处理带约束的多目标优化进化算法

针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.     

基于遗传算法的数控机床服务模块配置设计

为实现数控机床总体配置的最优化设计,采用遗传算法对数控机床服务模块进行配置设计.根据数控机床产品全生命周期过程中相关服务类型,将服务模块划分为产品相关服务模块和产品不相关服务模块.主要研究产品不相关服务模块,利用遗传算法对各个服务模块进行编码,并以服务价值系数、服务质量水平和客户相对满意度作为优化目标构建适应度函数,建立数控机床服务模块化多目标模型.通过各个服务模块以及子模块之间的相互约束关系保证模型的有效性.最后,通过MATLAB编程求解得到服务模块配置方案.     

考虑客户偏好的双目标时间窗指派车辆路径问题

基于现实中客户对服务时间窗有特定偏好,将最大化客户满意度作为优化目标,对双目标时间窗指派车辆路径问题展开研究.在该问题中,供应商需为每一客户许诺一个服务时间窗.在许诺服务时间窗时,服务期间客户每天需求量尚未确定.在构建了混合整数线性规划模型的基础上,采用不同约束处理依据帕累托方法设计了2个多目标遗传算法:抛弃法约束处理多目标遗传算法和无参约束处理多目标遗传算法.经数值试验测试表明,2个多目标遗传算法都能获得有效的非支配解集,抛弃法约束处理多目标遗传算法的求解质量显著地优于无参约束处理多目标遗传算法.另外,客户满意度与期望配送成本之间存在着制约关系,客户满意度从最小到最大的提升率高于期望配送成本的提升率.     

遗传算法在预拌混凝土配送中的应用

针对预拌混凝土(RMC)配送的特点,建立了双目标RMC配送优化模型,并采用自适应遗传算法对该模型进行求解.在进化过程中采用了小生境技术保持群体多样性,并结合自适应遗传算法优化进化参数.另外,采用帕累托边界法为双目标提供多个方案,以便决策者可根据实际情况进行最终选择.     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

基于多目标遗传算法的云服务部署优化方法

将服务部署优化问题建模为多目标组合优化问题.在多目标遗传算法的基础上,把部署方案转换为基因编码,用轮盘赌选择机制选择个体,用单点交叉算子产生新的子代,并以设定的概率发生变异.对合适个体考虑支配值和稀疏值设计适应度函数;对不合适个体根据支配值和SLA冲突设计适应度函数.最后给出了优化过程.通过仿真实验可以看出:随着迭代次数的增加,适应度值及各个优化指标值逐渐收敛于一个固定且较优值,说明利用设计的优化算法,能使各个优化目标值较快地收敛到一个较优解,能较好地帮助基础设施即服务(SaaS)提供商在部署应用服务时进行有效规划和决策.     

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.     

基于多目标遗传算法的吸声覆盖层参数优化设计

针对圆柱空腔吸声覆盖层低、高频吸声的机制不同,提出了一种基于多目标遗传算法的吸声覆盖层参数优化设计方法.利用有限元软件ANSYS建立了平面波垂直入射吸声覆盖层的分析模型,并采用多目标遗传算法NSGA-II得到了多目标吸声问题的Pareto最优解集.结果表明：多目标优化设计全面考虑了圆柱空腔吸声覆盖层的低、高频吸声之间的耦合,可按需选择其满意的优化结果;比起仅优化吸声覆盖层的材料属性,考虑材料属性和结构参数的综合优化能够获得更佳的宽频吸声性能.     

基于遗传算法的渤海海域溢油救助资源配置优化

针对渤海海域溢油救助资源短缺、分布不合理等问题,以中海石油环保服务有限公司为例,分析渤海溢油的风险分布现状和溢油救助基地的建设现状及规划,以海上溢油救助服务收益最大化为优化目标,建立各溢油批次与救助基地对应关系的目标函数,并采用遗传算法求解.根据计算结果,给出溢油救助资源在各救助点之间的优化配置方案.研究结果表明,该优化方法可具体到有限资源在各基地之间配置的比例问题,在现实应用中具有较强的可操作性.     

