CN110097267A - 一种基于改进烟花算法的多目标多机器人任务分配方法 - Google Patents
一种基于改进烟花算法的多目标多机器人任务分配方法 Download PDFInfo
- Publication number
- CN110097267A CN110097267A CN201910319869.5A CN201910319869A CN110097267A CN 110097267 A CN110097267 A CN 110097267A CN 201910319869 A CN201910319869 A CN 201910319869A CN 110097267 A CN110097267 A CN 110097267A
- Authority
- CN
- China
- Prior art keywords
- multiple target
- robot
- task
- fireworks
- task allocation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Feedback Control In General (AREA)
- Numerical Control (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于改进烟花算法的多目标多机器人任务分配方法,是用于解决多目标多机器人任务分配问题的方法。将改进烟花算法应用于多目标多机器人任务分配问题,根据Pareto优越理论和多目标多机器人任务分配的具体求解目标对烟花算法的选择机制进行改进,在多机器人系统开始执行任务之前,找到满足一定约束条件的质量最好、差异性足够大的多种任务分配方案。能有效解决解决现有算法搜索范围小、求解质量差的问题。能够在满足任务完成程度的约束条件下,达到最小化时间和消耗,提高了任务分配质量。
Description
技术领域
本发明涉及一种机器人任务分配方法。特别是涉及一种基于改进烟花算法的多目标多机器人任务分配方法。
背景技术
近年来,机器人在越来越多领域得到广泛应用。与单个机器人相比,使用多个机器人可以产生显着的性能提升。因此,对机器人的研究逐渐从单机器人扩展到多机器人,多机器人系统的研究得到越来越多的关注。机器人任务分配是多机器人系统的主要研究问题之一。多机器人任务分配是指设计一种分配方案将多个任务分配给系统中的不同机器人,以达到总的任务执行时间最短、消耗最小、任务完成度最高等目的。随着对多目标同时优化的要求越来越高,多目标多机器人任务规划引起了研究者的关注。一般而言,在多目标优化问题中,一个目标的优化通常是以牺牲另一个目标为代价的。因此,如何在预定义约束下找到多个优化目标之间的最佳权衡对于多机器人系统的任务分配至关重要。近年来,遗传算法被广泛应用于多目标优化问题并取得了一定进展。然而现有的基于遗传算法的多目标方法在解决多目标任务分配算法时,存在搜索范围小、求解质量差、解集范围小等问题。对于多目标多机器人任务分配问题,理想的解是质量高、分布范围广的多目标任务分配方案,因此现有的基于遗传算法的多目标方法并不能很好地满足多目标多机器人任务分配问题的要求。
发明内容
本发明所要解决的技术问题是,提供一种能够在满足任务完成程度的约束条件下,同时最小化时间和消耗的一种基于改进烟花算法的多目标多机器人任务分配方法。
本发明所采用的技术方案是:一种基于改进烟花算法的多目标多机器人任务分配方法,包括如下步骤:
1)随机生成Num个满足约束条件的初始化机器人任务分配方案,设定每个机器人任务分配方案中机器人和任务的数量分别为M和N,其中M<<N,使每个任务对应一个机器人,根据烟花算法原理,使Num个满足约束条件的初始化机器人任务分配方案对应于烟花算法的Num个初始烟花,其中Num是预先定义好的常量;
2)根据每个初始烟花Xi的适应度f(Xi)计算每个初始化烟花产生的爆炸火花数目si和爆炸幅度Ai,适应度值f(Xi)、爆炸火花数目si和爆炸幅度Ai的计算公式分别表示如下:
f(Xi)=Tsum(Xi)*Csum(Xi) (1)
其中,ymax和ymin分别表示烟花中最差和最好适应度,m和是预先定义好的常量,分别表示每个烟花最多能产生的爆炸火花数和最大爆炸幅度,Csum(Xi)是任务分配方案中机器人执行任务的消耗,Tsum(Xi)是任务分配方案中机器人执行任务的时间;
3)根据烟花算法中产生爆炸火花的原理,使每个初始烟花Xi对应的机器人任务分配方案产生si个新的机器人任务分配方案;
4)根据烟花算法中产生高斯火花的原理,从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案,使所述的一个机器人任务分配方案产生个新的机器人任务分配方案;
