交通信号自适应遗传控制算法及其仿真研究

针对传统的交通信号控制方法时效性不强、运算量大等缺陷,提出了一种基于自适应遗传算法的单点交通信号控制策略。首先构建了多相位单交叉路口的数学模型,并推导出平均延误时间目标与绿灯配时之间的关系,在此模型的基础上采用自适应遗传算法进行优化,并对该方法的有效性以及相对于传统遗传算法的快速收敛性进行了仿真验证。结果表明,相对于固定配时方案和传统的遗传算法配时方案,该方法有效的提高了控制效果和时效性。     

基于博弈论的区域二次配水方案及其改进遗传算法解

结合水权、水市场的基本制度,以及博弈论、遗传算法原理,建立区域二次配水博弈模型,解决完全水权交易方式和行政调节方式下的区域水资源配置问题.阐述基于博弈论的区域二次配水建模思路和方法,在共同竞争模式下促进节余水资源深度利用和区域利益最大化,并根据模型方程特点对遗传算法的编码方案、适应度函数、交叉算子等进行改进,实现面向水权转让优化的模型求解.实验表明:该模型有效的解决供水方与用水方的利益平衡矛盾,并完成区域二次配水中水资源的配置和优化,为管理者决策提供理论参考.     

基于改进遗传算法的影像中心布局优化方法

针对影像中心现有布局优化方法自动化水平低、受个人主观意愿影响较大等问题,提出运用系统布置方法(systematic layout planning,SLP)和改进遗传算法相结合的方法对布局进行优化。利用SLP生成的布局方案改善遗传算法的初始种群,增加初始种群多样性;从遗传进化代数和个体适应函数值2个方面实现遗传参数自适应调节,提高其寻优效率。在西安某影像中心布置区域模型和多目标优化数学模型的基础上,运用改进后遗传算法对西安某影像中心布局优化问题进行了仿真实验。实验结果证明：该算法在求解影像中心布局优化问题时比传统遗传算法或蚁群算法速度更快、效果更好。提高了影像中心布局优化的自动化水平,为建筑设计人员提供合理的参考方案。     

工程项目工期成本质量模糊均衡优化研究

针对不确定环境中工程项目的时间、成本、质量均衡优化问题,在定义目标优属度的基础上,利用模糊多属性群决策效用函数理论,建立了工期、成本、质量模糊均衡优化模型,并基于模糊多模式网络计划技术,采用自适应遗传算法求解得到最满意的决策方案.最后,通过算例验证了模型的合理性和方法的有效性.     

时变路网下考虑时空距离的同时配集货车辆路径优化

针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。     

求解非光滑轨迹的自适应网格配点优化方法

针对传统配点法求解非光滑最优控制问题时,网格和配点数目多、非线性方程计算量大、误差大等问题,提出了一种自适应网格和配点优化方法。首先将求解最优轨迹优化问题划分为不同网格中的非线性规划问题,在网格内采用拉格朗日插值多项式对优化问题解逼近,求解出绝对误差和相对误差。然后根据轨迹曲率的大小确定出不光滑处的网格,并根据最大相对误差和容许误差的关系进一步确定网格划分的位置和加密数量;同时,对不满足容忍误差的光滑区间自适应增加配点以提高其求解精度。最后通过仿真实例与传统自适应网格优化方法进行了对比,结果表明,在相同计算精度情况下,本文所需的配点数目和网格数量较少,求解效率较高。     

采用十进制免疫遗传算法求解高校排课问题

论文深入分析了高校排课问题, 建立了其数学优化模型, 构建了其基本求解框架. 针对高校排课问题的特点, 引入遗传算法来加以解决, 设计了多种改进方案, 包括: 十进制编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、 自适应交叉概率和自适应变异概率设计方案. 仿真结果表明该算法能够满足高校排课问题的多重约束条件, 能更有效地解决高校排课问题.     

航空弹药挂载方案优化模型及其遗传算法求解

结合机载导弹阵地战场抢修决策平台项目开发,应用基于相关因素的决策优化模型建模方法分析和建立了航空弹药挂载方案优化模型.该模型属于非线性约束的非线性二元规划模型.文末给出了该模型在某次作战任务中的应用实例,并采用遗传算法进行模型求解,分析了模型求解结果.     

