基于遗传算法的工艺路线优化决策

为了实现计算机辅助工艺计划(computer-aided process planning, CAPP)系统中的工艺路线优化决策,分析了工艺路线优化决策过程中存在的问题以及相关约束,提出利用遗传算法对基于工艺约束的工艺路线进行优化决策.在加工工序排序决策过程中同时考虑机床和刀具的选择,通过遗传算法的复制、杂交、变异等操作进行工艺路线决策.结果表明 利用遗传算法可以有效地对工艺路线进行优化决策,得到满足生产要求的最优或接近最优的工艺路线.通过实例,详细介绍了利用遗传算法进行加工工序排序决策以及相关的机床和刀具的选择过程.     

基于遗传算法的鲜活农产品收购路线优化研究

鲜活农产品由于保质期短,需要在最短的时间内完成收购并运送到市场销售,因而收购路线的优化是一个重要问题.针对这一问题,分析了农产品收购路线优化与普通物流路线优化的区别,提出了路线优化的数学模型,再应用改进遗传算法对收购路线进行优化,得到最优农产品收购路线,经实例证明,此改进的遗传算法是有效的.     

基于改进遗传算法的新鲜农产品配送路线优化研究

在分析了农产品配送路线优化与普通物流路线优化的基础上,提出了新鲜农产品配送路线优化的数学模型,再应用改进的遗传算法对车辆运行路线进行优化,得到最优配送路线,经实例验证,改进的遗传算法是有效的.     

汉台区中心城区洒水车运行路线优化模型

为了减低碳排放量,以中国邮递员问题为基础,并通过求最短路径的方法,得到了汉台区中心城区洒水车运行路线的优化模型。     

基于遗传算法的配送线路车辆优化调度

车辆路线问题(VRP,Vehicle Routing Problem),是组合优化领域中的著名NP难题,近20年来,VRP都是一个非常活跃的研究领域.在我国,由于物流业发展较晚,对配送路线问题的研究也比较晚,而且方法也多局限于传统的优化算法.随着我国物流业的发展,配送路线优化问题的研究有着巨大的实际价值.文章以VRP为基础,建立该问题的数学模型,利用遗传算法,通过计算机计算分析验证,遗传算法对VRP有良好的近似解和较高的收敛速度,并结合实例,说明遗传算法在配送中的运用以及效果.     

基于遗传算法的旅游线路优化

旅游线路设计问题是旅游规划研究中的一个重要课题.科学的旅游线路设计是旅游业发展到一定阶段的必然要求.提出了一种新的旅游线路优化方法,即将遗传算法理论引入到旅游线路优化之中.根据旅游线路设计的特点对遗传算法进行了改进,建立了基于遗传算法的旅游线路优化算法.通过仿真实验,较快地找到了问题的最优解,证实了将遗传算法运用于旅行线路优化之中的有效性,并绘出了最优旅行路线图.     

基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

基于时间框架的多日游行程规划及其优化方法

针对个性化旅游特别是自驾游的实际需求,研究基于多个约束条件的旅游行程规划问题. 提出一个旅游行程规划算法,以时间框架为基础,遗传算法为核心,通过对有效旅游路线的不断优化,输出其中一条最优的旅游路线. 最后,在真实数据集上进行实验,将提出的算法与变邻域搜索算法进行比较,对路线的总评分值结果进行评价. 结果表明,研究提出的算法能够获得更高的路线评分值,能够为旅行者提供准确合理的旅游路线.     

模糊需求下批量生产优化模型

研究了供应链环境下的批量生产计划问题.在确定需求的基础上,建立了模糊需求下批量生产优化模型,并将其转化为模糊机会约束规划模型.用清晰等价类对其进行清晰化处理,目标函数是单位时间供应链总成本最优.并将模糊模拟技术引入遗传算法对模型进行求解.数值实例验证了其有效性.     

基于改进遗传算法的最快爬升航迹的优化分析

主要介绍一种基于改进遗传算法的优化技术,利用遗传算法优越的全局搜索的能力,研究了飞行性能中的最快爬升性能.使用改进遗传算法对快升航迹和最佳爬升速度进行了寻优优化,对遗传算法优化快升的航迹和接近最快爬升方式的航迹进行了对比,表明,以遗传算法优化的快升航迹进行爬升,飞机可以最快的爬升到巡航高度.而且本算法以及程序具有一定的通用性适用于其它求最佳轨迹爬升的航迹优化.     

