炼钢－连铸最优炉次计划模型与算法

对钢铁厂炼钢－连铸计划与调度中的炉次计划建立了一个最优炉次计划混合整数规划模型．为了用遗传算法求解这一带约束条件的混合整数规划模型，提出了一种染色体的构造策略和交叉、变异方法，解决了迭代过程中满足可行性要求的问题，经用实际数据进行计算，表明所给模型和算法是有效的．     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

一种求解TSP问题的改进粒子群优化算法

针对基本粒子群优化算法(PSO)容易陷入局部最优的缺点,将遗传算法、模拟退火算法与粒子群算法结合,提出一种改进的粒子群优化算法.在PSO的快速寻优基础上,融入遗传算法的交叉与变异操作,使粒子群具有变异能力,同时引入模拟退火算法的Metropolis准则,允许粒子在目标函数有限范围内变坏,防止陷入局部最优,形成一种新的算法模型,应用于TSP问题求解.采用TSPLIB中burma 14和att 48作为实验数据,对算法求解旅行商问题进行模拟与分析.仿真实验结果表明该改进算法提高了求解质量,全局搜索能力得到增强.     

一种新的求解约束优化问题的遗传算法

科学和工程领域中的许多问题最终可以归结为求解一个带有约束条件的函数优化问题,本文针对此类约束优化问题提出了一种新方法,它把约束优化问题转化为双目标优化问题,并利用遗传算法从多点出发寻找最优解的特性,设计新的交叉、变异和选择算子,使得算法迅速找到问题的最优解。数据实验结果表明该算法对约束优化问题的求解是有效的。     

基于遗传算法的代理服务器位置优化研究

针对传统方法难以快速求得Web服务器代理部署问题的满意解,提出了一种基于遗传算法的求解策略.以图论为基础,构建了代理服务器位置优化模型,从Web服务器到客户构成一个树型结构.遗传算法采用二进制编码表示代理的位置,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.算法在时间复杂度方面优于传统方法.仿真结果表明,基于遗传算法的求解方案能快速地求出代理服务器位置优化问题的全局近似最优解,并满足实际Web应用的精度要求.     

再制造系统能力约束下拆卸批量计划优化方法

针对再制造系统中能力约束下的拆卸批量计划问题,应用两阶段启发式遗传算法进行了优化求解.首先对再制造产品结构进行了描述,建立了再制造系统中能力约束下的拆卸批量计划优化模型;其次在不考虑能力约束情况下应用遗传算法求解出初始的拆卸批量计划,其中,染色体编码采用拆卸决策变量来表示,同时对适应度函数进行了线性变换,设计了具有自适应的交叉概率和变异概率;然后应用转移算法对初始得到的批量计划进行了修正,使其符合拆卸能力的约束.大量随机算例的仿真实验说明所提出的算法不论在寻找最优解方面还是在求解速度和稳定性方面,都要大大优于精确算法,能够较好地解决实际生产中面临的拆卸批量计划问题.     

炼钢组炉问题优化模型及其动态规划算法

针对炼钢组炉计划编制中的集约优化问题,建立了各优化目标下的数学模型,并利用动态规划法,对该优化问题进行了求解.经算法时间复杂性分析和实际生产数据仿真演算,结果表明在一定的生产条件下,该算法能在合理的时间范围内给出一批合同最优的组炉方案,使得生产余材最小,可显著降低组炉计划余材量,经济效益非常显著.     

基于改进遗传算法的露天采矿优化

首先针对露天采矿优化问题的实际情况,建立了优化数学模型,并将原问题的约束条件转化为目标函数的组成部分,使之便于利用遗传算法求解.针对遗传算法的局限性,实施了最优保留策略,并改进了选择、交叉和变异操作,使该算法能够有效地提高收敛速度,避免早熟收敛.最后,通过实际算例说明,该优化方法有效、实用.     

一种异型改进的自适应遗传算法

遗传算法搜寻全局最优解的优异特性使其在许多应用领域中获得了很好的运用,但该算法作为一种随机优化算法,对求解相对繁杂的全局优化问题易使最优解收敛至局部最优解.而标准的自适应遗传算法是在遗传算法的基础上对交叉率的值和变异率的值进行线性自适应调整,在收敛性能有所提升,但仍然不能有效避免算法的早熟.提出一种异型改进的自适应遗传算法(Heterogenic improved adaptive GA,简称HIAGA),即在对变异率和交叉率进行曲线自适应调整的同时应用精英保留策略的方法.仿真实验结果表明,HIAGA算法在处理收敛速度和避免搜寻结果成为局部最优解等方面能达到较好的处理效果.     

一种基于分层模糊控制的免疫遗传优化算法

针对标准遗传算法的不足,借鉴生物免疫机理和人脑模糊思维功能提出一种新的基于分层模糊控制的免疫遗传算法.该算法利用免疫系统独特性网络学说,改进标准遗传算法选择算子,提高了种群多样性;同时从环境、种群、个体和基因角度,全面分析算法寻优性能和各种进化参数的启发式模糊关系,采用模糊推理动态调整交叉率、交叉位置和变异率,减小了标准遗传操作的随机性.实验结果表明,新算法不仅可有效克服标准遗传算法的缺陷,而且收敛速度、计算精度和算法稳定性也得到明显提高.     