集货需求随机的同时配集货VRP及混合变邻域搜索算法

集货需求随机的同时配集货车辆路径问题(VRPSSPDD)是同时配集货车辆路径问题(VRPSPD)研究的进一步深化,由于该问题中集货需求的不确定性,使其较确定型VRPSPD问题更为复杂.基于预优化和重优化策略,构建了两阶段VRPSSPDD模型,预优化阶段基于随机机会约束机制以及车载量约束为客户点分配车辆,生成预优化方案;重优化阶段对失败点及其后续客户点进行线路调整.根据问题特征,结合变邻域深度搜索算法的深度搜索能力以及遗传算法的个体交流等优点,设计混合变邻域遗传算法,采用分离配送网络信息的编码方式,提出自适应种群搜索范围和自适应邻域搜索次数策略平衡算法迭代中的搜索深度和搜索广度的关系.通过多组算例以及企业配送实例验证了本文模型及算法的有效性.     

一种改进遗传算法及在多目标优化中的应用

基本遗传算法在求解大规模多目标优化问题时会出现早熟和搜索效率低等问题。针对这些问题,对基本遗传算法引入了邻域操作、自适应策略和混沌优化等多种改进策略,研究设计了一种有机结合各种改进策略的改进遗传算法流程。应用实例的仿真试验表明改进算法可行,且在求解大规模多目标优化问题时较基本遗传算法具有精度和速度优势。     

基于Baldwin效应的自适应有性繁殖遗传算法及其仿真研究

为了解决传统遗传算法存在的局部搜索能力差、早熟收敛、随机漫游等问题,提出一种基于Baldwin效应的自适应有性繁殖遗传算法。该算法模拟自然界普遍存在的有性繁殖现象,引入个体亲子间的适应度信息传递,并按照个体的性别差异以及种群间竞争与协作关系,对有性遗传操作进行自适应调整。同时,借鉴生物学中的Baldwin效应理论,引导个体后天正向或反向学习。通过与标准遗传算法和自适应遗传算法的仿真实验比较,证明了这种改进遗传算法的有效性。

Abstract：

Aimed to overcome the problems of traditional Genetic Algorithms,such as poor capabilities in local search,premature convergence,and stochastic roaming,a sexual reproduction adaptive Genetic Algorithm based on Baldwin effect was presented.The proposed algorithm simulated sexual reproduction and enables the transmission of fitness information from parent individuals to the offspring.Based on competition,cooperation,and innate difference between two sexual subgroups,the proposed algorithm adaptively adjusted sexual genetic operators.Meanwhile,inspired by the acquired reinforcement learning theory based on Baldwin effect,the proposed algorithm guided individuals to forward or reverse learning to adapt individuals＇ acquired fitness.Compared with Standard Genetic Algorithm （SGA） and Adaptive Genetic Algorithm （AGA） by numerical simulations,the proposed algorithm is proved more effective and advantageous.     

商品配送中车辆调度随机模型的建立及其求解

在物流活动的商品配送运输中，由于受不确定因素的干扰，对配送车辆调度的适时性造成了很大影响，从而增加了配送成本和降低了配送的服务质量。本文针对这一问题，建立一种车辆调度的随机模型。通过实例并运用遗传算法对模型求解，极大地提高车辆调度适时性的保证度和配送运输服务的质量，说明该模型及算法具有较好的应用价值。     

小波神经网络模型的改进及其应用

将优化函数的连续型蚁群算法与小波神经网络耦合,用蚁群算法优化神经网络的权值和小波参数,找到蚁群算法中信息素更新的最佳衡量标准,且建立了基于蚁群优化的小波神经网络模型,旨在准确预测水稻需水量,为制定合理的灌溉制度、提高水利用率提供科学依据.通过对三江平原富锦市1985至2001年的井灌水稻区全生育期需水量预测检验,确定网络结构为6-12-1,训练最大次数20次时网络收敛,误差精度达到0.0024.研究结果表明,该模型不但计算简便,而且具有较强的逼近能力、较快的收敛速度和较好的预报精度,并且为网络模型的参数优化提供一种新方法,也为预测、预报的研究拓宽新思路.     

