计城市道路横断面分配也是城市道路规划设计中的关键。城市道路横断面要素通常包括：机动车道、非机动车道、人行道、中央分隔带、机非分隔带、路缘带等。这些要素的尺寸分配要根据道路功能，综合考虑道路通行能力、交通安全、交叉口渠化、港湾公交车站设置、地上地下市政管线布设、绿化景观等因素来确定。因此，城市道路横断面设计实际上交通工程设计、道路工程设计、市政工程设计和景观绿化设计的综合体，必须把握好以下关键：①基于对通行能力、行驶速度的适应及节约土地资源的客观要求，确定机动车行驶的合理宽度；②基于对道路交通量的预测及实际管理措施的考虑，原有的车道数也需要调整；③基于车种的变化及人们不断提高的生活需要，各种车道及分隔带在断面上的分配比例需优化；④基于环保及行车、行人安全考虑，要考虑分车带、绿化带的布置形式的调整；⑤基于节约资金及土地资源的考虑，必须考虑分期建设的需要及对现状道路的合理改造；⑥考虑道路附属设施布置的客观要求变化及维修、维护需要，要考虑断面各部分的比例调整；⑦为适应各种先进的交通组织及管理要求，要考虑道路断面与路侧建筑物特性、土地利用性质、公交专用道、公交停靠站、路边停车带、道路交叉口的匹配等一系列问题。
2.3关于城市快速路规划设计城市快速路是城市道路中的最高等级的道路，是为了保证城市长距离的机动车出行者在相对可接受的时间内完成其出行目的（或过程）而建设的、能相对快速、连续（也可不完全连续）通行的道路系统。城市快速道路的设置适用于快速疏解现代大城市中大型片区间长距离、大流量机动车流或者穿越大中城市的过境车流。
所谓长距离，也即机动车出行距离至少超过5-7公里，所谓大流量，也即在高峰小时同一机动车交通走廊内，超过5-7公里的长距离单向机动车出行交通量至少要大于1000-1500辆当量小汽车/小时。一个城市是否需要快速路，要综合考虑这个城市的规模、形态、布局、机动车发展水平和综合经济实力等因素，必须慎之又慎。如果确实有必要设置快速路，则要解决好四个关键的技术问题：①快速路的选址和布局；②快速路规划的系统性和协同性（包括其自身的和与整体路网的协同性）；③快速路的标准问题；④快速路的几何形式问题等。
快速路的标准问题。快速路建设一方面其成本远远高于普通城市干道，另一方面，它对城市整体路网格局具有重大而深远影响。因此，其设计年限至少应当按30年考虑，设计规模（车道数）的确定一定要有前瞻性。这样的重大工程，既然要建，就要深谋远虑、高瞻远瞩。
参考文献：
[1]刘文胜.城市道路景观环境设计的探讨[J].井冈山学院学报，2006，9.
规划改进 篇4
在民用飞机的维修过程中,探索合理可行的拆卸序列,并从中选取最优或次最优的序列指导飞机维修,可提高飞机维修效率。国内外学者针对该问题已作了较多研究[1,2,3,4,5,6,7,8,9,10]。
一般而言,随着产品中零件数量的增加,产品拆卸方案的求解空间也会迅速变大,使得普通的方法难以对其进行有效处理。所以,产品的拆卸序列规划在其数学本质上,是一个NP-hard型的组合优化问题。由于这种问题的复杂性,启发式算法常常被应用来解决这一问题,期望能够以较高的效率找到优化或近似优化的方案。因而,本文根据产品中零件间的拆卸优先约束关系,建立拆卸序列规划模型,通过基于二叉树的遗传算法对拆卸序列进行优化,并利用实例进行验证分析。
1 基于混合图的拆卸序列优化模型
1.1 拆卸模型的描述
本文模型所考虑的产品拆卸需求信息包括:拆卸零件信息,主要考虑产品中零件间的连接关系;拆卸工艺信息,主要考虑拆卸过程中需要的拆卸工具;拆卸约束信息,主要考虑零件拆卸方向(+x、-x、+y、-y、+z和-z)。
根据上述产品零件的拆卸信息,建立拆卸混合图。混合图中的零件包括产品的功能件和连接件(产品零件分为功能件和连接件)。拆卸混合图由表示零件之间连接关系的有向边和无向边与表示零件的顶点构成。定义混合图的顶点为产品的零件或子装配体,拆卸过程就是要把这些零件从产品中分离出来。无向边和有向边表示零件或子装配体之间的装配约束关系。拆卸混合图可表示为
G ={VF,VC,E,DE}
其中,VF为顶点,表示功能件;VC表示连接件;E为无向边,表示零件之间有接触约束关系;DE为有向边,表示为零件之间的优先关系。拆卸混合图顶点和边除了表示零件之间的约束关系以外,还表示拆卸工具和拆卸方向的信息。这些信息在拆卸序列优化时起到非常重要的作用。
拆卸混合图中的无向边和有向边可以用稳定连接矩阵和方向优先矩阵表示,G={VF,VC,E,DE}可分解为G1={VF,E}和G2={VF,DE}。假设G={VF,VC,E,DE}是含有n个功能件和m个连接件的拆卸混合图,则矩阵G可分解为一个连接矩阵Gc和一个优先矩阵Gp。
1.1.1 连接矩阵Gc
传统的拆卸序列规划采用产品零部件的连接图和连接矩阵来描述零部件单纯的接触关系,而没有考虑产品的紧固连接关系。本文中产品零件间的连接关系用稳定连接矩阵Gc来表示,即
式中,cI,J表示零件I与零件J之间的连接关系;I,J=1,2,…,n。
当零件I与零件J存在稳定连接关系时,cI,J=2;当零件I与零件J存在接触连接关系时,cI,J=1;当零件I与零件J不存在连接关系时,cI,J=0。这里的稳定连接是指螺纹连接、轴与孔之间的过盈连接、卡簧连接等具有强制约束零件之间相互移动的连接。在混合图的无向边中,实线无向边表示紧连接,虚线无向边表示一般接触关系,有向边与无向边上的数值表示连接两个零件的连接件的零件号。图1中,要拆卸零件8时,必须先拆卸其上的连接件12。
1.1.2 拆卸优先约束矩阵Gp
约束是零件之间的空间制约关系及其相关性的反应。零件的拆卸优先约束关系指的是,若产品中零件i对零件j的拆卸形成空间制约关系,则零件i的拆卸优先于零件j。产品中零件的拆卸优先约束关系可用优先约束矩阵Gp来表示,即
其中,pi,j表示第j个零件对第i个零件的约束关系,i,j=1,2,…,n+m。pi,j=1表示第j个零件需要在第i个零件之前拆卸,pi,j=0表示第i个零件的拆卸不受第j个零件是否拆卸的制约。规定当i=j时,pi,j=0。
图1所示的拆卸混合图中,其Gc和Gp分别为
1.2 拆卸序列的产生
可拆卸零件就是指可以从装配体上分离出来的零件。零件可拆卸需满足以下两个条件:①没有受到其他零件的优先约束;②只与装配体中某一个零件有接触约束关系。根据拆卸混合图的两个矩阵,如果零件i同时满足上述两个条件,则零件i可拆卸;否则,零件i不可拆卸。
在整个拆卸过程中,随着拆卸的进行,当一个功能件i被拆卸时,在拆卸混合图中,功能件i与其他零件之间的约束关系都被解除,即节点i变成一个孤立节点。拆卸结束时,拆卸混合图由一些孤立的点组成。
1.3 拆卸序列的优化
产品的拆卸应尽可能减少拆卸方向的改变次数和拆卸工具的更换次数,以提高拆卸效率。所以本文结合这两个条件来对产品的拆卸序列进行优化。
拆卸规划之初预先定义每个拆卸零件的拆卸方向和拆卸工具,则对于一个给定的产品拆卸序列,其对应的拆卸方向和拆卸工具序列也随之确定。通过判断相邻两个零件的拆卸方向是否相同,可计算出给定拆卸序列的拆卸方向。当dij=0时,拆卸零件i和零件j的方向一致;当dij=1时,拆卸零件i和零件j的方向不一致。同理,当tij=0时,拆卸零件i和零件j的工具一致;当tij=1时,拆卸零件i和零件j的工具不一致。
根据上述分析,对这两个评价指标进行加权,则确定了拆卸序列优化的目标函数为
式中,S为可行的拆卸序列;wd、wt分别为拆卸方向和拆卸工具的权重;F(S)为S序列对应的适应度值。
2 拆卸序列优化模型的求解
本文将遗传算法用于拆卸序列的优化,但是传统的遗传算法会产生很多不可行的解,这些解导致搜索过程效率低,尤其难以找到大规模限制条件规划问题的可行解。所以,本文采用遗传算法结合二叉树的算法。二叉树算法应用于初始种群的产生、种群的交叉和变异过程,这有助于解决遗传算法本身产生大量不可行解的问题,从而提高遗传算法的搜索效率[11]。本文算法的基本流程如图2所示。
