PSO算法在多约束染色工艺优化模型中的应用
针对染色工艺优化设计，存在周期长、成本高、无法精确定量的问题，以生产成本最小化为优化目标，构造染色工艺优 化设计的数学模型。从模型可知，染色工艺优化问题是一个具有大量局部极小值、不连续、多变量、多约束的复杂优化问题。 粒子群(PSO)算法是一种基于群体智能的启发式算法。它具有简单易行、收敛速度快、优化效率高、对种群规模不十分敏感、鲁 棒性好等特点，能方便地被用于求解带离散变量、不连续、多变量、多约束、非线性的复杂优化问题中。因而，提出粒子群算 法来求解染色工艺优化模型。考虑到粒子群算法(PS0)易陷入局部最优解的局限性，提出一种基于改进惯性权重粒子群算法。该 方法通过引进指数因子改进标准粒子群算法的惯性权重，平衡了其全局和局部搜索能力，在速度和精度上满足了计算要求。仿 真结果表明，在满足实际生产要求的条件下，该方法优化后的生产成本节约了25％。证明该优化模型及算法是一种可行而有效 的方法，对生产成本的预测以及染色工艺参数的制定具有指导意义。
染色工艺 优化设计 粒子群算法
黄彩虹 金福江
华侨大学信息科学与工程学院 福建 厦门 361021
国内会议
南京
中文
564-567
1900-01-01（万方平台首次上网日期，不代表论文的发表时间）