5)将si个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解,将任务分配方案中机器人执行任务的消耗Csum(Xi)和任务分配方案中机器人执行任务的时间Tsum(Xi)作为多目标解的目标分量,将每一个多目标解根据Pareto优越理论分配一个非支配等级;
6)采用适应度值f(Xi)计算公式以及下式分别计算每一个非支配等级中的多目标解的适应度f(Xi)、拥挤度c(Xi)以及综合指标f/c(Xi):
f/c(Xi)=f(Xi)/c(Xi) (5)
得到所有非支配等级中多目标解的适应度f(Xi)、拥挤度c(Xi)以及综合指标f/c(Xi);
7)从所有多目标解中选择存入第一档案的多目标解;
8)从所有多目标解中选择作为下一代初始烟花对应的机器人任务分配方案;
9)重复步骤2)~步骤8直至满足设定的终止条件,将最后一次存入第一档案中的多目标解作为最优解输出。
步骤3)包括:对于一个初始烟花Xi对应的机器人任务分配方案,计算a=Ai·rand(0,1),从总任务数N中随机选择a个任务,如果任务被选中,则给a个任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生si个新的机器人任务分配方案。
步骤4)包括:对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0,方差为1的满足高斯分布的随机数randm(0,1),给N个任务中满足:-0.5<randm(0,1)<0.5约束的任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生个新的机器人任务分配方案。
步骤7)包括从步骤5)得到的非支配等级中的最低非支配等级开始,依次将非支配等级中的所有多目标解存入第一档案,直到第一档案存入的多目标解的个数大于或等于设定的存档规模Numb,其中,第一档案存入的多目标解的个数大于设定的存档规模Numb时,则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(Xi)进行降序排列,将靠后的多目标解从第一档案删除,使第一档案存入的多目标解的个数等于设定的存档规模Numb。
步骤8)包括从步骤5)得到的非支配等级中的最低非支配等级开始,依次将非支配等级中的所有多目标解存入第二档案,直到第二档案存入的多目标解的个数大于或等于设定的初始烟花个数Num,当第二档案存入的多目标解的个数大于设定的初始烟花个数Num时,则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(Xi)进行降序排列,将靠后的多目标解从第二档案中删除,使第二档案存入的多目标解的个数等于设定的初始烟花个数Num;将存入第二档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案。
本发明的一种基于改进烟花算法的多目标多机器人任务分配方法,在多机器人系统开始执行任务之前,找到满足一定约束条件的质量最好、差异性足够大的多种任务分配方案。能有效解决解决现有算法搜索范围小、求解质量差的问题。能够在满足任务完成程度的约束条件下,达到最小化时间和消耗,提高了任务分配质量。
具体实施方式
下面结合实施例对本发明的一种基于改进烟花算法的多目标多机器人任务分配方法做出详细说明。
发明的一种基于改进烟花算法的多目标多机器人任务分配方法,包括如下步骤:
1)随机生成Num个满足约束条件的初始化机器人任务分配方案,设定每个机器人任务分配方案中机器人和任务的数量分别为M和N,其中M<<N,使每个任务对应一个机器人,并使Num个满足约束条件的初始化机器人任务分配方案对应于烟花算法的Num个初始烟花,其中Num是预先定义好的常量;
2)根据每个初始烟花Xi的适应度f(Xi)计算每个初始化烟花产生的爆炸火花数目si和爆炸幅度Ai,适应度值f(Xi)、爆炸火花数目si和爆炸幅度Ai的计算公式分别表示如下:
f(Xi)=Tsum(Xi)*Csum(Xi) (1)
其中,ymax和ymin分别表示烟花中最差和最好适应度,m和是预先定义好的常量,分别表示每个烟花最多能产生的爆炸火花数和最大爆炸幅度,Csum(Xi)是任务分配方案中机器人执行任务的消耗,Tsum(Xi)是任务分配方案中机器人执行任务的时间;
3)根据烟花算法中产生爆炸火花的原理,使每个初始烟花Xi对应的机器人任务分配方案产生si个新的机器人任务分配方案;包括:对于一个初始烟花Xi对应的机器人任务分配方案,计算a=Ai·rand(0,1),从总任务数N中随机选择a个任务,如果任务被选中,则给a个任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生si个新的机器人任务分配方案。