2.1 遗传算法的染色体构造
遗传算法中的染色体的结构通常就是所要求解的解的形式,染色体采用的编码方法主要取决于问题本身。对于拆卸序列规划这个问题,本文按零件的顺序编号进行编码,即每个染色体表示一种拆卸序列,如染色体“1,2,3,4,5,6,7,8”表示零件的拆卸序列为1→2→3→4→5→6→7→8。本文先产生产品中功能件的拆卸序列,然后根据连接矩阵把产品中连接件放到其对应的功能件的前面,这样就产生了遗传算法的初始种群。
2.2 二叉树算法介绍
首先介绍基于零件的二叉树结构的零件优先关系[12,13]。二叉树是等级信息结构树状图,用来对信息进行存储、组织和获取的。要生成一个基于零件的二叉树信息结构,就要满足零件的左边子节点必须在该零件之前装配,零件右边子节点的装配优先级别是最低的。设R为染色体;gh为染色体R所对应第h位置的零件,h=1,2,3,…,k;k为零件的个数;r表示根节点;l表示叶节点。基于零件的二叉树生成步骤如下:
(1)随机产生一个染色体R。
(2)设h=2。
(3)设gl对应的零件在根节点r处。
(4)设gh对应的零件在叶节点l处,并且判断r和l的优先关系。a.如果优先矩阵Gp中pr,l的值Gpr,l=1,节点l对应零件的装配优先顺序高于节点r对应的零件的装配优先顺序。如果r的左节点不为空,那么把r的左节点设定为新的根节点r,同时重复步骤(4);如果r的左节点是空的,那么在r的左节点处插入l;设h←h+1,转步骤(5)。b.如果Gpr,l=0,那么节点l对应零件和节点r对应的零件之间的装配序列没有限制。如果r的右节点不为空,那么把r的右节点设为新的根节点r,同时重复步骤(4);如果r的右节点是空的,那么在r的右节点处插入l;设h←h+1,转步骤(5)。
(5)如果h=k,转步骤(6);如果h≠k,转步骤(3)。
(6)生成基于二叉树的可行解,同时结束算法。
随机生成的染色体R如图3所示。
根据上述零件二叉树生成步骤和Gp得该染色体的零件二叉树结构图,如图4所示,图中NULL表示该节点处没有零件。根据二叉树转变后的染色体R如图5所示。
本文采用遗传算法结合二叉树的算法,在初始种群的产生、种群的交叉和变异上应用二叉树算法,有助于解决产生大量不可行解的问题,从而也就提高了遗传算法的搜索效率。
3 实例分析
基于本文求解算法,我们使用MATLAB6.5编写了相应的遗传算法程序[13]。本文采用一个简化的民用飞机起落架作为应用实例。产品中零件之间的连接矩阵Gc和优先矩阵Gp是根据产品的CATIA模型,采用人机交互方式生成的。该起落架的CATIA模型共包含22个零部件,各零部件的信息如表1所示,表1中拆卸工具一栏中的“/”表示不需要拆卸工具,其拆卸混合图如图6所示。
由起落架的拆卸混合图可以得出其连接矩阵和优先矩阵,从而可以用本文提出的算法进行起落架拆卸序列的优化。在民用飞机维修拆卸过程中,飞机体积较大,拆卸方向的改变对整个拆卸影响也较大。同时,在民用飞机维修过程中,对不同的维修对象,有不同的维修工具,拆卸工具的影响相对较小。因此,优化求解过程中,目标函数F(S)中的参数值wd=0.6,wt=0.4;遗传算法中的参数值如下:种群大小为60,交叉概率为0.5,变异概率为0.1,循环次数为500。算法收敛特性如图7所示。其生成的拆卸序列为16→15→13→18→17→9→5→14→8→12→4→22→20→19→21→10→6→7→3→1→2→11;其适应度函数值为16.4。经过多次反复试验,本文遗传算法中参数变化对结果的影响如表2所示。同时,表2的结果也说明了本文算法的可行性。
本文算法循环次数的影响较大。由于采用传统的遗传算法对所有零件的拆卸序列进行优化很难得到可行解,所以本文又用传统遗传算法和基于二叉树的遗传算法对算例中功能件的拆卸序列进行了优化。遗传算法中的参数值如下:种群大小为60,交叉概率为0.5,变异概率0.1,循环次数为300。本文算法与传统遗传算法在功能件拆卸序列优化上的比较如图8所示。
从图8可以看出,遗传算法的最优解受初始种群的影响较大,本文在对遗传算法的初始种群进行处理后避免了算法过早进入局部最优,从而较好地优化了起落架的拆卸序列。同时,从本文算法的收敛代数可以得出本算法收敛速度较快,可以有效处理大规模的拆卸序列规划问题。
4 结论
(1)在现有拆卸序列规划研究的基础上,本文提出了一种基于拆卸混合图的拆卸序列规划模型,并给出了拆装序列优化模型的目标函数和约束关系式。
(2)利用基于二叉树的遗传算法,对拆卸序列进行了优化求解,并给出了详细的求解方法。
(3)采用了二叉树算法,克服了传统遗传算法产生很多不可行解的问题,提高了搜索效率。
(4)实例分析表明本文所提出的拆装序列规划模型能够处理拆装序列问题。
此外,本文模型中零件之间的连接矩阵和优先矩阵是通过在CATIA中采用人机交互的方式产生的。下一步的研究工作将对CATIA进行二次开发,使得其可以通过计算机自动获取产品零部件的拆卸信息。同时,需要进一步研究对遗传算法本身的改进及完善。
林业规划设计的改进对策论文 篇5
林业规划设计的基础就是林业规划设计人员，因此一定要重视职业素养的提高。针对林业规划设计工作人员的特性，可以从以下几点提高其职业素养:(1)加强思想改造。思想是行为的指导，要想提高林业规划设计工作人员对其工作重要性的认识，必须从思想改造入手，调动林业规划设计人员的工作积极性。(2)加强专业技能和知识的学习。林业规划设计对专业技能的要求较高，因此要加强技能和知识的学习，使其能够胜任自己的工作。(3)加强工作的落实。林业主管部门要从长远的目标入手，把具体的工作落实在细节上，提升林业规划设计的质量。林业规划设计是保护生态的重要过程，也是促进林业保护和建设的重要组成部分，一定要从提高林业规划设计人员的职业素养入手，有计划、有目标的进行林业规划设计的改造工作，提升林业规划设计的质量，促进其健康的发展。
3.2加大经费的投入
经费是开展活动的基础，林业规划设计工作也不例外，没有充足的资金支持，就无法更新技术和设备，进而影响到林业规划设计的质量。另外，资金的投入也可以给林业规划设计提供有力的保障，使林业规划设计的工作人员在工作中更有动力，对推动整个林业规划设计行业的发展意义重大。林业规划设计目前正在努力的改革和发展中，却一直苦于没有充足资金的支持，因此改革和发展中需要花费大量的精力在更新技术和设备上，无法把重点放在提高工作人员素质和改善监督水平上，制约着林业规划设计的发展。因此，必须要加大资金的投入，改善林业规划设计工作人员的工作条件，提高其生活的水平，这样才可以在根源上提升林业规划设计的质量。
3.3加强监管的力度
林业规划设计的监督管理和林业规划设计的质量密切相关，所以有关部门一定要加强监管的力度，为提升林业规划设计的质量提供保障。具体的措施可以从以下几点入手:
(1)树立质量第一的理念。加强监督管理的理念教育，可以从根源上提升工作人员的责任心和事业心，有助于林业规划设计的质量提高。
(2)完善监督管理的制度。制度的公平性对工作人员的积极性影响很大，因此一定要制定完善的监督管理制度，做到有奖有罚，促进林业规划设计的发展。
4结语
林业规划设计是林业管理部门中重要的工作组成部分，对林业资源的管理建设和生态环境的保护有着重要的意义。当前我国的经济正在快速的发展中，需要很好的协调经济增长和生态保护的关系，这就需要林业规划设计在其中发挥应有的作用。基于此，本文分析和研究了林业规划设计当前存在的问题，重点寻找林业规划设计改革的方面和发展的方向。当然，具体问题需要具体分析，林业规划设计在发展中可能会遇到各种各样新的问题，这就需要不断的探索解决的措施，最终使林业规划设计发挥其在社会中应有的作用。
参考文献:
[1]王东方.林业规划设计存在的问题及对策[J].北京农业，，24:325-326.
