遗传算法在工程项目资源优化中的应用

GA是一种源自生物界自然选择和自然遗传机制的随机化搜索方法,群体搜索策略和信息遗传的特点使其在组合优化中表现出其它传统方法所不能比拟的性能。将GA应用于工程项目的资源优化中,解决资源平衡和资源有限问题,避免了繁琐的推断过程,同时还能得到除最优解外的几个次最优的解决方案。     

考虑资源闲置成本的网络计划资源调度优化模型

针对在考虑风险因素时,资源就位时间的任何改变都可能使总工期和资源闲置时间发生变化,进而影响到施工计划总成本的情况,建立了总成本最低的最佳资源就位时间优化模型,并给出了利用蒙特卡罗(MC)法模拟和遗传算法求解各工作最佳资源就位时间的方法.实例验证结果表明,该优化模型优于CPM网络模型.     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题,较难得到全局最优解．而采用改进的遗传算法,并运用数据库,通过对大量实际运算结果的统计分析表明：改进后遗传算法,能显著提高全局最优解的成功率．研究中发现,该类问题适应度的动态缩放技术具有最好的效果,并就该类问题提出了合适的参数取值．     

资源优化模型及遗传算法

在网络计划中提出了资源优化问题,并建立了资源优化数学模型.同时,指出现代优化算法是求解资源优化模型的主要算法,并使用遗传算法对资源优化模型进行求解.此遗传算法与传统的遗传算法有所不同,第一是根据资源优化过程的特点设计的独特的杂交概率和变异概率,可以既尽快获得最佳模式又扩大搜索范围,避免早熟现象的发生;第二是引进了检查和修复算子以保证杂交和变异的子代满足可行性的要求;最后给出了算例以验证算法的有效性和正确性.     

遗传算法在资源均衡问题中的应用

本文研究网络计划工期固定、资源均衡问题的遗传算子设计,编制了基于遗传算法的优化程序,并用于施工实践,显示了优于Microsoft Project的优化效果.     

基于遗传算法的主生产计划优化模型

文章针对生产与销售多种产品且每个产品具有多级装配结构的典型离散型生产制造企业,研究了其主生产计划调度优化问题;以全生命周期中生产与库存费用最小为目标,通过引入提前和拖期惩罚费用因子,建立了加工能力受限情况下的主生产计划优化数学模型;将遗传算法和启发式方法相结合,提出了一种新型的企业资源计划的主生产计划优化的求解策略;对典型实例进行仿真,并对求解性能进行了比较,结果表明该算法模型是有效和可行的。     

网络计划多资源平衡优化工序排序方法研究

通过研究多资源对平衡优化效果的相对贡献率,分析了工序时差对工序调整的影响,构造了平衡优化的综合数量指标,提出了固定工期条件下多资源平衡优化方法。     

基于遗传算法的网络优化技术在设备维修中的应用

遗传算法用于维修网络优化,是求解网络优化问题的一个新思路,实例证明,遗传算法用于机床维修网络优化,其计算结果比模糊网络规化得出的最优解更精确。     

网络计划的优化在成本控制中的应用

工程成本控制是监督成本费用,降低工程造价的重要手段。在计划管理中采用网络计划技术,就是把施工过程中的各有关工作组成一个有机整体,全面而明确地反映出每一工序目标与所需条件之间,以及各项工序之间的相互制约和相互依赖关系。网络计划的实施,需要各种条件的支持。一个工期符合规定,资源需求均衡,费用合理的方案,是对网络计划进行优化后实现的。     

基于遗传算法的无向网络路径优化

为了解决无向网络的最短路径优化问题,采用遗传算法并使用可变长编码,在遗传算子操作中进行有效性判断,避免了传统交叉变异算子中无效路径的产生;网络数据存储采用链式存储结构,仅需存储各个节点信息,摒弃了传统的邻接矩阵方法.仿真试验表明,该算法可行性强,且可以找到最优路径.     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火-遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火-遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。     

运用改进遗传算法的输电网规划

遗传算法对许多问题是有效的,但普通遗传算法只能保证全局最优解的出现而不能保证每次都收敛于全局最优解,其原因是在搜索过程中出现的全局最优解不能保留下来,针对这一问题,本文将改进自适应代沟方式的遗传算法用于输电网规划中,一方面保证了计算结果有多个解可供选择,另一方面加快了搜索速度,提出了搜索性能,算例表明了这种改进方法的优越性。     

改进多种群遗传算法在中压配电网规划中的应用

针对电网规划的多目标性,提出一种改进的多种群遗传算法(Poly—Population Genetic Algorithm,简称PPGA)。子种群对应独立的目标函数,父种群对应归一化的目标函数,精华种群采用最优个体保存法保存父子种群中的最优个体,并作为收敛依据,保证了算法全局收敛性。父子种群采用改进自适应SGA,进行独自寻优,并通过迁徙算子以一定频度进行信息交换,打破“封闭竞争”。在原有配电网络的基础上实现网络的有效扩展,满足当前配电网络规划的多目标多阶段的要求。算例结果表明,该方法是有效的。     

基于神经网络和遗传算法的无功优化设计

无功优化是一个复杂的混合优化问题,传统方法较难获得全局最优解.文中提出了将并行遗传算法和Hopfield网络相结合的算法.该方法利用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取,并采用Hopfield网络简单、快速、规范的优点来优化样本空间,以取得整体的优化效率.     

基于网络环境的分布式PGA的结构优化

并行计算是当今数值计算发展的新方向。该文在网络并行环境下探讨了并行遗传算法（PCA）进行结构优化设计及其算法的实现方法。利用4台PC机组成网络平台,进行了钢桁架结构优化设计的数值测试。计算结果表明,设计的并行算法在网络并行计算环境中具有较高的加速比和效率,同时验证了并行遗传算法用于结构优化是可行的和有效的。     

遗传算法在电机系列优化设计中的应用研究

电机的系列优化是一处复杂的有约束,非线性,混合离散多目标规划问题。文章在传统遗传算法的基础上,对算法进行了改进,使之适用于电机系列优化设计,并且把该算法应用于Ｙ系列电机的系列优化设计中,优化设计结果表明这种算法效果是比较理想的。     

基于遗传算法的优化排课系统

分析了目前高校排课系统存在的问题,研究如何利用遗传算法,解决排课系统中的资源冲突,课表优化问题,实验证明,遗传算法能简化程序的复杂度和生成最佳课表的时间,其收敛速度和寻优能力,能在理想时间内找到最优解。     

基于启发式遗传算法的公交车智能排班研究

采用基于启发式遗传算法进行公交车辆智能排班的研究,且对遗传算法的各个算子进行了专门化处理．该方法充分利用遗传算法的智能化特征,有效地改善了公交车辆的智能排班,提高车辆运营效率,避免了单一遗传算法的早熟问题,提高了遗传算法的收敛性和优化质量．