4)根据烟花算法中产生高斯火花的原理,从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案,使所述的一个机器人任务分配方案产生个新的机器人任务分配方案;包括:对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0,方差为1的满足高斯分布的随机数randm(0,1),给N个任务中满足:-0.5<randm(0,1)<0.5约束的任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生个新的机器人任务分配方案。
5)将si个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解,将任务分配方案中机器人执行任务的消耗Csum(Xi)和任务分配方案中机器人执行任务的时间Tsum(Xi)作为多目标解的目标分量,将每一个多目标解根据Pareto优越理论分配一个非支配等级;
6)采用适应度值f(Xi)计算公式以及下式分别计算每一个非支配等级中的多目标解的适应度f(Xi)、拥挤度c(Xi)以及综合指标f/c(Xi):
f/c(Xi)=f(Xi)/c(Xi) (5)
得到所有非支配等级中多目标解的适应度f(Xi)、拥挤度c(Xi)以及综合指标f/c(Xi);
7)从所有多目标解中选择存入档案的多目标解;包括从步骤5)得到的非支配等级中的最低非支配等级开始,依次将非支配等级中的所有多目标解存入档案,直到档案存入的多目标解的个数大于或等于设定的存档规模Numb,其中,档案存入的多目标解的个数大于设定的存档规模Numb时,则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(Xi)进行降序排列,将靠后的多目标解从档案删除,使档案存入的多目标解的个数等于设定的存档规模Numb。
8)将步骤7)存入档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案;包括从步骤5)得到的非支配等级中的最低非支配等级开始,依次将非支配等级中的所有多目标解存入第二档案,直到第二档案存入的多目标解的个数大于或等于设定的初始烟花个数Num,当第二档案存入的多目标解的个数大于设定的初始烟花个数Num时,则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(Xi)进行降序排列,将靠后的多目标解从第二档案中删除,使第二档案存入的多目标解的个数等于设定的初始烟花个数Num;将存入第二档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案。
9)重复步骤2)~步骤8)直至满足设定的终止条件,将最后一次存入第一档案中的多目标解作为最优解输出。
下面给出具体实例:
以任务数N=1500,机器人数M=100的多机器人系统的多目标任务分配任务为例,参数设置如下:初始烟花数量Num=50,档案规模Numb=50,最大爆炸火花数目m=100,最大爆炸幅度高斯火花数目g=50,最大迭代次数MaxIter=500。具体步骤如下:
1、随机生成50个满足约束条件的解,对应50个初始烟花。每个烟花由1500个位于[0,99]的整数组成,表示每个任务由一个机器人执行。迭代次数iter=0。
2、根据适应度值f(Xi)、爆炸火花数目si和爆炸幅度Ai的计算公式,计算每个烟花Xi的适应度f(Xi)、爆炸火花数目si和爆炸幅度Ai。
3、根据烟花算法中产生爆炸火花的原理,使每个初始烟花Xi对应的机器人任务分配方案产生si个新的机器人任务分配方案。对于一个初始烟花Xi对应的机器人任务分配方案,计算a=Ai·rand(0,1),从1500个任务中随机选择a个任务,如果任务被选中,则给a个任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生si个新的机器人任务分配方案。
4、根据烟花算法中产生高斯火花的原理,从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案。即从50个初始烟花中对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0,方差为1的满足高斯分布的随机数randm(0,1),给N个任务中满足:-0.5<randm(0,1)<0.5约束的任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生个新的机器人任务分配方案。