[2]郝欣宇，巩玮琦.林业规划设计与调查方法的思考[J].黑龙江科技信息，2014，33:273.
[3]张建平，严伟.浅谈林业规划设计存在的问题及对策[J].电子制作，2014，21:283.
规划改进 篇6
机器人路径规划问题一直是机器人学的一个重要研究课题. 也是目前研究的热点领域。机器人路径规划问题是指在有障碍物的工作环境中， 如何寻找一条从给定起点到终止点的较优的运动路径， 使机器人在运动过程中能安全、无碰撞地绕过所有的障碍物， 且所走路径最短.本质是多约束多目标的最优化问题[1]。
采用智能优化算法求解航迹规划问题是目前使用的主流方法。文献[2]中，蚁群算法的机器人路径规划需要存储的信息多，在搜索过程中易出现停滞现象或陷入死循环;文献[3]中的人工势场法虽便于底层的实时控制，但缺乏全局信息，存在局部最优值的问题;文献[4]中，模糊推理法最大的优点是实时性非常好， 但是模糊隶属函数的设计、模糊控制规则的制定主要靠人的经验。遗传算法[6]已证明是一种全局搜索能力强的算法，具有强的鲁棒性，并行性，但大量实验结果表明，应用标准遗传算法对该问题求解时局部寻优精度较差，稳定性不好[6]。
对此，本文提出一种改进遗传算法的机器人路径规划方法，并进行了仿真实验，结果证明了该方法是有效可行的。
结束语
新农村建设规划编制缺陷及改进对策 篇7
(一) 农村经济快速发展, 城乡一体加速
近年来中央逐步加大了支农惠农的力度, 连续三年出台了指导农村工作的1号文件, 制定了“两减免、三补贴”等支农政策。这表明, 建设新农村的时机已经基本成熟, 条件已经初步具备。农民生活水平提高后, 农村建设速度也大大加快。特别是在大中城市近郊区和经济比较发达的地区的农村, 农民在满足温饱等基本需求之后开始对居住条件、居住环境和精神文化生活提出了新的需求。农民对环境整洁、交通便利、配套齐全的城市生活的向往必将加快城乡一体化的进程。
(二) 基础资料严重缺失, 规划难度很大
以前农民受经济条件限制, 对村庄规划、基础建设、环境建设、配套建设不重视, 再加上政府投入又有限, 造成测绘资金严重不足, 绝大部分村庄缺少能够编制新农村规划的1:5000和1:1000地形图, 更不用说施工需要的1:500地形图和精确控制网。除了地形图缺乏外, 各种统计资料也不全。村委会除了有每年的年终报表数据外, 其他数据资料严重缺乏, 如道路数据、特色种植业面积、水域面积、养殖业数量和第三产业从业人数等数据基本上没有, 即使有也不详实, 多数是靠会计估算的。
(三) 村庄规划编制滞后, 需求刚性化
以前农民受建设资金和思想观念的影响, 对村庄规划的重要性缺乏认识, 造成目前很多村庄没有编制村庄规划。近几年, 随着改革开放和城镇化进程的不断推进, 大量农民工涌入城市。农民在打工过程中不但改善了经济状况, 同时受城市生活方式的影响, 对居住条件和居住环境也有了新的认识, 对城市规划的意识也有了显著提高。新农村规划不仅是改善农民居住条件的需要, 更是优化农村发展环境, 以吸引一部分农民继续留在农村从事第一产业, 从而减少城市压力的需要。
(四) 规划监管体系不全, 编制无序化
目前村镇规划管理存在以下几个问题:一是规划资质把关不严, 有不少村庄虽然编制村庄规划, 但不是专业部门设计, 而是聘请土专家或者离退休的老技术人员设计。有的乡镇为节省经费, 采取批量打包委托给个人或者私人公司设计。由于经费少、任务量大, 规划质量得不到保证;二是规划论证缺乏, 绝大多数的村庄规划没有经过专家论证, 科学性、全面性、可实施性得不到保证;三是规划审核缺乏程序化, 不少乡镇只注重规划的编制, 以数量来衡量新农村建设成果, 对规划的审核报批不重视, 没有严格按照程序报批;四是规划落实缺乏监督, 不少乡镇规划编制后就束之高阁, 具体落实无人管理, 造成规划停留在纸面上, 农民该怎么建还怎么建。
二、规划编制过程中的缺陷
(一) 法规体系不全, 规划理想化
目前国家针对城市规划出台了《城乡规划法》等一系列的法律法规和技术标准, 但针对新农村建设规划的法规和技术标准却很少, 只有部门省市出台《新农村建设规划指导意见》和《新农村建设指导丛书》。指导意见比较宽泛, 缺乏具体指导办法。指导丛书又缺乏权威性。新农村建设规划缺乏可参照的技术标准, 在编制过程中通常参照城市建设标准, 但城市与农村差别相当大, 为此编制出来的新农村建设规划过于理想化。
(二) 曲解城乡统筹, 规划城市化
不少规划师简单地将城乡统筹理解为城乡统一, 在新农村建设规划过程中简单照搬城市居住区规划的相关模式, 盲目实施撤村并庄, 以致出现“牵着牛羊进院, 扛着犁耙上楼”的现象。出现这种现象的原因有两个:一个是对城乡统筹的内涵没有理解透彻;另外一个原因是现在很多城市规划师缺乏农村生活经历, 对农民的生产、生活方式和生活习惯不甚了解, 想当然地将村民当成城市居民, 规划编制过程中没有考虑农民劳作半径和住房习惯等特定因素, 造成编制出来的村庄规划过于城市化。
(三) 上位规划缺失, 规划随意化
新农村建设规划涉及村庄之间基础设施、公共设施衔接和集中设置等节约、集约利用土地的规划部署, 这些都需要在上位规划的指导下进行。然而, 由于不少乡镇总体规划编制工作滞后, 以致村庄布点、村域交通、土地利用规划等缺乏统一的指导, 各行政村的村庄规划只能是孤立的单村规划, 基本以村干部的意图为基准, 具有很大的随意性, 建设用地调整随意性很大, 出现了侵占基本农田的严重违法行为。
(四) 区域观念缺乏, 规划孤立化
新农村要实现城乡统筹发展, 就必须从区域入手, 以城镇体系总体规划为指导, 统筹安排区域道路网络和基础设施, 实现公共服务共享。产业发展要兼顾经济效益、社会效益和生态效益, 保持产业的可持续发展, 充分考虑市场需求和区域发展现状, 确定发展方式和规模, 优化地域经济空间结构, 合理布局产业结构, 形成具有各自特色的产业结构, 提升区域产业竞争力, 避免出现产业发展跟风现象。
(五) 行政干预过多, 规划政绩化
目前有不少县政府对新农村建设实施了政府资助政策, 新农村建设成果是衡量乡镇领导干部政绩的一项重要内容。为此就造成了一些乡镇领导把新农村建设当作是“政绩工程”、“形象工程”。把政府引导变成了政府主导, 使得很多规划就是根据领导干部的意图编制, 缺乏科学性, 成了“规划规划, 墙上挂挂, 不如领导一句话”的摆设型规划。依据这样的规划建设的新农村也就成了“空心村”。
三、改进规划编制缺陷的对策
(一) 研究村庄规划, 完善理论
