改进自适应遗传算法在移动机器人路径规划中的应用

为了克服基本遗传算法在求解移动机器人路径规划问题中存在的收敛速度慢、易陷入局部最优等不足,该文提出了一种改进的自适应遗传算法。采用人工势场法对种群进行初始化,设计了自适应交叉和变异概率。同时,采用混合选择方式改善了基本遗传算法收敛速度慢和早熟的现象,提高了算法的进化效率。栅格环境下的仿真实验证明了该文算法在移动机器人路径规划中的可行性和有效性。     

考虑客户满意度的车辆路径优化及其算法研究

针对当前车辆路径问题中较少考虑客户满意度的情况,构建了基于模糊时间窗的车辆到达时间满意度函数和货物运输时长满意度函数,以最大化客户满意度和最小化配送总成本为目标建立VRPCCS数学模型.为了求解该问题,考虑到传统遗传算法存在依赖初始解、收敛速度较慢、容易陷入局部最优等缺点,设计改进的遗传算法与大规模邻域搜索算法相结合的混合算法进行求解,通过选取算例并与传统遗传算法进行对比,验证了模型和算法的可行性和有效性.实验仿真结果表明考虑客户满意度的物流配送方式不仅能够有效提升客户满意度,也能够降低物流企业配送成本以及车辆空载率,对于物流企业的车辆配送路径决策具有一定的参考意义.     

多车场多目标开放式物流配送车辆路径问题

针对多车场多目标开放式物流配送车辆路径问题的特点,选取车辆数、行驶距离2个主要优化目标,以完成任务成本最少为目标,建立了多车场多目标组合的开放式物流配送车辆路径优化模型。运用改进的线性加权算法将多目标函数转化为单目标优化模型,结合遗传算法全局搜索能力较强和节约算法局部搜索能力较好的优点,提出了遗传节约综合搜索求解算法,并将所建模型及设计算法应用于实例。研究结果表明,本研究所提出的模型与方法能够有效地解决多车场多目标开放式配送车辆寻求最优路径问题,且较一般遗传算法高效,收敛速度更快。     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

物流配送路径优化模型及其混合遗传求解算法

针对物流配送路径的特点,建立了配送路径优化问题的数学模型,并结合爬山算法和遗传算法提出新的混合遗传算法,仿真结果表明该算法可在一定程度上克服爬山算法全局搜优的不足和遗传算法局部搜优的局限,从而得到更符合实际的解。     

基于改进遗传算法的农产品物流配送模型研究

农产品物流配送过程中时间和成本最小化是一个关键的问题。研究在分析农产品特点和用户需求的前提下构建农产品物流配送路径模型，并利用改进遗传算法对该模型进行求解。实验表明遗传算法和改进遗传算法的最优解分别为16087.9元和15129.6元，最优配送路径分别有9条和10条。改进遗传算法的最优目标函数值为最具有优势。改进遗传算法在求解农产品物流配送模型中具有合理性和有效性，能获取最佳路径和最优目标值。     

遗传算法在BP网络权值学习中的应用

针对BP算法学习神经网络权值收敛速度慢、易陷入局部最优等缺点 ,采用遗传算法学习BP网络的权值 ;并给出了“异或”(XOR)问题的仿真示例 ,通过比较 ,发现遗传算法不会陷入局部最优 ,有效地改善了收敛速度     

基于鲨鱼优化算法的农产品物流配送路径优化

为提高农产品物流配送系统的效率和效益,根据农产品物流配送特点,建立了物流配送系统数学模型,并基于改进的鲨鱼优化算法对配送路径进行优化.为避免传统鲨鱼优化算法易陷入局部最优的缺陷,提出一种基于正弦运动机制和高斯变异策略的改进鲨鱼优化算法.试验结果表明,改进算法能较好地解决农产品物流配送车辆路径的优化问题,有效降低物流配送的成本.     

基于混合遗传算法的物流配送路径优化分析

货物的合理配送,除了选择合适的交通运输方式外,还要确定合理的配送路线和货物的运输量,不同的运输条件、组织方法,车辆可以按照不同的配送路线完成配送任务.本文在构建了物流配送路径优化数学模型的基础上,提出了基于局部竞争机制的选择小生境技术和自适应调节交叉变异参数方法提高全局收敛性能,最后将带有记忆功能的模拟退火算法与上述改进遗传算法相结合提高局部搜索能力,从而构造出一种新的混合遗传算法,经过计算证明,这种混合算法可以在很大程度上解决上述问题,并得到最优解或者近似最优解.     