城镇演变与道路网一体化多目标决策模型

为使城镇演变过程中道路网布局规划方案更为合理,简化布局评价、优化、调整的程序,以城镇规划年利用道路网出行的交通费用与规划所需投资建设总费用最小为目标,构建了城镇用地规划和道路网设计一体化多目标决策模型.根据遗传算法对该模型条件与处理方法进行了改进,对目标函数进行了简化,给出了具体算法及分析过程.仿真实例分析表明,该决策模型在实际应用中是可行的,能生成多套道路网布局规划方案,规划决策者可依据多准则决策方法或不同优化目标,选择适时的道路网布局方案.     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

一种费用最廉的Web服务动态组合算法

针对现有组合服务选取的算法因其复杂度太高而难以在实际环境中应用,提出了一种 Web 服务动态组合优化算法.该算法利用最优化原则在服务组合图中求解一组执行费用最廉、满足用户需求的 Web 服务.     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

改进ST-GA遗传算法在多目标运输问题中的应用

在解决多目标运输优化问题的基于生成树的遗传算法（st-GA）中融入了NSGA-Ⅱ算法,提出了一种新的生成树遗传算法（NSST-GA）,新算法利用NSGA-Ⅱ中的策略来保持解群体的分布性和多样性,采用精英保留和擂台法来进行遗传选择,算例结果表明新算法提高了收敛速度,防止了早熟收敛,较好的保持了种群多样性和算法的稳定性．     

QoS感知的Web服务选择

一个组合服务可以由多个具有不同QoS属性的服务合成,由此带来的一个问题是如何将QoS属性作为条件选择最合适的服务以满足组合服务的全局QoS需求.针对这个问题,提出了利用分层图技术对复杂的服务组合过程模型进行化简,将服务选择问题简化为有向图中的选路问题,这样在服务选择时就无需考虑不同的流程结构(例如,顺序、选择、并发和循环结构等),从而降低了服务选择算法的复杂性,提高了执行效率.在简化模型的基础上,给出了一个基于自适应遗传算法的QoS感知的组合服务选择算法.仿真实验表明该方法是可行和有效的.     

激励机制下负载均衡和QoS感知服务组合方法

提出一种基于激励机制的负载均衡和服务质量感知服务组合(LBQSC)方法.首先,构建一个全局约束分解模型,并采用文化遗传算法求解;其次,考虑服务质量(QoS)和负载构造激励合同,提出一种基于激励机制的服务选择算法,通过不断激励QoS的动态调整获取最优服务;最后,在QWS 2.0综合数据集上进行对比实验.实验结果表明:基于激励机制的负载均衡和QoS感知服务组合方法能在保证负载均衡的情况下有效地获取高质量的组合服务.     

云环境下基于MapReduce的海量服务选择研究

当处理分布式、大规模的服务选择时,传统服务选择方法存在着效率不高和全局Qo S性能低下的问题。基于Map Reduce框架,设计了一种云环境下的海量服务选择方法以解决此问题。首先,基于Map Reduce框架,利用Skyline算法,筛选海量候选服务,生成Skyline服务库;其次,基于迭代式Map Reduce框架,运用多目标模拟退火算法,从所生成的Skyline服务库中优选Skyline服务,产生一组Pareto最优的组合服务;最后,依据用户的个性化和多样性需求,执行Top-k查询,优选出满足用户偏好的k个组合服务。该方法适应于具有分布式环境、高维Qo S的海量服务选择,能快速返回组合服务,且其全局Qo S较优。     

Web服务选择优化算法的设计与实现

为了提供满足客户需求的组合Web服务,将Web服务的属性分为功能属性和非功能属性(即服务质量QoS属性).通过服务类对功能属性进行划分,并按照服务类以QoS属性的组合类型方式进行服务组合.提出了将基于QoS的服务选择转换成有限方案的多目标决策问题,同时给出选择组合服务的最优执行计划的规划算法.实验表明此方法既利用了现有工作流技术的成果,又具有动态绑定和QoS支持.     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

复杂环境下多梯度中点位移中性景观模型

针对传统方法生成的景观模型无法对复杂环境下的真实景观进行全面模拟的问题,提出一种基于交互式遗传算法的多梯度中点位移中性景观模型。利用中点位移法形成分形布朗运动曲线,根据曲线衡量设置等间隔变化的空间自相关参数生成多梯度中性景观模型;对中点位移中性景观模型进行正规化处理,在处理的基础之上,利用适应度分享法避免种群过早收敛,最大程度保证种群多样性;选用比例选择,交叉和变异操作设计遗传算子,利用交互遗传算法获取符合中点位移中性景观模型条件的最优解。实验结果表明,所提模型能够全面模拟出复杂环境下的真实景观,其应用性较强。