科学的规划离不开科学的理论。对于新农村建设规划理论要着重从以下几个方面着手:一是区域发展的村庄体系规划理论, 研究不同层次体系规划的原则、目标、要求、内容和技术规范;二是村庄产业发展规划理论, 研究地理区位、生态环境、自然资源和交通条件等因素对村庄发展的影响;三是村庄居住规划理论, 结合农民的生活习惯和生活方式, 研究合理的村庄布局形式、可行的组团形式、经济的建筑形式和实用的配套设施;四是旧村整治改造规划理论, 结合不同类型的村庄, 研究不同的整治改造方式, 以确保乡村文化和特色的延续。
(二) 深入农村底层, 综合需求
一个切实可行的新农村规划的首要条件就是满足村民的需求。要做到这点, 前期测量和调研工作就必须落到实处, 必须深入到农村最底层。除采集农村真实的综合人口数据、自然地理数据、基础农业数据、特色产业数据、农田水利数据、道路交通数据以外, 还必须深入了解当地农民的生产、生活和居住方式与习惯。综合村民的各类需求, 使得新农村建设规划既要科学合理, 还要切实可行。
(三) 考虑当地实际, 分类指导
广大农村由于地理位置的不同, 发展差异很大。针对不同类型的农村, 要充分考虑当地实际, 区分对待, 分类指导, 把提高农民生活水平和改善居住条件作为新农村建设规划的第一要务, 而不是盲目地并村拆房、引民上楼。要把延续乡村文化和特色作为新农村可持续发展的基础。
(四) 尊重农民意愿, 全民参与
农村建设的主体是农民, 而目前的现状是多数村民对本村庄的规划一知半解。其主要原因:一是相关部门不尊重农民意愿, 全权代理村庄建设规划事宜, 不让村民参与;二是规划技术人员不尊重农民意愿。尊重农民意愿首先要尊重其文化, 要充分吸取其可用之处, 扬弃其糟粕, 使得村庄和村民自身的文化渊源得以延续, 所编制的规划也能更贴近村民, 村民也更愿意参与。
(五) 制定全面规划, 突出特色
新农村建设规划要在服从总体规划的前提下, 坚持实用性与艺术性统一, 历史性与前瞻性相协调, 保持和延续地方渊源、地方文化, 融合田园风光、人文景观和现代文明于一体。发挥专家智能团的作用, 力求规划的科学性, 避免千篇一律、千村一面的村庄建设, 更要避免形象工程和政绩工程。
(六) 保护生态环境, 节约资源
新农村建设要保护好良好的生态环境。在村庄布局上, 根据实际需要, 合理拆湾并庄, 集中相对薄弱的公共服务资源, 优化服务范围。在中心村规划布局上, 在满足日照和农民生产场地需要的前提下, 尽可能采取规整的布局模式, 节约土地资源。在建筑设计上, 要贴近生产生活需要, 推广简约实用的建筑, 尽可能就地取材, 节约运输成本和建材资源。村庄整治应充分体现节地、节水、节能和节材的“四节”方针。
(七) 强化管理体系, 逐步实施
要充分发挥新农村建设规划的效益, 必须建立规范长效的监管机制。需要梳理村庄规划的机构和人力资源, 加强管理部门的力量, 提升市县两级政府乡村建设部门的行政规格, 增加编制, 增设协调城镇和乡村规划、用地及基础设施建设指导及拆迁政策等业务机构。乡镇和村庄要进一步加强规划队伍, 引导农民先易后难, 逐步实施规划。在规划的实施过程中, 要做到全程监管, 刚性与弹性相结合的动态管理。
四、结语
一种基于RPP算法改进的路径规划 篇8
1 RPP算法介绍
1.1 基本的RRT算法
基本的RRT算法的主要思想是:在位姿空间中, 以初始点xinit为根节点 (xinit∈Cfree) , 通过随机采样方式产生叶子节点, 在自由位姿空间中递增构建一棵随机搜索树, 直至搜索树上的节点到达目标点或目标区域为止;然后在该搜索树上规划出一条从初始点到目标点的可行路径。
1.2 RPP算法
由于基本的RRT算法本身具有随机性, 导致搜索路径的随机性, 一些基于偏向性的改进被提出, 如RPP, RRT-Goal Bias, RRT-Goal Zoom等。
RPP算法, 将目标点qgoal作为基本的RRT算法中的随机采样点, qrand即qrand=qgoal。该算法是一种贪婪算法, 易导致路径陷入局部极小
2 基本的双向搜索树 (Bi-RRT) 介绍
基本的Bi-RRT构建过程如下:在每次迭代中, 先扩展其中的一棵搜索树到随机采样点, 然后将该搜索树采样得到的新节点作为另一棵搜索树扩展的子目标点;两棵搜索树交替扩展, 直至两棵搜索树相遇为止。该算法将规划路径分成两部分, 并将两部分同时进行, 大大提高了路径的收敛速度。
基于Bi-RRT算法, 衍生了几个变形算法, 如RRT-Ext Con、RRT-Con Con等。RRT-Con Con算法在每次迭代中, 不仅将规划更积极地扩展到搜索空间, 而且更积极地尝试连接两棵搜索树。
3 一种基于RPP改进的双向搜索路径规划
3.1 改进的路径规划算法描述
双向搜索树虽然比RRT算法收敛更快, 但该算法生成的路径仍具有随机性和不稳定性。本文提出一种基于RPP改进的双向搜索路径规划算法, 更高了算法的稳定性。改进算法的双向搜索树构建过程如图1所示, 虚线箭头方向表示当前节点的扩展方向。改进的算法与原算法相比有两处不同:一是在改进的算法中, 搜索树Tinit的临时目标点一直是终点qgoal, 另一棵搜索树Tgoal的临时目标点是搜索树Tinit扩展得到的新节点;二是将随机节点生成函数用在避撞条件下。
3.2 改进的扩展节点函数
基本的扩展函数Connect (T, q) 函数, 其中T是搜索树Tinit或搜索树Tgoal, q是自由空间中选择的临时目标点。对于改进的算法, 从初始点生成的搜索树T1调用的扩展节点函数为Connect (T1, G) 函数, 其中是目标点;从目标点生成的搜索树T2调用的扩展节点函数为Connect (T2, qnew, 1) 函数, 其中qnew, 1是搜索树扩展的一个新节点。
3.3 随机节点函数
由于在本文算法中, 从初始点生成的搜索树采用了RPP算法中偏向目标点搜索的思想, 虽然提高了算法的稳定性, 但也容易使搜索路径陷入在一个局部极小。为了避免这个问题, 本文在搜索树遇到障碍物时, 考虑利用随机节点函数, 随机生成一个节点, 来躲避障碍物。
4 仿真实验
为了验证本文算法的有效性, 实验环境用Matlab开发, 运行于PC机, CPU主频2.40GHz。环境设为下的矩形区域, 障碍物大小任意设置。设置初始点坐标为, 目标点坐标为。实验结果证明了算法的有效性和稳定性。
5 结语
针对双向搜索树缺乏稳定性的问题, 本文将双向搜索树和RPP算法相结合, 提出了一种基于RPP算法改进的双向搜索路径规划算法。改进的算法将RPP算法运用到双向搜索树中的一棵搜索树, 同时以搜索树扩展得到的新节点作为另一棵搜索树的临时扩展点 (这里和的构建过程可交换) 。通过仿真实验, 结果证明了算法的有效性和稳定性。
参考文献
[1]LaValle SM.Planning Algorithms Illinois[M], USA:University of Illimois Press, 2004.
