基于粒子群算法求解区间值板坯设计优化问题

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (3): 205-209.

基于粒子群算法求解区间值板坯设计优化问题

席阳,李铁克

北京科技大学经济管理学院，北京 100083

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-21 发布日期:2008-01-21
通讯作者: 席阳

Particle swarm optimization algorithm for slab designing problem with interval value

XI Yang,LI Tie-ke

School of Economics and Management，University of Science and Technology Beijing，Beijing 100083，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-21 Published:2008-01-21
Contact: XI Yang

摘要/Abstract

摘要： 为了适应大规模定制对连铸计划的新要求，提出了在板坯设计阶段固定板坯重量的策略，以减少过度追求生产柔性造成的高成本。建立了考虑工艺限制的区间值板坯设计模型，该模型是以最小化板坯数量和总盈余量为优化目标的多目标整数规划模型。结合问题的特点，采用模糊决策方法对多目标函数进行集成，提出了符合板坯设计的粒子群编码规则，并利用粒子群算法对模型进行了求解，最后通过实例验证了算法的可行性，并与该问题的下界进行比较，表明了算法的有效性和稳定性。

关键词: 大规模定制, 板坯设计, 粒子群算法, 区间值

Abstract: In order to adapt the continuous casting planning to the requirement of mass customization，fixed weight of slab strategy at the slab designing stage is proposed to reduce the cost resulted from excessive pursuit of the flexible production.A multi-objective integer programming model with interval value demands，which aims to minimizing the number of slab and the total surplus weight，is built considering restriction of process.The fuzzy decision approach is employed to integrate the multi-objective function，and particle swarm optimization algorithm is applied to solve the model.Finally the feasibility of this algorithm is verified through the computational test；the stability and efficiency are demonstrated by comparison with the lower bound.

Key words: mass customization, slab designing, particle swarm optimization, interval value

席阳,李铁克. 基于粒子群算法求解区间值板坯设计优化问题[J]. 计算机工程与应用, 2008, 44(3): 205-209.

XI Yang,LI Tie-ke. Particle swarm optimization algorithm for slab designing problem with interval value[J]. Computer Engineering and Applications, 2008, 44(3): 205-209.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[5]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[6]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[7]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[8]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[9]	覃凤婷，杨有龙，仇海全. 基于稀疏子空间的局部异常值检测算法[J]. 计算机工程与应用, 2020, 56(19): 152-159.
[10]	杨彦荣，宋荣杰，周兆永. 基于GAN-PSO-ELM的网络入侵检测方法[J]. 计算机工程与应用, 2020, 56(12): 66-72.
[11]	周琴，程立正. 层适应网格上求解奇异摄动问题的粒子群算法[J]. 计算机工程与应用, 2020, 56(11): 46-50.
[12]	胡雪娇，陈行健，赵南，薛卫. PSO_BFA优化词袋模型及蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2020, 56(1): 165-171.
[13]	蒋丽1，2，叶润舟1，2，梁昌勇1，2，陆文星1，2. 改进的二阶振荡粒子群算法[J]. 计算机工程与应用, 2019, 55(9): 130-138.
[14]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[15]	冯建新1，2，李慧1，2，刘治国1，2. 新型火焰颜色空间——IFCS[J]. 计算机工程与应用, 2019, 55(5): 203-210.