基于遗传算法的神经网络权值优化

针对BP算法学习效率低、收敛速度慢，以及易陷入局部最优等缺点，提出了一种新型的、基于自然选择和基因遗传学原理的随机搜索算法——遗传算法(Genetic Algorithm)，并论述了它在BP神经网络中权值优化的问题。仿真结果表明，用遗传算法优化BP神经网络的权值收敛速度快，并有效解决了BP算法易陷入局部最优的问题。     

结合聚类模型和自适应模型的遗传算法

在进化后期,自适应遗传算法有助于保存种群中的优秀模式;但在进化初期,对适应度值大的个体的保护,易降低种群的多样性、减弱算法的搜索性能。基于聚类的遗传算法可以提高遗传算法的收敛速度和搜索性能,但交叉概率和变异概率取定值,易使优秀模式在进化后期遭到破坏,难以收敛到全局最优。在遗传算法中同时引入聚类模型和自适应模型,有利于继承两类改进型遗传算法的优点,克服各自的不足。使用经典的测试函数对引入聚类模型和自适应模型的遗传算法进行测试,仿真结果表明:同时引入聚类模型和自适应模型的遗传算法比引入聚类模型或自适应模型的遗传算法具有更好的收敛速度和寻优能力。     

基于混合遗传算法的物流车辆调度优化

针对遗传算法在求解车辆调度问题时容易出现早熟现象,导致求解精度不高的问题,本文用混合算法构建了物流配送总成本最小的目标函数。首先,定义了车辆调度问题的数学模型,在此基础上提出了一种遗传算法中对交叉和变异概率的自适应调整的方法。其次,通过局部搜索算法求得初始解,采用遗传算法初始解优化,并且在配送时刻改变以后,利用TS算法搜索最优解迅速的特点改进配送方案,最终求得配送时刻不断变化下的车辆调度方案。最后通过算例分析,得到本文提出的算法与单一局部搜索算法和单一TS算法相比,在求解精度、求解时间方面都具有更大的优越性。     

选煤厂配煤调度中的云模型改进遗传算法

针对传统遗传算法求解最优值存在搜索速度慢、容易陷入局部最优解的问题,基于传统遗传算法和云模型,提出了云自适应遗传算法和云遗传算法,建立了选煤厂三产品配煤调度模型,并分别采用改进算法和传统遗传算法求解。实例表明,两种改进算法优于传统遗传算法,为选煤厂配煤调度优化提供了技术途径。     

基于并行协同演化的差分进化算法

针对传统差分进化算法搜索速度慢、易陷入局部最优解的缺点,引入协同演化的思想提出了一个基于并行协同演化的差分进化算法,并设计了相应的变异算子和自适应交叉算子。仿真验证结果表明:同遗传算法、标准差分进化算法相比,所提算法在搜索速度和寻优能力方面都具有一定的优势。     

云模型和混沌粒子群算法的多目标无功优化

为了克服基本粒子群算法易陷入局部最优值和后期收敛速度慢的不足,提出一种基于云模型的自适应粒子群算法。该算法首先采用混沌优化策略对粒子群进行初始化,增加粒子取值的多样性;其次根据粒子的适应度值将种群中的粒子分成靠近最优值、较靠近最优值和远离最优值3个子群,并分别采取不同的惯性权重生成策略进行处理,其中较靠近最优粒子子群的惯性权重由正态云发生器动态自适应调整,摆脱算法陷入局部最优值束缚;最后在迭代后期通过正态云算子实现粒子的变异操作,使算法后期快速收敛到最优解。对标准IEEE30节点系统和IEEE118节点系统进行测试仿真,结果表明了文中算法解决多目标无功优化的有效性。     

一种基于免疫原理的多种群 DNA 遗传算法

针对单种群遗传算法易陷入局部最优、多样性丧失快等问题,提出一种基于免疫原理的多种群DNA遗传算法。在多种群协同进化的基础上,将DNA计算思想引入到编码和遗传操作算子的设计中,通过模拟生物机体的免疫机制对遗传进化过程中个体的产生和选择过程进行自适应调控,并利用优良个体的迁移实现种群间信息交流。最后,通过函数优化实验测试算法的性能。仿真结果表明,算法在发掘全局最优个体、局部搜索能力方面表现优越。     

基于DNA进化算法的车辆调度问题

在建立一种物流配送车辆调度模型的基础上,针对传统启发式算法对复杂问题搜索效率低、易陷入局部最优的缺点,构造了DNA进化算法求解该问题。将其在个体变异操作中进行了一些改进,避免陷入局部最优。车辆调度问题(V SP)属于组合优化NP难题。采用V SP问题进行测试,仿真结果表明:该算法简单可行,与其他算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力。     

基于DSP遗传算法的研究与实现

针对基本遗传算法在处理复杂函数时,容易出现陷入局部最优和收敛速度慢等问题,提出自适应遗传算法和禁忌搜索相结合的策略,增强了遗传算法的全局搜索能力,提高收敛速度,并结合DSP的优点,使本算法的优势得到充分的体现,用复杂函数进行仿真测试,获得较好的结果。     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点，该问题属于NP难题，较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上，构造了一种免疫克隆算法来求解该问题，并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明，免疫克隆算法能快速收敛于全局最优解，克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点，可有效地解决物流配送车辆路径优化问题．     

基于循环配送策略的汽车装配线物料配送调度方法

为有效解决基于循环配送策略的汽车装配线物料配送调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先,建立了数学规划模型,以最小化计划期内所有工位的线边总库存为优化目标,并提出了改进型免疫克隆选择算法.在算法设计过程中融入了模拟退火算子和邻域搜索算子,分别对克隆种群和记忆库进行操作,以克服传统免疫克隆选择算法易陷入局部最优、搜索深度不足等缺陷.最后进行了仿真实验,表明该算法是有效、可行的.