[2]康亮, 赵春霞, 郭剑辉.未知环境下改进的基于RRT算法的移动机器人路径规划[J].模式识别与人工智能, 2009, 22 (3) :337-343.
规划改进 篇9
遥感卫星任务规划是遥感卫星管理控制的核心内容, 它的主要任务是针对卫星遥感任务需求, 统一考虑卫星平台、有效载荷、成像要求等各种约束条件, 进行规划调度, 为任务合理地安排卫星资源和时间窗口, 使任务收益最大化。
国内外学者针对遥感卫星任务规划问题做了很多研究工作, 主要的解决方法是人工智能算法。其中遗传算法 (Genetic Algorithms, GA) 由于具备全局搜索能力强、对特定问题依赖性小、可扩展性好等特点, 得到了广泛地应用。但传统遗传算法也存在一些不足, 主要是算法局部搜索能力不足, 在算法的后期逼近最优解时, 要做大量无用的冗余迭代;容易出现过早收敛等问题。
本文针对遥感卫星任务规划问题, 通过模拟退火机制、多种群并行进化思想、多选择策略改进遗传算法, 给出了该问题的解决方案, 并进行了算法仿真试验。
2 问题分析
遥感卫星进行成像观测需要满足多种复杂约束条件, 本文在解决遥感卫星任务规划问题的前提下对诸多约束条件做了适当简化和规范化处理, 避免了由于包含过多的非关键性要素导致问题过于复杂而难以求解, 具有一定的实用意义。遥感卫星任务规划问题的主要约束条件如下:
(1) 必须满足卫星存储容量约束, 即卫星总成像时长不能超过卫星存储容量。
(2) 必须满足卫星成像转换时间约束, 即某次成像结束到下一次成像开始时间间隔大于卫星成像结束恢复时间与成像开始准备时间之合。
(3) 必须满足卫星能源约束, 卫星进行成像和星载传感器侧摆都会消耗一定的能源, 卫星任务规划方案中的全部成像动作消耗的能源不能超过卫星最大能量限制。
(4) 必须满足卫星星上指令存储约束, 卫星的成像动作均对应一定的指令序列, 卫星任务规划方案中的全部成像动作对应的指令条数不能超过卫星最大指令存储数量限制。
(5) 必须满足最短成像时间约束, 卫星单次成像时长不能少于最短成像时间限制。
(6) 必须满足最长成像时间约束, 卫星单次成像时长不能多于最长成像时间限制。
在满足上述约束条件的基础上, 遥感卫星任务规划问题要实现的优化目标为成像收益最大, 即尽可能多地对重要任务进行成像。
3 算法研究
遥感卫星任务规划问题是典型的多目标优化问题, 遗传算法对于解决这类问题有较好的适用性。遗传算法是一种借鉴生物进化规律 (自然选择、优胜劣汰、基因遗传) 的启发式群体搜索算法, 将问题的解表示为染色体, 从而构造一个由多个染色体 (每个染色体对应一个问题的解) 组成的种群;根据问题的目标函数构造一个适值函数, 将种群置于问题的环境中进行评估, 根据适者生存的原则, 从中选择对环境适应度高的染色体进行复制, 在通过交叉、变异操作产生新一代的更能适应环境的种群;这样的过程不断循环迭代, 从而使得种群的整体质量朝着优良的方向发展, 最终收敛到一个最适合的解, 逼近问题的最优解。本文在遗传算法的基础上进行了改进, 解决遥感卫星任务规划问题。
3.1 染色体设计与种群初始化
染色体编码技术是实现遗传算法的关键, 是影响算法性能与效率的重要因素。本文采用的编码方法, 形式如图1所示。
本文采用启发式方法构造初始解。首先将所有待成像任务按照成像收益进行排序, 然后顺序选取任务, 尝试将任务插入最适合对其成像的卫星任务序列中, 直到完成对全部任务的判断。如果不同任务之间存在冲突, 按照以下规则逐步进行任务选择:优先选择成像收益高的任务;判断可合并成像任务数量, 选择合并成像数量较多的任务;判断传感器侧视角度, 选择侧视角度较小的任务;判断成像时刻太阳高度角, 选择太阳高度角较高的任务;判断成像开始时间, 选择开始时间较早的任务;如果以上条件都相同, 随机选择一个任务。
3.2 多种群策略
为了保留算法产生的低劣个体中的优良基因, 维持种群的多样性和差异性, 避免算法出现过早收敛的现象, 本文采用多种群迁移策略, 生成M个独立初始种群, 并行进行遗传操作;当进化到一定代数后, 各个种群进行相互间的个体迁移, 迁移后, M个种群自动分为M级。多种群迁移实现步骤如下:初始化生成多个种群;对多个种群独立并行进行一定代数的选择、交叉、变异等遗传操作;每个种群内部按照适应度进行个体排序;各种群之间进行个体迁移, 0号种群接受其余种群中最优的个体, 1号种群接受其余种群中第2优的个体, 2号种群接受其余种群中第3优的个体, 3号种群接受其余种群中第4优的个体, 直到M-1号种群接受其余种群中第M优的个体。
3.3 遗传算子
3.3.1 交叉算子
交叉操作即是把两个父个体的部分基因进行交换重组而生成新个体, 是遗传算法的核心操作, 通过交叉遗传算法可以有效进行全局搜索。本文以一定的交叉概率, 交换两个父代个体中对应同一种类型卫星的成像任务序列, 然后对交换后的子个体进行调整, 最终得到可行的子个体, 交叉分为交换成像任务序列、删除重复任务和插入丢失任务三个步骤, 如图2所示。
3.3.2 变异算子
变异算子的基本作用是对染色体某些基因上的基因值作变动, 引人变异主要基于两个目的:改善遗传算法的局部搜索能力;维持种群的多样性。首先从染色体中随机选择一个变异基因序列, 如果选中的基因序列为待成像任务序列, 则进行插入任务变异, 从中选成像收益最高的任务插入到其余的序列中;如果选中为已安排成像任务序列, 则进行交换任务变异, 从选中变异的基因序列中随机选择两个子序列和, 然后在一个随机位置处交换两个子序列的两个子部分, 如果交换后得到的序列违反了任何一个约束条件, 则此次变异无效, 保留原来的个体。对于每个个体, 每次最多选中一种变异算子进行变异操作, 变异操作的流程如图3所示。
3.3.3 选择策略
