不确定条件下多目标R&D项目组合选择优化

应用模糊集理论描述R&D项目过程的模糊不确定性,建立了以模糊实物期权度量收益,模糊熵度量风险,模糊净现值度量费用的多目标R&D项目组合选择优化数学模型;运用定性可能性原理将模糊模型清晰化,并针对清晰型数学模型提出了一种改进的多目标遗传算法进行求解;仿真实验证明,实现的多目标遗传算法可以有效求解清晰型多目标R&D项目组合选择优化问题.     

多目标系统模糊优选的理论与模型

本文提出的多目标系统模糊优选理论与计算，模型是处理多目标系统的一个新的优化方法，它拓宽了文［１］的结论。     

基于模糊约束的军事物资配送多目标路径优化

针对带模糊时间窗口、模糊运输费用以及模糊运输风险的多目标军事物资运输问题,利用模糊期望理论,建立了带模糊约束问题的多目标运输路径优化模型,并利用改进的多目标量子遗传算法求解该模型,算法中采用量子比特编码,引入非支配排序和精英保留策略,防止算法陷入局部最优。仿真实验结果表明,建立的模型合理、算法有效,在军事物资配送问题中具有一定的实用价值,与传统的多目标遗传算法相比较,利用改进的多目标量子遗传算法求解该问题,收敛速度更快。     

基于GA的城市交叉口信号控制模糊规则优化

根据城市交通系统中单交叉口信号控制的具体情况，对遗传算法进行了改进，并利用改进的遗传算法对交叉口信号模糊控制器的模糊规则进行优化，建立新的优化算法．计算机仿真结果表明，采用改进的遗传算法方法优化模糊控制规则，可以减少因人的经验的局限性而导致的模糊规则的不完备性，使得控制器实用性更强，控制效果更好．     

多目标模糊优化理论及其在水电系统中的应用

基于单目标最优解模糊化基础上的多目标模糊优化方法能够反映各处单目标最优解与多目标满意解之间的相互关系，较好地解决多目标优化问题。本文根据多目标模糊优化的基本原理，结合目标相对优属度概念，提出了了具有相互矛盾目标的多目标模糊优化方法，并通过示例说明了该方法在水电优化中的应用。     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

铁路线路方案模糊优化模型及其应用研究

铁路线路方案优选的传统方法在各方案经济指标差异不大 ,而定性指标出现交叉、各有所长时 ,不易确定最优方案 .本文将方案优选视为多目标决策系统模糊优化问题 ,建立了系统模糊优化模型 ,并结合实例编制了相应的应用软件 .     

模糊随机需求模式下的扩展报童模型与求解算法

将模糊随机需求期望值理论引入对模糊随机需求模式下单周期库存优化问题研究，建立了模糊随机收益期望值最大化的单一产品模糊随机报童模型和多产品模糊随机规划报童模型．并根据遗传算法理论和计算机模糊随机变量模拟技术设计了求解模型的智能算法。     

铁路线路设计方案综合优选决策系统的研究

介绍了基于多目标模糊综合优选模型的铁路线路设计方案综合优选决策系统软件的研制与开发过程，给出了其应用算例，较好地解决了方法在各方案定量与定性指标出现交叉时难于评优的问题。     

杂合遗传算法与计算智能

基于遗传算法的杂合系统是将遗传算法引人已有的系统算法、启发式优化策略及领域知识获取与优化等问题时，产生的一种新型的综合性算法结构设计策略．本文对遗传算法与神经网络、遗传算法与模糊逻辑，以及遗传算法与专家系统的杂合等问题进行了系统的研究与评述.     

Multiobjective-Multicriterion Decision Making for Selecting Design Scheme of an Absorption Refrigeration System

In this paper,a biobjective thermodynamics model of minimizing comprehensivequantity of boiler vapour consumption and maximizing thermodynamics efficiency of an absorptionrefrigeration system is established,solved by a multiobjective optimization method to generate a non-inferior scheme set.Then,applying fuzzy multicriterion decision method,a best compromise scheme     

隔离小生境遗传算法研究

小生境技术的引入，提高了遗传算法处理多峰函数优化问题的能力。本文提出了基于隔离机制的小生境技术，隔离小生境技术具有生物学基础，不仅能够有效地保证群体中解的多样性，而且具有很强的引进化能力。计算机模拟旅游商推销问题的结构表明，基于隔离小生境技术的遗传算法在求解 杂多峰优化方面是很有效的。     

控制系统多目标优化问题的寻优方向算法

本文从基本定义出发,把多目标规划问题的寻优算法思想引入控制系统,得出了一种不改变多指标的任何特性,直接求多目标优化控制系统的满意有效控制及满意有效指标的新的有效算法,同时还证明了该算法的收敛性和交互可调性,实际计算表明该算法是十分有效的。     

多重群体遗传算法的特点及应用

建立了多重群体遗传算法模型并成功地用于实际研究工作。多重群体遗传算法采用了标准化的独立的基因／染色体模型及由种群和繁殖群体组成的多重群体模型，并采用了积累方式建立初始种群，求解效率和对不同类型问题的适用性有明显的改善和提高。多重群体遗传算法模型求解优化问题的基本过程分为建立初始种群、适应与进化、进化成熟后的处理等内容。     

基于可变安全第一准则和交易约束的投资组合调整模型

结合证券市场的实际情况,通过加入最小交易单位及交易费用约束改进了基于可变安全第一准则的风险定义,将风险表示成为与投资者意愿和交易约束相关的一条曲线。提出了一个新的基于可变安全第一准则的具有一般交易费用函数的投资组合调整优化模型,并给出求解该模型的基于遗传算法和随机模拟的混合智能算法步骤。然后,结合现实中交易费用的实际情况,分别建立了具有线性交易费用和二次分段凹型交易费用的投资组合调整模型。最后,依据上海证券市场的实际数据,通过两个实例验证模型的可行性和有效性。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

基于遗传算法和最速下降法的函数优化混合数值算法

在遗传算法中嵌入一个最速下降算子，并定义适当的适应度函数和子代个体的选择算子，从而可结合遗传算法和最速下降法两者的长处，得到既有较快收敛性，又能以较大概率得到全局极值的新的用于连续函数全局优化的混合数值算法。数值计算结果表明了本文方法显著优于求解函数优化的遗传算法和最速下降法.     

一种新的求解函数优化问题的两级遗传算法

提出一种新的两级遗传算法,用于求解带约束的非线性函数优化问题。本算法的特点是,在保留经典遗传算法中选种、交叉和变异3种基本操作的同时,增加了重构、局部寻优两种新操作,加快了收敛速度;利用拉格朗日时偶原理,构造拉格朗日对偶函数,在上下两级分别对拉格朗日乘子和函数变量进行优化搜索。算例表明了该算法的优越性。     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

基于在线支持向量机和遗传算法的预测控制

针对非线性系统模型预测控制中预测模型容易失配且目标函数难以求解的问题,本文提出一种基于在线支持向量机建模和遗传算法滚动优化的模型预测控制方法。该方法利用在线支持向量机建立被控对象的非线性模型,在线支持向量机是一种迭代学习的支持向量机训练算法,可以进行在线训练,从而实现模型在线自校正;并且通过遗传算法求解目标函数的最优控制量,完成滚动优化。对非线性系统的仿真研究结果表明,该方法有效且具有良好的自适性。