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.     

面向公交车辆优化调度的运行服务质量评测分析

将人工智能方法引入公交车辆运营调度管理,调度管理人员可根据具体运营状况,运用快速、便捷的智能调度算法,制订出符合实际情况的运营调度方案,有效提高公交车辆运营效率。利用遗传算法（genetic algorithm,GA）的智能化特征,针对北京市公交车辆运营管理问题进行了优化调度研究。仿真实验表明,利用GA的公交车辆优化调度,实现了公交车辆调度的智能化,并在基础上利用排队论推导了乘客等待时间模式,进行了优化调度结果评测分析,从而验证了利用智能调度方法能够有效地改善公交车辆运营效率的合理性和可行性。     

改进遗传算法在公交车优化调度中的应用

公交车调度是智能公共交通系统的重要一环,关系到公交公司的经济效益与社会效益.通过对公交车调度的分析,建立了以乘客等车时间最小、公交运营利润最大为优化目标的公交车优化调度模型.然后应用遗传算法对模型进行求解,改进了优化过程,既加快了进化速度又具有抗早熟的优点,得到比较合理的公交车发车时刻表.     

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。     

基于遗传算法的九寨沟车辆调度优化方案研究

遗传算法常常被应用于解决优化问题.介绍了九寨沟车辆调度系统利用遗传算法的思想优化景区内公交车辆调度方案,从而使车辆和人力资源得到合理和充分利用,防止资源的浪费.     

基于细胞自动机模型的自适应生产调度问题

用细胞自动机来建模生产调度问题,通过把调度序列分散到规则网络中,相邻细胞之间相互影响,可以避免细胞的早熟.当进化过程出现扰动时,可以通过控制器自行修改相关参数加以响应,实现自适应调度.介绍了细胞自动机的建模原理,并结合遗传算法的运算因子和进化规则,讨论了基于遗传细胞自动机模型的自适应生产调度方法,用算法的仿真结果验证了模型的有效性和适应性.     

基于提高服务水平的公交发车频率优化模型研究

随着社会经济的发展,公交行车调度的重点逐渐由先前的单纯注重公交企业经济效益转向其服务水平的进一步提升.在此基本思想指导下,建立了基于以乘客利益最大化为主要目标的非等效实时优先协同优化公交网络调度模型的,并采用了遗传算法与模拟退火算法相结合的混合遗传-模拟退火(GA-SA)算法对公交行车调度发车频率进行优化,同时采用上海市公交调查数据对其进行了验证.结果表明该优化模型有较强的实用性.     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

进化规划在计及阀点负荷的经济调度中的应用

探讨了模拟进化优化方法中的进化规划用以求解带有阀点负荷的经济调度问题,在优化编码、适合度函数和变异量取值方面进行了研究,进一步拓展了电力系统经济调度计算方法的应用前景,最后给出一个６节点３机系统算例结果并与遗传算法进行比较,证明其有效和简捷。     

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.     

动态无功优化的混合智能算法

针对存在离散控制设备动作次数约束的动态无功优化问题,提出免疫遗传算法和非线性内点法的混合算法.首先忽略控制设备的离散性和动作次数约束,采用非线性内点法求解初始优化解;然后按照控制变量的性质将原问题分解为连续优化与离散优化2个子问题迭代求解.在离散优化问题中,保持连续变量不变,采用免疫遗传算法优化离散变量,通过特别的编码方式使抗体自动满足动作次数约束;在连续优化问题中,保持离散变量不变,采用非线性内点法优化连续变量.混合算法充分结合了免疫遗传算法和非线性内点法的优点,能较快求解动态无功优化的近似最优解.IEEE14节点系统的仿真结果验证了混合算法的有效性.     