5、将si个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解,将任务分配方案中机器人执行任务的消耗Csum(Xi)和任务分配方案中机器人执行任务的时间Tsum(Xi)作为多目标解的目标分量,将每一个多目标解根据Pareto优越理论分配一个非支配等级;。
6、计算所有解的适应度f(Xi)、拥挤度c(Xi)以及综合指标f/c(Xi)。
7、对于50个初始烟花,所有的爆炸火花和50个高斯火花,首先,从最低非支配等级开始,把属于这一非支配等级的所有解存入档案,直到存档中的个体数目大于或等于50,;然后将最后存入的一级非支配个体按照综合指标f/c(Xi)进行降序排列,并删除多余的个体。
8、从本次迭代中的50个初始烟花、所有爆炸火花和50个高斯火花中,按照非支配等级和综合指标f/c(Xi)选择前50个,作为下一代初始烟花。迭代次数iter加1。
9、判断是否达到迭代终止条件,即迭代次数是否到达500次。若是,则跳转至步骤(10);否则,跳转至步骤2。
10、结束迭代,最后一次迭代存档中的个体即为整个算法迭代输出的最优解,运行结束。
Claims (5)
1.一种基于改进烟花算法的多目标多机器人任务分配方法,其特征在于,包括如下步骤:
1)随机生成Num个满足约束条件的初始化机器人任务分配方案,设定每个机器人任务分配方案中机器人和任务的数量分别为M和N,其中M<<N,使每个任务对应一个机器人,根据烟花算法原理,使Num个满足约束条件的初始化机器人任务分配方案对应于烟花算法的Num个初始烟花,其中Num是预先定义好的常量;
2)根据每个初始烟花Xi的适应度f(Xi)计算每个初始化烟花产生的爆炸火花数目si和爆炸幅度Ai,适应度值f(Xi)、爆炸火花数目si和爆炸幅度Ai的计算公式分别表示如下:
f(Xi)=Tsum(Xi)*Csum(Xi) (1)
其中,ymax和ymin分别表示烟花中最差和最好适应度,m和是预先定义好的常量,分别表示每个烟花最多能产生的爆炸火花数和最大爆炸幅度,Csum(Xi)是任务分配方案中机器人执行任务的消耗,Tsum(Xi)是任务分配方案中机器人执行任务的时间;
3)根据烟花算法中产生爆炸火花的原理,使每个初始烟花Xi对应的机器人任务分配方案产生si个新的机器人任务分配方案;
4)根据烟花算法中产生高斯火花的原理,从Num个初始烟花对应的Num个满足约束条件的初始化机器人任务分配方案中随机选择一个初始化机器人任务分配方案,使所述的一个机器人任务分配方案产生个新的机器人任务分配方案;
5)将si个新的机器人任务分配方案、个新的机器人任务分配方案以及Num个初始化机器人任务分配方案中的每一个机器人任务分配方案作为一个多目标解,将任务分配方案中机器人执行任务的消耗Csum(Xi)和任务分配方案中机器人执行任务的时间Tsum(Xi)作为多目标解的目标分量,将每一个多目标解根据Pareto优越理论分配一个非支配等级;
6)采用适应度值f(Xi)计算公式以及下式分别计算每一个非支配等级中的多目标解的适应度f(Xi)、拥挤度c(Xi)以及综合指标f/c(Xi):
f/c(Xi)=f(Xi)/c(Xi) (5)
得到所有非支配等级中多目标解的适应度f(Xi)、拥挤度c(Xi)以及综合指标f/c(Xi);
7)从所有多目标解中选择存入第一档案的多目标解;
8)从所有多目标解中选择作为下一代初始烟花对应的机器人任务分配方案;
9)重复步骤2)~步骤8直至满足设定的终止条件,将最后一次存入第一档案中的多目标解作为最优解输出。
2.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法,其特征在于,步骤3)包括:对于一个初始烟花Xi对应的机器人任务分配方案,计算a=Ai·rand(0,1),从总任务数N中随机选择a个任务,如果任务被选中,则给a个任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生si个新的机器人任务分配方案。
3.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法,其特征在于,步骤4)包括:对于一个初始化机器人任务分配方案中的N个任务产生N个均值为0,方差为1的满足高斯分布的随机数randm(0,1),给N个任务中满足:-0.5<randm(0,1)<0.5约束的任务重新分配机器人执行,产生一个新的机器人任务分配方案,重复该过程,直至产生个新的机器人任务分配方案。