选择算子用以产生参与遗传操作或保留到下一代的个体, 对算法性能影响很大。本文在算法的全局搜索阶段和局部搜索阶段设计了不同的选择策略。在全局搜索阶段, 先进行交叉、变异操作再进行选择, 扩大可供选择的样本空间, 提高种群的多样性, 通过二元锦标赛选择方法每次从经过遗传操作新生成的个体中随机选择两个新个体, 选取其中较优的个体复制到下一代种群中, 重复该过程直到达到种群规模。在局部搜索阶段, 先进行选择再进行交叉、变异操作, 加快算法的收敛速度, 首先通过精英个体保留方法把当前种群中的最优个体直接复制到下一代种群, 再通过二元锦标赛选择方法从当前种群中选取个体进行遗传操作。
3.4 模拟退火机制
本文采用模拟退火机制对传统遗传算法进行改进, 将交叉和变异后产生的子代个体与父代个体一起竞争。分别计算子代个体和父代个体的适值函数f (s′) 和f (s) , 其中s为父代个体, s′为遗传操作后产生的子代个体;适值函数增量为f∆=f (s′) -f (s) , 若∆f<0, 即子代个体优于父代个体, 则算法接受子代个体, 若∆f>0, 即子代个体不如父代个体, 产生随机数ξ∈ (0, 1) , 依据Metropolis准则, 如果exp (-∆f/Tk) >ξ, 则接受子代个体, 否则, 保留父代个体, 其中kT为当前温度。
通过模拟退火机制的引入, 可以以一定概率接受较劣解, 保持种群的多样性, 避免过早收敛, 提高了遗传算法跳出局部最优的能力。
3.5 算法流程
算法流程如下:
步骤1:初始化生成M个初始种群。
步骤2:初始化每个种群的当前最优解=历史最优解=最优解。
步骤3:在设定的种群迁移代数内分别对每个种群独立进行以下操作:
(1) 计算种群中每个个体的适值函数;
(2) 从当前种群中随机选择两个个体is和sj, 进行交叉、变异操作, 产生两个新个体is′和sj′, 比较新个体和父代个体的适值函数, 如果f∆=f (s′) -f (s) <0, 则将新个体放入个体缓冲池中, 如果f∆=f (s′) -f (s) >0, 产生随机数ξ∈ (0, 1) , 若exp (-∆f/Tk) >ξ, 将新个体放入个体缓冲池中, 否则, 将父代个体放入个体缓冲池中;
(3) 重复上述过程, 直至填满个体缓冲池;
(4) 通过二元锦标赛选择方法每次从个体缓冲池中随机选择两个个体, 选取其中较优的个体复制到下一代种群中, 重复该过程直到达到种群规模, 产生新种群;
(5) 比较种群的当前最优解与历史最优解的适值函数, 选择较优个体更新种群历史最优解;
(6) 降温kT=T0⋅αk-1。
步骤4:如果没有达到种群迁移代数, 重复步骤3, 如果达到种群迁移代数, 转步骤5。
步骤5:如果当前最优种群和最劣种群的平均适值函数大于一个预设值ε, 重复上述步骤3和4;否则, 结束多种群进化, 比较每个种群的当前最优解与历史最优解的适值函数, 选择较优个体更新最优解, 转步骤6。
步骤6:进行最优种群进化, 在达到算法终止条件前进行以下操作:
(1) 计算种群中每个个体的适值函数;
(2) 通过精英个体保留方法把当前种群中的最优个体直接复制到下一代种群;
(3) 通过二元锦标赛选择方法从当前种群中选择两个个体is和sj, 进行交叉、变异操作, 产生两个新个体is′和sj′, 比较新个体和父代个体的适值函数, 如果f∆=f (s′) -f (s) <0, 则将新个体放入下一代种群, 如果f∆=f (s′) -f (s) >0, 产生随机数ξ∈ (0, 1) , 若exp (-∆f/Tk) >ξ, 将新个体放入下一代种群, 否则, 将父代个体放入下一代种群;
(4) 重复上述过程, 直至达到种群规模;
(5) 比较种群的当前最优解与历史最优解的适值函数, 选择较优个体更新种群历史最优解;
(6) 降温kT=T0⋅αk-1。
步骤7:如果不满足算法终止条件, 重复步骤6;如果满足算法终止条件, 比较种群的当前最优解与历史最优解的适值函数, 选择较优个体作为算法最终输出解, 算法终止。
4算法仿真试验
为了验证算法的有效性, 本文对算法进行了仿真试验, 通过STK软件生成了5颗卫星与500个目标, 对本文算法及传统遗传算法的计算结果进行了比较分析, 为验证结论的有效性, 所有数据都是通过算法运行10次后取平均值得到。计算结果见下表。
从上述计算结果可以看出, 本文算法采用多种群并行进化, 并且引入了模拟退火机制, 避免了遗传算法容易陷入过早收敛的缺陷, 提高了搜索能力, 最终解在目标数量和成像收益指标上相比一般遗传算法得到了较大改善;算法在进入局部搜索阶段可以自动转入最优种群进化, 并且在算法的不同阶段采用了不同的选择策略, 加快了收敛速度, 使得论文算法执行效率也优于一般遗传算法。
5结束语
本文提出了一种改进遗传算法进行遥感卫星任务规划, 通过引入模拟退火机制, 采用多种群并行进化思想, 设计算法在全局搜索和局部搜索阶段的自适应切换并对应不同的选择策略, 克服了传统遗传算法容易陷入过早收敛、算法后期效率低下等缺陷, 算法在成像收益、安排成像任务数量、计算效率等指标上均优于传统遗传算法, 可以较好地解决遥感卫星任务规划问题。
摘要：传统遗传算法可以比较好地应用于解决遥感卫星任务规划问题, 但也存在容易过早收敛, 进化后期效率较低等不足。该文通过引入模拟退火机制、采用多种群并行进化思想、在算法的不同搜索阶段设计不同的选择策略对遗传算法进行改进, 克服了遗传算法的固有缺陷。仿真实验表明, 该算法在搜索能力和搜索效率上均优于传统遗传算法, 提高了遥感卫星任务规划效益。摘要
关键词：遥感卫星,任务规划,遗传算法
参考文献
[1]张帆.成像卫星计划编制中的约束建模及优化求解技术研究[D].国防科学技术大学博士论文, 2005.
[2]陈惠中.成像卫星任务规划调度机制与辅助决策技术研究[D].国防科学技术大学硕士论文, 2005.
[3]黄生俊, 邢立宁, 郭波.基于改进模拟退火的多星任务规划方法[J].科学技术与工程, 2012 (31) .
[4]刘浩, 陈兆荣, 陈浩, 李军.多载荷对地观测卫星任务驱动规划方法研究[J].计算机工程与应用, 2012 (S2) .
[5]张可村, 李换琴.工程优化方法及其应用[M].西安交通大学出版社, 2007.
