混合优化策略在生命线管网拓扑设计中的应用

提出用遗传-模拟退火算法(GASA)混合优化策略来求解生命线管网的拓扑优化问题.混合优化策略结合了遗传算法的并行搜索机制和模拟退火算法的概率突跳特性,提高了算法的优化性能、参数鲁棒性以及计算效率.数值仿真实验表明了算法的稳定性非常好,首次达到最优值的进化代数,且比单一遗传算法提高了26.5倍.     

混沌伪并行遗传算法及其在火力分配优化中的应用

剖析了混沌模型的随机性、遍历性和初值敏感性的特点,提出了多种群伪并行混沌遗传算法.把多群体伪并行进化的并行性和混沌运动的内在随机性结合起来,利用不同的混沌扰动策略,把混沌变尺度映射机理应用到种群初始化和中间群体的优化进化实现函数优化.仿真结果表明,混沌伪并行遗传算法比伪并行遗传算法和简单遗传算法具有更快的收敛速度和更高的最优解搜索成功率,可对火力分配进行优化.     

并行遗传算法收敛性分析及优化

针对并行遗传算法（parallel genetic algorithms，PGA）容易出现收敛过快和陷入局部最优解的问题，综合多种不同进化策略遗传算法之所长，设计了一种混合的粗粒度并行遗传算法。该算法由多个独立的子群体组成，各个子群体并行的、独立的、按照不同的遗传进化策略进化，每隔一定的时间，在子群体之间进行最优个体的迁移，促进群体的共同进化，并抑制群体早熟。在PVM环境下，用该算法实现函数优化问题，仿真实验数据表明了其有效性．     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

云存储部署优化的进化算法设计

针对云计算环境下的云存储部署规划优化问题,全文研究和提出了一种进化算法并进行了求解.首先基于对象存储方法,设计了三层架构云存储模型.在建立的模型中,将云存储部署抽象为多目标优化调度问题,针对现有粒子群优化算法或遗传算法在解决这一优化调度问题过程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法来进行求解,讨论了进化算法的优化设计过程.同时,在云计算仿真平台CloudSim上,对所提出的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表明,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比,能对性能指标实现更优配置.     

解病态线性方程组的遗传算法

提出了求解病态线性方程组的一种新方法－遗传算法，这是一种模拟自然遗传和达尔文进化理论的并行随机优化算法，首先，详细描述了遗传算法，然后，为了应用遗传算法，将病态线性方程的求解转化为无约束优化问题来解决，最后，给出计算机模拟结果并与其他方法作了比较。     

基于改进遗传算法的Flow Shop调度算法研究

给出了Flow Shop调度问题的数学模型，介绍了三种用于求解该问题的启发式算法，根据普通遗传算法与启发式算法的互补特性，提出了结合两者各自优势的改进遗传算法．通过两个不同规模的经典算例对算法的优化性能进行了对比分析，结果表明，采用了保优策略的改进遗传算法的搜索能力优于启发式算法及普通遗传算法，并具有较强的鲁棒性．     

求解背包问题的并行混合遗传算法

针对基本遗传算法在求解大规模问题时，收敛速度缓慢、容易早熟的现象，借鉴生物区域性进化的原理，设计了一种基于星型迁移策略的并行混合遗传算法（Parallel Hybrid Genetic Algorithm，简称PHGA）．该算法采用高效的超贪心算子进行解码，使遗传进化过程从多个平均适应度较高的文明群体开始进化，并采用定期将各群体的最优个体输出给其他群体，使得最优个体共享，促进所有群体共同进化的共产主义迁移策略．在PVM环境下，对背包问题进行求解的实验，已取得超线性的加速比，并改进了解质量．     

多订单项目生产任务并行调度的遗传算法研究

在MTO(Make to Order)生产模式的制造企业中,经常存在多订单项目并行的情况。以满足资源约束为前提,优化多订单项目生产任务并行调度过程,成为该类企业关心的焦点问题。针对这一问题,根据任务并行调度的特点,建立了任务调度的目标函数,并采用一种改进了的遗传算法求解目标函数。该遗传算法用矩阵式染色体表示资源与生产任务之间的调度关系,采用突变机制来解决进化过程停滞问题,提高算法的搜索能力,并保留父代种群的优秀染色体,防止遗传过程中祖代优秀染色体丢失。     

用遗传算法进行RFD装置优化设计

免维修流体输送装置RFD由压缩空气做动力,通过气液换能驱动被输送液体间歇性出料。该装置不含运动部件,其优化设计是关系到装置高效稳定运行的关键理论。文中分析了传统枚举法和边际效用法在方案搜索中存在的问题,重点讨论了遗传算法在多目标高维优化问题中的应用,通过计算实例比较了3种方法的计算结果,得出遗传算法在本问题求解中的优势。最后,针对流量和扬程需求,采用遗传算法进行了装置的系列化设计,并分析了有关结构参数和运行参数的变化规律,进一步给出了不同密度和粘度下,RFD装置输送流量的换算关系,为RFD装置的工业设计打下坚实的基础。     