4.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法,其特征在于,步骤7)包括从步骤5)得到的非支配等级中的最低非支配等级开始,依次将非支配等级中的所有多目标解存入第一档案,直到第一档案存入的多目标解的个数大于或等于设定的存档规模Numb,其中,第一档案存入的多目标解的个数大于设定的存档规模Numb时,则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(Xi)进行降序排列,将靠后的多目标解从第一档案删除,使第一档案存入的多目标解的个数等于设定的存档规模Numb。
5.根据权利要求1所述的一种基于改进烟花算法的多目标多机器人任务分配方法,其特征在于,步骤8)包括从步骤5)得到的非支配等级中的最低非支配等级开始,依次将非支配等级中的所有多目标解存入第二档案,直到第二档案存入的多目标解的个数大于或等于设定的初始烟花个数Num,当第二档案存入的多目标解的个数大于设定的初始烟花个数Num时,则要对最后存入的那一级非支配等级中的所有多目标解按照综合指标f/c(Xi)进行降序排列,将靠后的多目标解从第二档案中删除,使第二档案存入的多目标解的个数等于设定的初始烟花个数Num;将存入第二档案中的所有多目标解作为下一代初始烟花对应的机器人任务分配方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319869.5A CN110097267B (zh) | 2019-04-19 | 2019-04-19 | 一种基于改进烟花算法的多目标多机器人任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319869.5A CN110097267B (zh) | 2019-04-19 | 2019-04-19 | 一种基于改进烟花算法的多目标多机器人任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097267A true CN110097267A (zh) | 2019-08-06 |
CN110097267B CN110097267B (zh) | 2023-04-18 |
Family
ID=67445372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910319869.5A Active CN110097267B (zh) | 2019-04-19 | 2019-04-19 | 一种基于改进烟花算法的多目标多机器人任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097267B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766239A (zh) * | 2019-11-05 | 2020-02-07 | 深圳供电局有限公司 | 基于烟花算法的微电网优化调度方法 |
CN111124633A (zh) * | 2019-12-06 | 2020-05-08 | 上海交通大学 | 一种考虑探测器存储限制的地月中继卫星任务调度方法 |
CN113505975A (zh) * | 2021-06-18 | 2021-10-15 | 宁波沙塔信息技术有限公司 | 一种基于遗传算法和烟花算法的插单排程方法 |
CN113505974A (zh) * | 2021-06-18 | 2021-10-15 | 宁波沙塔信息技术有限公司 | 一种基于烟花算法和遗传算法的多目标排程方法 |
CN116757243A (zh) * | 2023-06-27 | 2023-09-15 | 哈尔滨工程大学 | 基于混沌Levy多目标烟花算法的多任务分配方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740970A (zh) * | 2016-01-22 | 2016-07-06 | 中国电力科学研究院 | 一种基于烟花算法的配电网重构方法 |
CN107658840A (zh) * | 2017-09-30 | 2018-02-02 | 山东科技大学 | 基于a*算法与烟花算法的配电网故障恢复方法 |
CN107704319A (zh) * | 2017-10-18 | 2018-02-16 | 哈尔滨工程大学 | 改进烟花算法的cmp任务调度方法 |
CN107808164A (zh) * | 2017-10-17 | 2018-03-16 | 湖北工业大学 | 一种基于烟花算法的纹理图像特征选择方法 |
CN107820276A (zh) * | 2017-10-27 | 2018-03-20 | 北京邮电大学 | 一种无线传感器任务分配方法 |