规划改进 篇10
拆卸是回收或者维修的重要组成部分[1],对废旧产品进行拆卸处理能减轻环境污染,促进资源回收利用。拆卸序列规划就是提取产品的结构与装配信息,形成一定顺序的可行拆卸序列,并挑选出符合某种条件的最优拆卸序列。许多学者对其展开了研究。
早期的研究主要倾向于图论研究,如紧固件图[2]、AND/OR图[3]、Petri网[4]等方法。这些方法在一定程度上解决了产品拆卸序列规划中的问题,但随着产品结构的复杂化,拆卸所涉及的零件数量也呈指数增长,传统的拆卸序列规划方法已经无法满足复杂产品的拆卸需求。于是许多学者利用智能进化算法来解决这一问题。张雷等[5]通过人工蜂群(artificial bee colony,ABC)算法对复杂产品拆卸序列进行并行求解。邢宇飞等[6]通过蚁群算法搜索可行解并计算各个解之间的支配关系,得到Pareto解集,从而实现拆卸序列规划。张秀芬等[7]将拆卸混合图模型映射到粒子群模型,通过粒子群算法实现了复杂产品的最优拆卸序列规划。王辉等[8]将拆卸序列规划问题转化为最优路径搜索和寻优解问题,并通过蚁群算法进行求解。吴昊等[9]利用二叉树算法对初始种群的产生、种群的交叉和变异过程进行优化,通过改进的遗传算法实现了拆卸序列规划的求解。
上述研究成果介绍了智能算法在拆卸序列规划求解方面的应用,其中人工蜂群算法相对于其他传统算法有着较好的求解质量[10],在处理组合优化问题中有着明显的优势。但由于人工蜂群算法[11]是一种新兴算法,在拆卸序列规划方面的应用研究还存在许多不足。故本文根据拆卸序列规划的约束特性,对传统人工蜂群算法中种群的初始化,引领蜂和跟随蜂的活动准则进行了优化,弥补了其在约束判定方面的不足,提高了复杂产品拆卸序列规划的求解效率。
1 拆卸序列规划问题描述
1.1 拆卸混合图模型
为了描述产品各个零件之间的连接关系、优先约束关系,本文选择拆卸混合图来表达产品拆卸模型。拆卸混合图[12]描述了各个零件之间的约束关系,由若干节点、无向边和有向边根据一定规则组合而成。
其中,G代表混合图;V代表节点,表示产品的零件或子装配体,若产品有n个零件,则V={v1,v2,…,vn};E为无向边;DE为有向边。例如图1某产品拆卸混合图所示,顶点1,2,…,9表示零件或者子装配体,无向边1到2表示零件1与零件2直接存在连接接触关系,有向边1到4表示零件1与零件4存在优先约束关系,且零件1先于零件4拆卸。
为了便于拆卸分析,将无向边集合E和有向边集合DE用连接矩阵Gc和优先约束矩阵Gp来表示,Gc对应{V,E},Gp对应{V,DE}。
其中,
于是可以得出图1拆卸混合图的连接矩阵和优先约束矩阵分别为
1.2 拆卸序列求解模型
拆卸序列规划实质就是从产品零部件的随机排列组合中,选出一条可行且最优的拆卸序列。
可行拆卸序列要求当前拆卸零件必须具有可拆性。可拆卸零件[13]是指当前零件没有受到其他零件的优先约束,即满足:
并且,只与其他零件中的一个有连接关系,即满足:
在拆卸序列中,一个单元拆卸完毕后,需要对连接矩阵和优先约束矩阵进行更新,然后判断下一个单元的可拆性。拆卸序列的可行性通过式(1)、式(2)约束。
同时,在上述可行拆卸序列中,还需要选取最优的拆卸序列。在不同的拆卸序列中,零件与零件之间拆卸方向与拆卸工具是否发生变化也是不同的。为了在可行拆卸序列中寻求拆卸时间最短的序列,需要尽可能少地进行工具与方向的转变。因此,将拆卸方向变化及拆卸工具变化作为拆卸序列最优的判定指标,则有
式中,T(x)为可行拆卸序列x对应的适应值;k为拆卸序列中第k个零件;s为拆卸序列总的操作次数;ωd为拆卸方向变化权重系数;ωt为拆卸工具变化权重系数。
2 基于改进人工蜂群算法的拆卸序列优化
人工蜂群算法是由土耳其学者Karaboga[14]于2005年提出的一种模拟蜜蜂群寻找优秀蜜源的智能优化算法,也是典型的元启发式算法。人工蜂群算法具有搜索精度高、鲁棒性强和易于操作等特点,在多约束组合优化问题的求解过程中具有明显的优势。而产品的拆卸序列规划从数学本质来说是一个NP困难问题,适合利用人工蜂群算法进行求解。与蚁群算法、粒子群算法和遗传算法相比较,人工蜂群算法的突出优点是在每次迭代过程中都进行全局搜索和局部搜索,能够较大程度地避免陷入局部最优[15]。同时函数优化测试结果[16,17]也表明,人工蜂群算法具有更优异的优化性能。这也是本文选取人工蜂群算法作为求解方法的理由。
2.1 初始种群优先约束算法
拆卸序列规划问题是一个具有强约束条件的组合优化问题,在寻优行为之前要满足可行拆卸序列的约束条件。通常情况下初始种群无法充分提取拆卸混合图的信息,故本文提出初始种群优先约束算法,对初始种群进行优先约束规划。
在优先约束算法中,二叉树作为优先约束储存结构,树结构中每个节点最多有两个子树,且有左右、次序之分。当采用中序遍历时,左子树信息在根节点之前读取,右子树信息在根节点之后读取。
在基于零件的二叉树[18]结构中,每个节点代表一个拆卸单元,左子树所代表的拆卸单元总是先于右子树进行拆卸,根节点则介于二者之间。
优先约束矩阵行和表示该行对应的零件在被拆卸前需要优先拆卸的零件个数,作为优先约束算法中的各零件排列顺序的主要判定依据。在优先约束矩阵Gp中,记
式中,Si为优先约束矩阵行和(以下简称行和),表示第i行各元素的值之和;pij为不同零件间优先约束关系对应的数值。
定义Sk为零件k的行和;m为与当前零件k存在约束关系的零件集合。则优先约束算法的具体步骤如下。
(1)根据上述定义获取各个零件的优先矩阵行和;令k=1。
(2)判断行和值Sk:①若Sk=-1,则说明该零件已被操作,跳过此零件,k←k+1;②若Sk=0,则说明没有其他零件对此零件k有优先约束关系,令k所在的节点为新的根节点,在根节点的右子节点插入k+1所代表的零件,k←k+1;③若Sk≥1,则利用优先约束矩阵搜索与此零件有优先约束关系的零件集合m。a.当m不存在时,说明对此零件有优先约束关系的零件已被拆卸。令Sk=0,并返回步骤(2)。b.当m存在多个时,令k所在的节点为新的根节点,利用各零件行和Si进行排序,由大到小依次插入根节点的左子节点,每一次插入后令插入零件为新的根节点。并将所有零件m的行和置为-1,避免再次操作。最后,令Sk=0,并返回步骤(2)。
(3)如果k为拆卸序列最后一个零件,则转步骤(4);否则,返回步骤(2)。
(4)优化完毕,算法结束。
在图1所示的拆卸混合图中,任取一条随机生成的拆卸序列,x={3,6,5,8,4,2,7,1}。根据上述优先约束算法,得出零件二叉树结构,如图2所示,其中null表示没有零件。对其进行中序遍历可得到带有优先约束关系的拆卸序列:x′={3,5,6,1,4,8,2,7},即3→5→6→1→4→8→2→7,与实际情况相符。
2.2 可行度算法与适应度算法
在蜜蜂搜寻和选择蜜源的过程中,提出一种可行度算法,以拆卸序列约束满足程度为基准,指导蜜蜂活动倾向。
一条拆卸序列的约束满足程度取决于拆卸序列可行值与拆卸序列最大维数的比值,则有
