一种信赖域遗传算法

针对信赖域方法求解多峰值优化不能收敛到全局最优的问题,提出了一种信赖域遗传算法,该算法将遗传算法和信赖域方法进行了结合。利用了遗传算法繁殖算子的随机性和信赖域方法求解二次优化问题的高效性,该算法能够克服信赖域方法的缺点同时能够有效求解一类欺骗性问题。最后证明了算法的收敛性,通过数值试验说明了算法的有效性。     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

基于混合遗传算法的FMS优化配置及其工艺路线规划

针对基于CQN模型的FMS优化配置问题提出了一种混合遗传算法,充分利用CQN模型中生产量函数和成本函数的单调性,设计了最大产量-成本梯度算子来引导新一代种群从不可行域进入可行域.同时,在求解相应的工艺路线规划问题的遗传算法中引入了具有启发式规则的余量随机分配算子,可以将超过约束条件的余量随机分配到个体中去,并通过按照一定规则的调整而保证所有个体的可行性.这样,一方面实现了利用遗传算法求解FMS配置的约束优化问题,另一方面加强了遗传算法的局部搜索能力.算例证明该算法的求解质量好于目前该领域常用的隐枚举算法.     

关于一种免疫遗传算法的性能分析

对一种免疫遗传算法的求解性能进行理论分析。首先分析了算法的良好收敛性能;然后,进一步提出了临界浓度的概念,说明该算法与遗传算法的本质不同在与只有低于临界浓度的较优模式才能达到指数级增长,并在此基础上对算法的个体多样性维持能力进行了分析说明。本工作有利于从理论上进一步揭示这类改进遗传算法求解性能得以提高的根本原因。     

一种求解TSP的生物信息启发式遗传算法

遗传算法是解决旅行商问题（traveling salesman problem，TSP）的通用路径优化算法之一。为解决传统遗传算法收敛速度慢且解不稳定的问题，提出一种生物信息启发式遗传算法（bioinformation heuristic genetic algorithm，BHGA）。通过优化适应度函数和初始种群，引入生物信息学中的基因序列对比手法进行交叉重组排序，采用基因逆转操作进行变异，对遗传算法进行改进，使算法能够加快收敛速度，得到更优路径解。利用BHGA对TSPLIB数据库中算例进行求解，实验仿真结果表明：该算法在中小型规模的TSP中求解效果好且结果稳定。     

基于蚂蚁算法的工件排序优化

工件排序是NP-hard问题，以丰田公司的汽车组装工件排序函数为目标函数，将蚂蚁算法应用于该问题求解。得到了蚂蚁算法的最优参数并获得满意可行解。算例证明，此算法优于目标追随法、遗传算法、模拟退火算法等算法。     

基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法.该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能.仿真实例的结果表明该算法对问题求解的可行性和有效性.     

用遗传算法求解改进的投资组合模型

在传统Markowitz投资组合模型中考虑了最小交易量、交易费用以及最大投资上限等实际因素，得到了一个改进的投资组合模型。该模型是一个非线性整数规划问题，传统算法难以有效求解。为此，设计了一种基于整数编码的遗传算法求解该模型。实际算例表明，所提出的算法是有效的。     

基于牛顿-遗传混合算法的几何约束问题的求解

将几何约束问题转化为非线性方程组的形式。传统的求解几何约束问题的牛顿法具有较好的局部收敛性,但是对于一些强非线性方程,传统数值法容易导致求解失败,有效性较低。而遗传算法具有较好的全局收敛性。将遗传算法和牛顿法结合起来,引入牛顿-遗传混合算法来求解几何约束问题。在遗传算法中嵌入一个牛顿算子,以发挥传统数值算法在计算速度与计算精度上的优势。将该混合算法应用于几何约束求解,实验表明该算法在解决完备约束和欠约束问题上都获得令人较满意的结果。     

组播最优QoS划分问题及其混合遗传算法

最优QoS划分研究基于性能的价格体系下的资源分配问题，组播最优QoS划分（MOPQ）是将组播树上端到端QoS要求划分到本地链路，使得总代价最小。研究了求解MOPQ问题的遗传算法，设计了由树代价与叶结点缮罚因子构成的适应度函数，提出了双子群混合遣传算法。该算法充分利用了遗传算法的全局搜索优势，模拟退火算法的局部搜索优势以及双子群的协作优势。仿真结果表明该算法的有效性。