同城即时配送问题基于多预测场景的在线调度

同城即时配送是随现代电子商务而产生的新问题,该问题呈现出极强的动态性与求解时间的紧迫性,并具有商户与顾客一对多的关系、车辆需要多次往返商户取货、货物取送有时效要求等诸多新特征,无法依赖现有研究而求解.针对这一问题,建立了基于多预测场景的在线优化调度方法,将带有预测订单的多个场景整合到路线规划过程,通过每个场景的方案计算,以及多场景方案的整合,得到了车辆赖以运行的集成方案,提高了调度方案面对未来不确定需求的适应性;所建立的调度系统在新订单进入时立即响应,在系统闲置时则采用大邻域搜索技术不断优化未完成的任务方案.最后,在具有200～300个日订单的大连市某同城即时配送公司的真实数据上,验证了在线调度方法的有效性和可行性.     

混合整数规划问题遗传算法的研究及仿真实现

提出了一种可以处理混合整数规划问题(MIP)的混合遗传算法MIGA。该算法采用二进制映射模式可变长度染色体编码,在进化过程逐渐缩小编码的搜索空间,从而在加快收敛速度的同时改善了迭代的精度,能很好处理离散变量和连续变量的混合整数规划问题。以一纯整数规划问题为例,利用分枝定界算法只能得到唯一的一个最优调度策略,而MIGA算法则可以得到一系列的最优调度策略,对这些最优调度策略进一步的分析,还可以得到调度问题一些灵敏度参数,在实际应用中具有更大的灵活性。     

基于混沌遗传算法的自动化生产单元调度方法

针对遗传算法在求解一类带时间窗口的自动化生产单元调度问题时易出现冗余迭代、收敛缓慢等问题,将混沌搜索技术引入至遗传算法中,通过将混沌初始化、混沌扰动与遗传算法的基本操作相结合,利用混沌运动搜索精度高、遍历性好的特点来提高遗传算法的收敛速度和优化质量.本文在给出自动化生产单元调度问题的数学模型的基础上,着重讨论了混沌遗传调度算法的设计,包括编码方式、混沌初始化、交叉操作、混沌变异操作和适应度函数的计算等.最后以自动化电镀生产线为例对提出的算法进行了验证,为此类调度问题提供了有效的算法.     

基于主动调度的编码方法及其在JSP中的应用

在对Jobshop问题进行具体描述的基础上,分析了目前利用遗传算法解决Jobshop问题的各种常用的编码方法,提出了一种新的编码方法.该编码方法与主动调度的构成步骤相结合,编码中基因的排列顺序就表示各工序的优先调度顺序,由此产生可行的调度方案,基于该编码方法是以不可重复的自然数为基因进行编码,在遗传操作过程中能采用类似TSP的遗传算子,从而避免了非法调度解的出现.采用该编码方法在遗传算法求解Jobshop问题的过程中,既能满足Jobshop问题的特性,又能体现遗传算法的较强的搜索能力.仿真结果也充分证明了该算法的有效性.     

基于AGA的ADRC及其应用研究

提出了自适应遗传算法（AGA）选取与优化自抗扰控制器（ADRC）参数的方法，较好地解决了其过多参数难以调节的问题，采用一阶ADRC对连续搅拌反应釜（CSTR）系统进行控制，并用简化的一阶ADRC控制平面两连杆机械手水平方向的正弦运动，仿真结果验证了算法的可行性和有效性。     

混合遗传-模拟退火算法在公交智能调度中的应用

公交行车调度是公交企业运营的核心内容，关系到公交企业的经济效益与社会效益。兼顾企业与乘客的利益建立了公交车辆行车计划模型，将遗传算法与模拟退火算法相结合组成混合遗传．模拟退火（GA-SA）算法，并对公交行车调度进行优化。实例仿真计算表明该算法具有比标准遗传算法更好的效率，是优化公交调度问题的一个有效途径。     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.