水资源系统不确定性决策机会约束模型法

针对多属性不确定性决策问题，提出了可用于研究方案排序的机会约束模型法。该方法既可恰当处理多属性区间值的不同随机分布假设，又可考虑决策者对综合评价值的期望水平，避免了对复杂的综合评价值随机分布的简单化处理，对于复杂的多随机变量机会约束模型，使用基于随机模拟的遗传算法可以有效地获得问题的解，且最终方案排序合理。     

基于模糊逻辑的多目标优化问题遗传算法求解探讨

基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,鉴于决策者事先对于各目标的重要性一般只有模糊的认识,文中对各目标进行了模糊化处理,构造了适应值函数,提出了基于模糊逻辑的多目标优化问题遗传算法求解方案.     

利用非精确算法求解模糊规划问题

提出一种基于遗传算法求解模糊线性规划的非精确算法,它将遗传算法将做为算法的框架,在遗传算子之中运用了模糊控制思想,最终求解出一个模糊优解,取代了利用单纯形法求解模糊线性规划问题的一个最优解。实验结果表明,算法能使决策者更加满意,并有潜力解决实际的规划问题。     

随机环境下多目标设计优化问题的交互式算法

从通信网络和运输安排等工程问题中提出了一类多目标随机优化模型,该模型含有一个随机线性和随机二次目标函数,还含有随机线性约束.基于决策者的期望水平将多目标优化模型转化为单目标优化问题;利用新的方差期望综合法研究了此类优化问题的确定型等价类,并设计了求解这类问题的基于决策者偏好的交互式算法.数值实验表明:方差期望综合优于已有方法,它既能够反映决策者的满意度,又能够得到更稳健的最优解.     

遗传算法在随机组卷中的应用

随机组卷是在线考试系统要解决的重要问题之一。本文介绍了针对演化计算的三大分支之一的遗传算法进行改良实现随机组卷问题,详细阐述了遗传算法的主要思想、随机抽题问题的编码表示、适应性函数和遗传算子的设计、淘汰策略和停机准则的选择。     

基于遗传算法的防空兵力优化配置模型浅析

结合现代防空作战部署的特点,对防空作战运筹中兵力配置问题进行探讨,建立兵力配置问题的数学模型,对遗传算法做了改进,并给出模型求解的方法和步骤,实例表明该方法可为决策者做出科学、有效的决策提供有力的支持。     

基于改进遗传算法的非线性方程组求解

 采用种群隔离机制、最优保持策略、算术杂交、自适应随机变异和异种机制等方法对遗传算法进行了改进。在保持遗传算法仅需目标函数值信息即可求解这一优点的基础上,这一改进方法增强了遗传算法的局部搜索能力。将该方法应用于非线性方程组的求解。数值算例表明,该方法能够求解以非线性方程为等式约束的〖JP2〗最优化问题。此外,异种机制的引入加快了遗传算法的收敛效率,有效提高了遗传算法收敛于全局最优解的概率。     

考虑主观需求的0-1背包问题及其求解算法

背包问题的约束条件通常由客观因素构成,如背包的额定容量,但在实际生活中,确定物品选择方案时,需要结合决策者的主观需求进行调整.基于此,建立考虑决策者主观需求的0-1背包问题模型,并设计一种混合贪心遗传算法(hybrid greedy genetic algorithm,HGGA)对该模型进行求解.针对此模型,首先考虑主观需求,再考虑客观约束,设计一种贪心算子,对初始种群进行优化与修正;然后,设计一种局部搜索算子,改进扰动位点的选择方式,实现对局部最优解的扰动,达到跳出局部最优得到更优质解的目的;最后,在随机生成的9个算例上,分别与同类型的遗传算法进行对比实验.实验结果表明:混合贪心遗传算法在求解精度与算法鲁棒性上具有明显的优势.     

二阶随机占优约束优化问题的遗传算法求解

随机占优是经济学和决策论中的基本概念,在投资组合优化中得到了广泛的应用.遗传算法无须求解目标函数和约束函数的次微分,也不用满足Slater约束规范,解决了约束的半无限性和非光滑性等问题.两个算例表明,遗传算法能很好地解决投资组合优化问题,并且效率得到了很大提高.     