多流股换热器网络综合问题的优化算法设计

多流股换热器网络综合问题是一个混合整数非线性规划问题（MINLP），这类问题规模大、约束条件多，严重的非凸非线性使得目标函数存在多个局部最优解．传统的基于梯度的优化算法在求解时极易陷于局部最优．有鉴于此，本研究采用遗传算法解决此类问题，通过对遗传算法进行改进，针对简单遗传算法存在的早熟和运行参数难以确定的问题，设计了多样性保持算子和多种群进化的算法结构；计算时运行参数自适应确定，并把模拟退火算法思想引入遗传算法子代的生成中去．实例证明，采用所构造的算法可有效求解MINLP问题，并有利于寻求到全局最优解．     

基于神经网络辨识的移动机器人航向误差校准方法

分析了E-Core RD1100干涉型光纤陀螺的误差产生机理, 提出利用RBF神经网络和遗传算法实现光纤陀螺漂移误差模型的辨识. 通过实验获得进化神经网络的训练样本, 在RBF神经网络的训练中, 提出了基于Elitist竞争机制的遗传进化训练方法. RBF神经网络具有很强的局部逼近能力, 而遗传算法具有优良的全局搜索与优化性能, 从而能够有效地对陀螺误差的非线性与时变特征进行建模与辨识. 实验结果表明: 该方法大幅度减少了光纤陀螺的误差, 从而提高了移动机器人导航定位的精度.     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

基于组合GA的双向物流网动态优化设计与求解

为实现整合正/逆向物流网络的动态优化,建立了随机环境下多品种、多周期、有容量限制的整合正/逆向物流网络动态优化模型,并设计了组合遗传算法(genetic algorithm,GA)进行模型求解.对整个规划期拆分成多个决策期,进行生产工厂与物流中心的准确定位,对物流网络中各节点间的流量合理优化,基于随机机会约束规划建立了物流网络动态优化模型,设计了相应的组合遗传算法.采用8个消费域,2类产品,5个备选物流中心,3个生产工厂和3个规划期数进行数值模拟仿真.结果表明,该方法可以得到设施布局决策变量最优值,能够灵活实现不同需求下物流网络的最优布局,可以有效用于物流网络的动态优化.该模型根据现实情况的需求进行合理的物流网络布局,同时可以进行灵活变换,具有重要的实用价值.     

基于改进的反向传播神经元网络复杂煤岩层对比方法研究

为了提高复杂地区煤岩层对比的准确率,解决由于反向传播神经元网络(BP神经元网络)连接权值和阈值的初始值选择不合适而导致的无解问题,本文把求全局最优解近似值的遗传算法(GA)和求局部最优解精确值的传统BP神经元网络所使用的梯度法有机地结合起来,取长补短,用于复杂地区煤岩层对比。首先,用GA求得BP神经元网络权值和阈值的全局最优解的近似值;然后,把该近似值作为初始值,训练该神经元网络;最后,用训练好的BP神经元网络进行复杂地区煤岩层对比工作。本文利用测井曲线采用小波变换分析沉积旋回,并用于煤岩层对比。该新方法在钱营孜煤矿的复杂煤岩层对比中,取得了较好的效果,比常规的单一方法和简单的组合方法效果要好。     

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．     

无线传感器网络中目标检测节点的优化部署

为提高无线传感器网络的目标检测精度，提出了一种基于遗传算法的节点部署优化方法．通过把传感区域模型化为网格，将目标定位问题转化为确定目标在某个网格点的问题．随后，将传感器节点部署问题形式化为一个组合优化问题，其目标是在有限的成本和完全覆盖条件下减小最大分辨误差．遗传算法采用二进制编码表示节点的位置，使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率．实验结果表明，基于遗传算法的求解方案能快速地求出传感器节点位置优化问题的全局最优解，并满足目标定位的精度要求．     

遗传算法模糊神经网络在列车驾驶中的应用

大城市交通问题迫切需要高效率的交通系统,这就要求在交通系统的控制中引入智能控制技术。本文介绍了模糊神经网络与遗传算法的特点, 分析了他们之间相互结合的可能性,并提出了基于遗传算法的模糊神经网络控制算法。该算法使模糊神经网络和遗传算法的优点很好地结合起来。本文还介绍了列车自动驾驶系统的概况,并将新算法用于此系统中。     

基于水力模型的多因子水质监测点优化布置方法研究

随着城市快速的发展,城市供水管网的规模也在不断的扩大,其拓扑结构也越来越复杂,增加了供水安全的难度。其中供水水质安全最为迫切,因此需要在供水管网中设置一定数量的水质监测点对供水水质进行监测。在前人研究的基础上,针对供水管网水质监测点优化布置的问题,在单一的节点水龄法的基础上综合考虑其他影响因素对管网水质的影响,利用北方某市供水管网水力模型进行水质监测点的优化布置方案设计,通过水力模拟软件,优化节点水龄法,设计出了基于多因子优化法的水质监测点优化布置程序。并对北方某市供水管网进行计算,结果表明,基于水力模型的多因子水质监测点优化布置方法计算出的水质监测点位置与实际位置有43.75%的重合度,不仅覆盖了在常规管网运行中水厂及加压泵站等重点水质监测位置,也在供水分界线、管网中以及管网末梢增加了部分监测点,同时对污染事故的预警时间也比优化前短,效果明显。因此,在人工经验的基础上,以多因子法为补充加强,理论与实际相结合,使布置方法更有科学依据,考虑因素更加全面,布点更加合理。利用该方法分析供水管网工况,可为水质监测点优化布置工作提供较好的实施方案。