CN108415774A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种基于改进烟花算法的软硬件划分方法 |
CN108446455A (zh) * | 2018-02-27 | 2018-08-24 | 天津大学 | 一种基于烟花算法的多目标软硬件划分方法 |
CN108920793A (zh) * | 2018-06-21 | 2018-11-30 | 北京工业大学 | 一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法 |
CN109214460A (zh) * | 2018-09-21 | 2019-01-15 | 西华大学 | 基于相对变换与核熵成分分析的电力变压器故障诊断方法 |
-
2019
- 2019-04-19 CN CN201910319869.5A patent/CN110097267B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740970A (zh) * | 2016-01-22 | 2016-07-06 | 中国电力科学研究院 | 一种基于烟花算法的配电网重构方法 |
CN107658840A (zh) * | 2017-09-30 | 2018-02-02 | 山东科技大学 | 基于a*算法与烟花算法的配电网故障恢复方法 |
CN107808164A (zh) * | 2017-10-17 | 2018-03-16 | 湖北工业大学 | 一种基于烟花算法的纹理图像特征选择方法 |
CN107704319A (zh) * | 2017-10-18 | 2018-02-16 | 哈尔滨工程大学 | 改进烟花算法的cmp任务调度方法 |
CN107820276A (zh) * | 2017-10-27 | 2018-03-20 | 北京邮电大学 | 一种无线传感器任务分配方法 |
CN108415774A (zh) * | 2018-02-27 | 2018-08-17 | 天津大学 | 一种基于改进烟花算法的软硬件划分方法 |
CN108446455A (zh) * | 2018-02-27 | 2018-08-24 | 天津大学 | 一种基于烟花算法的多目标软硬件划分方法 |
CN108920793A (zh) * | 2018-06-21 | 2018-11-30 | 北京工业大学 | 一种基于快速非支配排序算法的机器人关节空间轨迹多目标优化方法 |
CN109214460A (zh) * | 2018-09-21 | 2019-01-15 | 西华大学 | 基于相对变换与核熵成分分析的电力变压器故障诊断方法 |
Non-Patent Citations (7)
Title |
---|
CHEN TAOWEI 等: "A Membrane-Fireworks Algorithm for Multi-Objective Optimization Problems", 《2018 11TH INTERNATIONAL CONGRESS ON IMAGE AND SIGNAL PROCESSING, BIOMEDICAL ENGINEERING AND INFORMATICS (CISP-BMEI)》 * |
LANG LIU等: "S-metric Based Multi-objective Fireworks Algorithm", 《2015 IEEE CONGRESS ON EVOLUTIONARY COMPUTATION (CEC)》 * |
VAHID SARFI: "A Novel Multi-Objective Security-Constrained Power Management for Isolated Microgrids in All-Electric Ships", 《2017 IEEE ELECTRIC SHIP TECHNOLOGIES SYMPOSIUM (ESTS)》 * |
王培崇: "融合佳点集机制的动态搜索烟花爆炸搜索算法", 《计算机应用与软件》 * |
薛俊杰: "二进制反向学习烟花算法求解多维背包问题", 《系统工程与电子技术》 * |
黄辉先: "进化信息引导的烟花差分混合多目标算法", 《计算机科学与探索》 * |
龙腾等: "改进的Pareto多目标协同优化策略", 《系统工程与电子技术》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766239A (zh) * | 2019-11-05 | 2020-02-07 | 深圳供电局有限公司 | 基于烟花算法的微电网优化调度方法 |