随机利率下保险公司最优保费策略

研究了随机利率下保险公司所面临的最优化问题。决策者可以通过调节保费费率来控制其现金余额过程。在给出预定目标水平的前提下,通过最小化现金余额过程中的总偏差,得到了最优保费策略及最优成本函数。     

混合遗传算法在随机规划问题中的应用

以含有机会约束的生产管理动态规划问题为例,基于随机模拟技术的混合遗传算法实现最优化决策,构造了数学模型。采用ＶＢ编辑,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题,它是简单的基于二进制编码的遗传算法所不能解决的。该算法具有很高的鲁棒性,避免了在局部最优解附近徘徊,且因为随机规划问题要求许多数学知识,而算法本身并不要求对优化问题的性质作一些深入的数学分析,从而对那些不太熟悉数学理论和     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

ERP实施方案优化与决策模型研究

为了解决企业ERP实施规划方案中的时间、成本、质量不确定优化问题,结合PERT技术提出了基于机会约束规划的实施进度、实施进度—费用和实施质量优化模型及进度—费用—质量联合折衷模型。利用嵌入PERT的基于随机模拟的遗传算法对模型求解,并通过算例验证了模型的合理性和算法的有效性,为企业ERP实施方案的规划提供可靠的方法。     

一种基于遗传算法的图象矢量量化方法

描述了一种基于遗传算法的图象矢量量化方法．遗传算法基于自然进化原理可得到全局优化结果，把遗传算法用于码本设计，其运算简单，而且可避免传统方法如Ｋ－均值技术等所带来的局部优化局限．同时，由于其结构的规则性和并行性，较适于ＶＬＳＩ实现．文中主要讨论了遗传算法用于图象矢量量化的评价函数及操作过程，并与传统算法作了比较，给出实验结果．     

基于Species机制的多目标遗传算法

多目标优化算法设计正在成为当前进化算法领域的一个研究热点.考虑将最初用于多峰优化的Species机制引入到多目标遗传算法中,通过借鉴现有多目标算法的相关思想,设计并提出了一种新的Species方法,包括基于Pareto最优性和拥挤度思想的Species种子确定策略及适应性的Species构造策略.一组标准多目标测试函数的仿真实验结果表明,提出的基于Species机制的多目标遗传算法表现出比经典的非支配排序遗传算法Ⅱ(NSGA Ⅱ)更好的性能.     

基于遗传算法和粗糙集理论的增量式规则获取方法

规则获取的增量式算法是数据挖掘领域的一个热点问题.基于粗糙集理论,从规则获取和优化两方面研究了基于遗传算法的增量式规则挖掘方法,它具有结构简单、搜索效率高、求解速度快等优点.通过研究决策表和决策规则系数,建立基于粗糙集表示和度量的知识,并且将遗传算法和规则挖掘算法相结合,建立了新的优化方法,提出了一种基于遗传算法的增量式规则挖掘的方法.在原有规则集的基础上进行规则和规则参数的增量式更新,避免了为更新规则而重新运行规则获取算法.试验结果表明,执行增量式GA的能够有效地获取最优规则.     

多目标0 1规划的元胞竞争决策算法

将元胞演化规则与竞争决策算法相结合,提出了一种求解多目标0-1规划问题的元胞竞争决策算法.大量数据测试和验证表明,该算法能有效提高非劣解的分布性和多样性.     

一种改进的遗传算法及其在线天线阵方向图综合中的应用

提出了一种适用于具有任意几何参数的线天线阵方向图综合的新方法。该方法简单而灵活,是传统遗传算法的一种改进。应用这种方法,以降低线天线阵的旁瓣辐射为优化目标,对线天线阵的方向图进行了优化设计,并将所得结果和Chebyshev方法所得的结果进行了比较,表明新方法综合结果和Chebyshev方法所得结果相近。针对同一问题,还将改进的遗传算法同传统的遗传算法进行了比较,表明改进方法特别适用于参数连续变化的问题。然而,对这一改进算法加入量化过程后同样可应用于离散参数的优化问题中。     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。