整车物流双层轿运车车辆装载与路径整合优化研究

根据启发式算法思想,建立了双层轿运车的车辆配载和路径优化的双层规划模型。在路径优化的求解中融入一定的启发式搜索规则,设计了一种求解该双层规划模型的混合遗传算法,并给出了算法的编码方法、路径搜索方法和适应度函数的定义。案例分析表明,当乘用车种数不超过3种时,采用LINGO商业优化软件能在1 min内求出最优解;超过3种时求解时间呈指数增长。采用本文设计的混合遗传算法,能在较快时间内求出最优解,此模型和算法对编制大规模下的乘用车装载和配送计划具有较强的适用性和可行性。     

基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的QoS组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。     

新型遗传算法求解车辆路径问题研究

建立有时间窗车辆路径问题的数学模型,针对遗传算法在局部搜索能力方面的不足,提出将模拟退火算法与遗传算法相结合,从而构造有时问窗车辆路径问题的混合遗传算法,并进行实验计算.结果表明,用混合遗传算法求解该优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和模拟退火算法在全局搜索能力方面的不足,从而得到质量较高的解.     

Internet中的多播路由选择算法

Ｉｎｔｅｒｎｅｔ 中多播路由选择问题可归化为最小 Ｓｔｅｉｎｅｒ 树问题，而该问题是一个 Ｎ Ｐ 难题，当前只存在若干种启发式算法。基于遗传算法和最小树算法，提出并实现了一种新的自适应路由选择算法，经编程运行发现，此算法具有良好的实际应用前景。     

遗传算法在组播路由优化中的应用

通过分析遗传算法和组播路由的特点,提出了一种求解满足带宽-时延约束多组播路径问题的遗传算法.在算法中设计了一种基于节点连接路径的具有树状结构的染色体表示方法及可以实现树状染色体交叉和变异的算子.数值实验结果表明,所提出的算法有效改善了初始群体的整体适应性,便于更快地找到最优路径,有效解决了带宽-延时约束组播路由的问题.     

基于遗传算法时延与时延差约束组播路由算法

现有组播路由协议提供尽力而为的服务而没有QoS(服务质量 )的支持 .一种启发式组播路由方案考虑了时延与时延差的约束条件 ,可以为应用提供实时性与同步性的支持 .提出了基于遗传算法的时延与时延差约束条件组播路由算法 ,在具有启发式组播算法性能的基础上兼顾组播的代价 ,同时力图减小算法运算复杂度     

基于遗传算法的Qos的路由算法

目的 为得到求解Qos路由的高效算法。方法利用遗传算法，提出了求解Qos路由的新算法。结果通过三阶段给出了基于遗传算法的Qos的路由算法，分析了该算法的时间复杂度，且通过数值模拟，验证了算法的有效性。结论算法原理简单，鲁棒性强，符合Qos路由的不确定性等特点。     

NGI中立队竞争演化QoS组播路由算法

设计了一种NGI中的非NP类QoS组播路由算法.该算法以最小化费用为目标,基于立队竞争演化算法,寻找一棵延迟、延迟抖动、带宽及出错率受限且费用优化的组播路由树,一体化解决路由与波长分配问题,同时兼顾网络负载均衡.仿真研究表明,该算法是可行和有效的,不仅能够满足QoS约束,而且在组播树费用和运行时间上明显优于基于经典遗传算法的QoS组播路由算法.     

NGI中的一种禁忌-递阶遗传QoS组播路由算法

设计了NGI主干网重要组网形式IP/DWDM光Internet中一种非NP类QoS(quality of service)组播路由算法,基于禁忌-递阶遗传算法(tabu-hierarchy genetic algorithm,THGA)构造优化的QoS组播路由树·该算法模拟生物繁衍过程,采用递阶编码方式,引入禁忌交叉和禁忌变异两种禁忌算子改进遗传操作,综合考虑了用户QoS需求和网络费用,同时有助于实现网络负载平衡·仿真结果表明,所设计的算法是可行和有效的,它在一定程度上克服了基于经典遗传算法的QoS组播路由算法存在的早熟和收敛慢等问题,提高了算法性能,较好地解决了IP/DWDM光Interne...     

一种新的混沌遗传算法及其在多播路由选择中的应用

分析遗传算法的进化过程，提出一种新的混沌遗传算法。该算法利用混沌变量的特定内在随机性和遍历性对基因座空间进行搜索，有效地克服了遗传算法容易收敛于局部最优的缺点，大大提高了遗传算法的寻优速度。在多播路由选择中应用该方法，能快速找到最佳多播路由，显示出了优良的性能。