基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·     

基于遗传禁忌搜索算法的公交调度研究

通过对公交运营调度的分析,建立了以乘客等车时间和公交公司运营费用为优化目标的调度模型;然后对遗传算法和禁忌搜索算法进行了分析,并将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法(GATS);最后针对所建立的公交调度模型进行了GATS算法设计和仿真,结果表明混合遗传禁忌搜索算法比标准遗传算法具有更好的效率,是解决公交调度问题的一个有效方法.     

一种用于多峰函数优化的改进混合遗传算法

针对遗传算法在处理复杂多峰函数优化问题中存在的一些缺陷，提出了一种改进型的混合遗传算法，它在小生境技术的基础上引入单纯搜索算法、最优保存算法和近优淘汰算法，并使之相互结合，经编程实践证明，这种改进的混合遗传算法在处理复杂多峰函数优化问题时，局部搜索能力和克服过早收敛能力方面都显著优于标准遗传算法，并在实际应用中取得了较好的效果。     

具有禁忌算子的遗传算法目标优化分配

针对地面防空作战中的多通道目标优化分配问题，给出了一种具有禁忌算子的混合遗传算法。该算法结合禁忌搜索算法和遗传算法二者的优点，既克服了禁忌算法全局搜索能力的不足，又提高了遗传算法的爬山能力，还解决了遗传算法容易陷入局部最优的问题，并使搜索过程具有记忆功能。仿真结果表明，该算法可有效给出求解多通道目标优化分配问题的满意解。     

基于混合遗传算法的随机结构可靠性优化设计

遗传算法（GA）是一种具有随机搜索技术的进化算法,但在运用过程中出现早熟、收敛速度慢、局部搜索能力差的缺点。对遗传算法中的遗传算子进行了改进,提出了遗传算法和最佳矢量法相结合的混合遗传算法,并引入了小生境技术。分析表明,基于小生境的混合遗传算法即发挥了最佳矢量法局部搜索能力强的特点,又结合了遗传算法全局搜索能力强的优点,使收敛性能大大改善,同时小生境技术的使用,避免了优化过程中局部最优解的出现,提高收敛速度。具体算例表明该混合遗传算法是一种高效的结构优化方法。     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

基于混合遗传算法的关系型数据库查询优化

分析了关系型数据库的查询优化问题，针对多连接查询提出将遗传算法和爬山法结合，从而构造了关系型数据库多连接查询优化问题的混合遗传算法，并进行了实验计算．结果表明，用混合遗传算法解决多连接查询优化问题，可以发挥遗传算法和爬山法的不同优势，从而得到较满意的查询优化性能．     

基于遗传算法的圆环板的优化设计

利用阶梯折算法,由传递矩阵导出变厚度圆环板平衡问题的初参数解的显式表达式,将圆环板的优化设计转化为极小化目标函数的非线性规划问题.用一种离散变量结构优化设计的单向搜索法与标准遗传算法结合的混合遗传算法求解该优化问题,发挥了单向搜索法局部搜索能力强、高效省时和遗传算法全局性好的优点.对典型问题的计算表明,该方法能解决受强度、刚度和几何等约束的离散变量结构优化设计问题,并具有编制程序方便、收敛快和精度高的优越性.     

一种应用于图着色问题的新型混合遗传算法

将遗传算法与模拟退火方法和禁忌搜索方法结合,提出了应用于图着色的混合遗传算法.在混合方法中,模拟退火算法用于局部寻优,提高算法的收敛速度,同时防止早熟收敛;禁忌搜索算法通过记忆能力防止进化过程出现循环来提高全局寻优能力.用遗传算法进行全局搜索,并与贪婪遗传算法和Dsatur算法进行了比较,结果表明,混合遗传算法的寻优质量优于对照算法.这种改进的混合遗传算法可以在稠密图上获得更好的寻优效率,在稀疏图上其效率则略有下降,这表明设计的改进混合遗传算法的合理性和有效性.     

改进混合遗传算法在建筑结构优化设计中的应用

针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点,提出引入转基因算子与单亲遗传算子,同时提出一种离散变量结构优化设计的三等分割算法,通过与遗传算法相结合并运用到初始群体形成和进化过程中,使两种算法既可相互独立地运算,又可彼此相互协调、共同作用．根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立离散变量结构优化模型．各种算法的优化结果对比表明,改进混合遗传算法具有省时、高效、局部搜索能力强和全局性好的特点。     

Hybrid Genetic Algorithm for Engineering Structural Optimization with Dis crete Variables

Aiming at the phenomenon of discrete variables whic h generally exists in engineering structural optimization, a novel hybrid genetic algorithm (HGA) is proposed to directly search the optimal solution in this pape r. The imitative full-stress design method (IFS) was presented for discrete struct ural optimum design subjected to multi-constraints. To reach the imitative full -stress state for dangerous members was the target of IFS through iteration. IF S is integrated in the GA. The basic idea of HGA is...     

离散变量结构优化设计的复合形遗传算法

对离散复合形法提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,从而建立了一种离散变量结构优化设计的混合遗传算法·算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的·     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

给水管网优化设计的混合遗传算法

利用遗传算法全局优化和广义简约梯度法(GRG法)局部收敛速度快的特点,将两者有机结合,构造出一种混合遗传算法应用于新建环状给水管网的优化设计．同时针对遗传算法,采用了实数编码技术,基于扩大采样空间的随机采样、惩罚策略、算术交叉及动态变异技术．最后结合工程实例验证了混合算法的高效性。     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

一种电子商务中基于混合遗传算法的多边多议题协商

为了提高基于智能体电子商务多边多议题合作协商中的协商效率,提出将混合遗传算法(HGA)应用于该协商中. 对4种遗传算法分别进行1000次的实验对比,结果表明,要达到同样协商最优解,标准遗传算法(SGA)平均需要185次协商,基于Metropolis准则遗传算法(MGA)平均需要176次,自适应遗传算法(AGA)平均需要169次,而混合遗传算法(HGA)平均仅需要153次. 求解多边多议题合作协商问题中,HGA可以使得协商当中的agent高效达到最优解.