CN111124633A (zh) * | 2019-12-06 | 2020-05-08 | 上海交通大学 | 一种考虑探测器存储限制的地月中继卫星任务调度方法 |
CN111124633B (zh) * | 2019-12-06 | 2023-05-30 | 上海交通大学 | 一种考虑探测器存储限制的地月中继卫星任务调度方法 |
CN113505975A (zh) * | 2021-06-18 | 2021-10-15 | 宁波沙塔信息技术有限公司 | 一种基于遗传算法和烟花算法的插单排程方法 |
CN113505974A (zh) * | 2021-06-18 | 2021-10-15 | 宁波沙塔信息技术有限公司 | 一种基于烟花算法和遗传算法的多目标排程方法 |
CN113505975B (zh) * | 2021-06-18 | 2024-04-09 | 宁波沙塔信息技术有限公司 | 一种基于遗传算法和烟花算法的插单排程方法 |
CN113505974B (zh) * | 2021-06-18 | 2024-04-09 | 宁波沙塔信息技术有限公司 | 一种基于烟花算法和遗传算法的多目标排程方法 |
CN116757243A (zh) * | 2023-06-27 | 2023-09-15 | 哈尔滨工程大学 | 基于混沌Levy多目标烟花算法的多任务分配方法 |
CN116757243B (zh) * | 2023-06-27 | 2024-01-23 | 哈尔滨工程大学 | 基于混沌Levy多目标烟花算法的多任务分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110097267B (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097267A (zh) | 一种基于改进烟花算法的多目标多机器人任务分配方法 | |
CN107301473B (zh) | 基于改进遗传算法的同类平行机批调度方法及系统 | |
CN107168267B (zh) | 基于改进粒子群与启发式策略的生产排产方法及系统 | |
CN107862411B (zh) | 一种大规模柔性作业车间调度优化方法 | |
CN107491635B (zh) | 一种基于嵌套降维算法的梯级水库水沙联合优化调度方法 | |
CN111222642B (zh) | 基于改进小生境遗传算法的多目标柔性作业车间调度方法 | |
CN104035816B (zh) | 一种基于改进nsga‑ii的云计算任务调度方法 | |
CN105426954A (zh) | 一种基于多策略协同作用的粒子群优化的方法 | |
CN111079987A (zh) | 基于遗传算法的半导体车间生产调度方法 | |
CN110458326B (zh) | 一种分布式阻塞型流水线调度的混合群智能优化方法 | |
Rueda et al. | MVMO for bound constrained single-objective computationally expensive numerical optimization | |
CN107609681A (zh) | 一种基于自适应粒子群算法的多金属多目标配矿方法 | |
CN110174919A (zh) | 基于深度灰狼算法的部分遮蔽条件下光伏系统最大功率跟踪方法、计算机可读存储介质 | |
CN109101721A (zh) | 不确定环境下基于区间直觉模糊信息的多无人机任务分配方法 | |
CN110334812A (zh) | 一种新型混沌自适应烟花优化方法 | |
CN106610656A (zh) | 一种改进的布谷鸟搜索算法求解作业车间调度问题 | |
CN106283425B (zh) | 缝纫针迹生成方法和装置 | |
CN108446455B (zh) | 一种基于烟花算法的多目标软硬件划分方法 | |
CN114240091A (zh) | 一种基于自适应分层策略的柔性作业车间调度方法 | |
CN111740424A (zh) | 一种基于运算树gpu并行加速模型的电力系统潮流计算方法 | |
CN116796997A (zh) | 基于第三代非支配排序遗传算法的三级渠系配水优化方法 | |
CN105589896B (zh) | 数据挖掘方法及装置 | |
CN108537456B (zh) | 网络柔性设备的综合调度方法 | |
CN109343650A (zh) | 一种最大功率点追踪方法、太阳能控制器及相关设备 | |
CN115659800A (zh) | 一种用于芯片研制的多目标优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |