为了提高车间内机器人导航规划的实时性、减少导航路径长度,提出了混沌狼群围捕算法。建立了工作环境的矢量模型与路径的适应度函数;在狼群围捕算法基础上,使用Tent混沌映射改进了狼群初始化方法,使狼群初始分布更加均匀,有利于算法初期对整个工作区域的遍历式搜索;鉴于levy飞行长时间短距离来回搜索与偶尔长距离搜索相互穿插的特点,将其应用于改进围捕步长,有利于算法长期的细致搜索并保持跳出局部极值的能力;借鉴遗传思想改进狼群进化方法,将算法向收敛的方向进行引导;基于以上改进,提出了混沌狼群围捕算法。在车间环境下进行仿真验证,与传统狼群围捕算法相比,混沌狼群围捕算法的导航规划用时减少了37.5%,最优导航路径长度减少了16.7%。

为解决乌燕鸥算法对抗局部最优能力和寻优能力较低的问题,提出了一种混合Lévy飞行和热交换混沌乌燕鸥算法(LTCSTOA)。首先,采用Hénon混沌映射对算法种群初始化,保证算法种群多样性。其次,采用混合Lévy飞行和热交换算法的搜索策略,并在不同算法搜索阶段,引入自适应因子γ和自适应惯性权重,提高了算法的跳出局部区域的能力和收敛精度。最后,采用热交换算法对最优乌燕鸥个体进行扰动,提高算法的全局寻优能力。选用7个测试函数验证了不同改进策略的算法有效性,仿真结果表明与其他算法相比,LTCSTOA算法收敛性能更优,具有较高的收敛精度、稳定性和鲁棒性。将LTCSTOA算法应用于二级斜齿圆柱齿轮传动机构可靠性轻量化设计,优化结果表明与原设计相比,LTCSTOA算法获得的体积和重合度分别降低了约为51.86%和18.6%,实现了齿轮传动机构轻量化设计的目的。

针对精密加工结构件在加工过程中人工分拣效率低的问题,提出一种改进PSO对于SVM参数优化的图像分类算法(Adaptive Levy Flight Particle Swarm Optimization Algorithm-Support Vector Machine,ALPSO-SVM)。首先,建立一个SVM分类器用来完成图像分类,然后使用改进的PSO算法(ALPSO)来帮助SVM找到最优参数,以提高分类效果;通过引入自适应步长的Levy飞行算法来调整PSO算法中粒子的位置更新公式,提高PSO的寻优效率,以得到SVM的最优参数;最后,SVM以ALPSO输出的结果作为最优参数进行分类测试。实验结果表明,ALPSO有效地提高了SVM的分类性能,分类正确率与鲁棒性都得到提高,平均正确率达到90%以上。

为解决标准乌燕鸥算法(STOA)易陷入局部最优和收敛速度慢等缺点,提出一种混合正余弦算法(SCA)和Lévy飞行的自适应乌燕鸥算法(SLSTOA)。采用正余弦算法的搜索方式,同时采用非线性递减自适应正弦因子,改进乌燕鸥算法的攻击搜索方式,来增强STOA算法的全局与局部探索能力。乌燕鸥个体和最优个体通过Lévy飞行策略进行变异,来增加种群多样性和扩大搜索空间,以达到提高跳出局部最优和全局探索能力。与四种先进的元启发式算法比较,SLSTOA算法性能通过6个基准测试函数进行评价,结果表明,相比其他四种元启发式算法,SLSTOA算法精度高、稳定性好和鲁棒性强。同时为验证SLSTOA算法的科学性与实用性,将其应用于解决32t/22.5m桥式起重机主梁结构优化设计中。

针对以最小化最大完工时间为目标的柔性作业车间调度问题(FJSP),提出一种改进离散型飞蛾扑火优化算法(IDMFO)。首先,基于集成法的求解思想设计两段式编码转化机制,建立染色体连续空间与问题离散决策空间的映射关系;其次,采用有效的种群初始化方法,保证种群的多样性和质量,加快算法收敛速度;然后,为了进一步提高算法的全局搜索能力,设计新颖的随机更新算子和基于Levy飞行轨迹的随机游走策略;最后通过标准算例测试及与其他算法求解结果的对比,验证了IDMFO算法在求解FJSP问题方面的有效性和优越性。

针对微粒群算法易于陷入局部最优解、早熟的缺点，将Lévy飞行引入微粒速度迭代公式中，并动态改变微粒群速度迭代公式中Lévy飞行的权重值，提出动态Lévy飞行微粒群算法。根据T－S故障树理论，建立液压支架液压系统的可靠性模型，进而得出可靠性费用目标函数。将提出的动态Lévy飞行微粒群算法应用于液压支架液压系统的可靠性优化中，并通过标准微粒群算法、布谷鸟搜索算法和基于Lévy飞行微粒群算法比较，验证所提出算法的优越性。