免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

应用改进遗传算法的电力变压器优化设计

为了提高遗传算法在电力变压器优化设计中获得全局最优解的能力，对传统遗传算法的编码方案、遗传算子以及约束条件、适应值函数等方面进行改进研究，提出了一种改进遗传算法，并应用经典数学函数进行验证，结果表明改进遗传算法具有较高的寻优效率。在此基础上提出了适应于求解多目标优化的改进遗传算法，并将改进遗传算法首次应用于S9系列电力变压器的单目标和双目标的优化设计中。应用实例表明，文中提出的改进遗传算法（IGA）具有更强的全局寻优能力和更高的求解精度，对电力变压器的优化设计效果明显。     

改进遗传算法在配电网重构中的应用

：配电网络重构是降低网损、提高电网运行经济性和供电可靠性的主要途径之一．在满足各种运行约束条件下,以网损最小或可靠性最高为目标的配电网重构问题是一个典型的非线性整数组合优化问题．根据配电网特点,提出了改进的遗传算法（ＩｍｐｒｏｖｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ－ＩＧＡ）,ＩＧＡ采用新型编码方案,在编码阶段即防止了环网和“孤岛”出现,提高了求解效率,并在此基础上改进了交叉和变异算子．此外ＩＧＡ引入了模拟退火算法以提高算法局部搜索能力．算例结果表明,ＩＧＡ在配电网重构中是可行、有效的．     

基于免疫算法的电子渠道软件测试用例生成

提出了一种基于免疫遗传算法的电子渠道软件测试用例生成模型,并介绍了免疫遗传算法的基本思想.通过将免疫遗传算法与传统遗传算法和随机算法在电子渠道软件测试用例生成中的比较,说明了免疫遗传算法的效率明显高于传统遗传算法和随机算法,同时也进一步验证了模型的正确性、可行性.     

基于IGA-BP神经网络滚动轴承故障的诊断

为提高滚动轴承故障模式识别技术的研究,基于IGA-BP神经网络的故障诊断原理,运用IGA对BP神经网络的权值与阈值进行调整和优化,利用小波包分解获得轴承振动信号的特征向量,进行了滚动轴承故障的诊断实验研究,对故障模式进行识别。结果表明,IGA-BP神经网络方法具有很强的故障识别能力,说明利用IGA-BP神经网络方法进行轴承故障诊断是可行的。     

免疫遗传算法在渠道优化设计中的应用

农田水利工程中的灌溉渠道断面设计大都是非线性优化问题,在实际求解过程中一般采用传统低效的试算法.文中应用免疫遗传算法(IGA)对梯形和U形灌溉渠道断面的底宽及设计水深等参数进行了优化设计.算例表明,IGA能有效解决渠道断面设计中的优化问题,且计算量小、精度高,在工程优化设计中具有较高的应用价值.     

基于改进遗传算法的前向神经网络

针对遗传算法的主要算子———交叉算子 ,设计了新的交叉算子 ,使个体尽可能地分散在整个解空间 .在具体交叉操作中 ,产生随机个体参与交叉以更好地搜索新的解空间 .并提出了组合变异策略 ,假如对变异后个体隔代保护策略 ,构造了一个有效的改进遗传算法 .利用该改进遗传算法 ,构造了前向进化神经网络 .它综合了改进遗传算法优良的全局寻优性能和前向神经网络的非线性映射能力 .     

一种新型的制造元设计方案

建立了制造元设计问题的整数规划模型,设计了一种基于疫苗接种的免疫算法,构造了一种基于免疫计算的制造元设计问题解决方案。实验结果表明,本文方案优于已有方案,能够有效地解决大中等规模的制造元设计问题,具有较好的应用价值。     

一种免疫遗传算法研究及应用

为克服标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,文章提出了一种免疫遗传算法(IGA),即在父代优秀个体群的基础上叠加一个服从正态分布的随机变量来产生子代个体,以此综合体现父代优秀个体的遗传性和免疫性。研究表明,IGA对SGA的改进是有效且可行的,显示出稳健的全局优化、计算量少和求解精度高等特点,具有较高的应用价值。