式中,Fx为拆卸序列x的可行度,即表示拆卸序列的约束满足情况;Mx为拆卸序列x可行值,即在拆卸序列中依次连续可拆零件的个数;D为拆卸序列最大维数。
其中拆卸序列可行值M的求解问题可描述为
式中,集合{X1,X2,…,Xl,…Xn}代表一条拆卸序列;Xl为当前拆卸零件;函数g(Xl)为Xl在拆卸序列中的次序;约束条件为可行拆卸序列的约束条件;PVij和CVij分别为可变优先约束矩阵的第i行、第j列元素和可变连接矩阵的第i行、第j列元素。
为了求解该问题,按照拆卸序列次序依次判断当前零件Xl是否具有可拆性,令l=1。如果Xl满足约束条件,则表明当前零件Xl具有可拆性。此时l←l+1,拆卸此零件。当某一零件被拆除时,与之相关的连接关系和优先约束关系也应当去除。反映到可变矩阵上就是:可变连接矩阵CV第i行、第i列所有元素置0,可变优先约束矩阵PV第i列所有元素置0,然后循环此过程,直至所有零件都被拆卸。如果Xl不满足约束条件,则l←l-1,求解结束。取函数g(Xl)的最大值即可获得拆卸序列可行值M。
在引领蜂搜寻蜜源时,由于可行值M之前的元素都已满足约束,只需对其之后元素进行交换即可得到新蜜源;引领蜂通过贪婪准则对新旧蜜源的可行度F进行比较,保留可行度较高者为优秀蜜源;引领蜂将蜜源信息共享于跟随蜂,可行度较高的拆卸序列将吸引更多跟随蜂,其选择概率公式为
式中,p′x为拆卸序列x的可行度选择概率;NP为种群数量。
相应地,以适应度为依据的蜜源选择算法称之为适应度算法。引领蜂选择蜜源适应度较高者为优秀蜜源,并将信息共享于跟随蜂。跟随蜂根据转移概率公式进行选择:
式中,Px为拆卸序列x的适应度选择概率;fx为适应度,其值为适应值T(x)的倒数,即
2.3 自适应选择算法
可行度算法虽然提高了收敛速度,但新蜜源仅影响可行值M之后的元素,难以保证种群多样性。而适应度算法面向的是拆卸序列中所有元素,在解集多样性的方面优于可行度算法。理想情况下,在算法初期采用可行度算法进行快速约束收敛,中后期逐步采用适应度算法扩大搜索范围和深度,保证种群多样性。本文综合两者优点,定义了一种自适应选择参数:
式中,H为可行拆卸序列的数量,其值是由种群中满足可行度F=1的拆卸序列个数决定。
自适应选择算法采用轮盘赌的方式决定可行度算法与适应度算法的倾向性。即在区间[0,1]中产生一个均匀分布的随机数r,如果参数α小于r,则采用可行度算法;反之,则采用适应度算法。
算法初期,绝大多数拆卸序列没有满足约束关系,参数α数值较小,可行度算法使用频率居多;随着可行的拆卸序列逐渐增多,参数α逐渐增大,适应度算法会逐步取代可行度算法,以保证种群的多样性。而适应度算法又会降低α的数值,最终二者会在某一范围内实现动态平衡,交替作用于拆卸序列规划的求解。
2.4 拆卸序列规划求解流程
至此,可以得出基于改进ABC算法的拆卸序列规划求解流程,如图3所示,步骤如下:
(1)初始化种群。随机生成初始拆卸序列xt(t=1,2,…,NP)。每个拆卸序列xt包含n个零件。通过2.1节约束优化算法对初始种群进行优化;带有优先约束的拆卸序列记为x′t。
(2)根据2.3节自适应选择算法决定蜜蜂采用可行度算法亦或适应度算法进行计算。
(3)引领蜂搜寻新序列并记录最优序列。引领蜂t对应的序列为x′t,它随机选择某只引领蜂y对应序列中的某个向量进行邻接交换(其中y≠t),产生新的拆卸序列。根据2.2节算法,以可行度或适应度算法为依据,对新旧拆卸序列进行对比,保留较优序列。
(4)转移概率的计算。在引领蜂搜索结束后,通过摇摆舞的方式将信息与跟随蜂共享,跟随蜂通过式(7)、式(8)计算转移概率并跟随。
(5)跟随蜂搜寻新序列并记录最优序列。当跟随蜂通过转移概率选择序列后,采用与引领蜂一样的方式搜索新序列并记录最优序列。
(6)若通过有限次循环不能被进一步优化,则放弃原序列,侦查蜂根据步骤(1)方法随机生成新序列进行探索。
(7)判断是否满足终止条件,是,则结束循环;否,则返回步骤(2)继续循环。
3 实例分析
基于本文的求解方法,使用MATLAB编写了改进人工蜂群算法程序,并以内啮合齿轮泵为例进行了分析。该模型包括20个最小拆卸单位,其爆炸图见图4,零件信息如表1所示,拆卸混合图见图5。
改进人工蜂群算法的主要参数设置为:ωd=0.4,ωt=0.6;种群数40,最大循环次数500,单个寻优目标最大循环次数100,经多次反复运算得出最优拆卸序列为1→19→18→20→17→16→15→12→11→8→10→13→2→3→14→4→6→9→7→5,最优适应度为10.4。算法收敛特性如图6所示。在实际拆卸过程中,拆卸工具变化次数为12次,拆卸方向变化次数为8次,经计算T(x)=10.4,与算法计算结果相同,也证明了本算法的可行性。
为证明本文算法的优越性,将改进ABC算法与文献[5]中传统ABC算法进行比较,以相同参数求解本文实例,得出两种算法的收敛特性曲线,如图7所示。可以看出本文算法的收敛速度和最优结果都优于传统ABC算法。为了避免特定参数的偶然因素,分别以多组参数进行多次实验并取最优数据,结果如表2所示。
从表2中数据可知,改进ABC算法在最优适应度和首次达到该适应度的迭代次数上有较大优势,在算法总耗时上与传统ABC算法差距不大。但实际应用中,利用改进ABC算法能够以较少的种群数量和循环次数进行准确求解,从而缩短了求解时间。
将本文算法与文献[7,8,9]算法进行对比,其中ωd=0.5,ωt=0.5,种群数为40,结果如表3所示。
由表3可知,四种算法均能得到近似最优解,但改进ABC算法更为优异。与蚁群算法相比,改进ABC算法有着较低的迭代次数与较短的运行时间;与粒子群算法相比,改进ABC算法在拆卸方向与工具变化次数方面占据优势;与遗传算法相比,改进ABC算法在运行时间方面有所减少,其余各方面也略有优势。总体来看,改进ABC算法能够利用较少的资源,在较短的时间内,求得较优的解。这主要是由于改进ABC算法在种群初始化阶段能够有效提取混合图信息,同时具有较强的搜索能力,能够根据求解进度自适应调整求解方案,从而降低运算时间,提高求解质量。综上所述,本文提出的改进ABC算法与其他算法相比更具优越性。
4 结论
(1)本文建立了拆卸混合图和拆卸序列规划数学模型,并对拆卸约束特性进分析,指出了传统人工蜂群算法在拆卸序列规划求解方面的问题。
(2)针对随机生成的初始种群无法有效提取拆卸解空间信息的缺点提出了优先约束算法。与同类算法比较,本文算法能够有效避免优先约束关系较低的零件出现在拆卸序列前端导致相关零件搜寻不全面的情况,准确提取优先约束关系。
(3)提出了可行度算法与自适应选择算法,共同指导蜂群活动行为,在保证种群多样性的前提下实现了算法的快速收敛。
相关文章：
改进措施01-09
变电断路器防误动安装改进方法论文01-09
机构改进01-09
改进对策01-09
句子改进01-09
门窗漏水工艺质量标准改进方案—安装01-09
DCS安装、调试中经常出现的问题及改进措01-09
化工机械设备安装改进优化措施分析01-09