自适应遗传算法在飞机调度问题中的应用

基于自适应遗传算法，实现了单跑道降落飞机调度问题的求解，算法以所有飞机的排列次序做为个体编码，解码时用移动方法确定飞机的降落时间，适应度函数的构造综合考虑了飞机的提前和延迟带来的损失，选择算子采用期望值方法，交叉算子用顺序交叉，变异算子用倒位变异，为提高算法的执行效率并避免早熟收敛，对交叉和变异概率均采用自适应策略，仿真结果表明了自适应遗传算法用于飞机调度问题的有效性。     

关于积Domain上的Scott拓扑和连续函数Way-below关系的一点讨论

对任意一族具有小元的dcpo{Li}i∈I，证明了若每个σ(Li)是连续格，则ⅡLi上的Scott拓扑恰是诸Scott拓扑σ(Li)的积拓扑，得到了关于连续函数way-below关系的一些结果。     

车间流程的免疫调度算法

为了高效地解决车间流程(Flow Shop)问题,提出了一种利用免疫算法求解Flow Shop调度问题的方法.该算法是根据人或者其他高等动物的免疫系统机理设计的,将调度目标和约束条件作为抗原,将问题的解作为抗体,对抗体采用按工件加工顺序进行自然数编码,并把最大流程时间的倒数作为适应度函数,新抗体的繁殖是通过部分匹配交叉算子和按工件顺序互换的变异算子实现的,对抗体产生的刺激和抑制通过抗体浓度来调节,而抗体浓度通过计算抗体之间的最大亲和力获得.通过对Flow Shop问题的基准测试表明,该算法不仅在求解问题的规模上具有很好的可伸缩性,而且在运算时间上也低于遗传算法和模拟退火算法.     

(N+M)容错系统优化模型求解的父代保留免疫遗传算法

针对(N M)容错系统优化模型复杂非线性的特点,结合免疫遗传算法和父代保留策略,提出了模型求解的父代保留免疫遗传算法。该算法在进行交叉和变异操作后,新产生的个体不覆盖父代个体,扩展种群进行基于矢量距浓度机制的选择操作,这样可避免较优个体的损失,增强种群的多样性,提高算法的搜索能力及收敛性能。算法性能分析揭示了算法性能改善的机理。优化模型求解结果表明,该文提出的算法较免疫遗传算法在寻优精度和收敛速度方面有一定改善。     

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.     

不确定条件下基于遗传算法的作业车间调度问题

考虑到产品不同的交货期, 研究了不确定条件下的作业车间调度问题, 用三角模糊数表示产品处理时间, 建立了调度问题的模型, 并结合模糊理论设计了一种改进的遗传算法进行求解. 该算法通过整数编码的方法产生初始种群, 结合轮盘赌方法和精英保留策略进行选择操作, 采用基于优先工序交叉(precedence operation crossover, POX)算子和互换变异方法进行交叉和变异操作, 并通过动态调整交叉概率和变异概率的方法来提高算法的性能以及计算效率. 最后, 通过算例和企业实例验证了该模型和算法的有效性.     

采用实时生产信息的单元制造任务动态调度方法

运用无线射频技术来实现对制造单元加工现场实时生产信息的动态获取,并针对制造单元生产过程中常发生的新任务加入、设备损坏和交货期更改的不确定性事件,以制造任务最短完工时间为调度目标,建立了单元制造任务的动态调度模型,通过引入爬山搜索方法构建了混合遗传算法,实现了对该模型的有效解算.混合遗传算法的进化操作由选择、交叉、变异与爬山进化算子组成,可有效地提高算法的收敛速度,在开发的采用实时生产信息的单元制造任务动态调度系统上进行了调度案例验证,结果表明,所提出的方法可以有效地解决不确定性事件的单元制造任务的动态调度问题,从而提高了调度方案与制造单元实际生产需求的一致性.     

基于免疫算法的不确定条件下车辆调度问题

带模糊需求的车辆调度问题(VSPFD)是在基本的车辆调度问题(VSP)上增加了模糊需求约束条件的一种变化形式,是一个典型的NP难题。通过引用一种新的编码方法、交叉和变异概率的自适应机制,构造一种改进的免疫算法来求解VSPFD,并将求解结果与遗传算法比较。比较结果表明该算法对于求解VSPFD问题具有较好的性能。     

考虑投放期、交货期和机器准备时间的平行机问题改进遗传算法

针对考虑工件投放期、交货期和机器准备时间的平行机问题，分别以最小化最大机器完工时间和最小化工件总延期惩罚费用为优化目标，建立相应的平行机问题模型，提出一种求解该问题的改进遗传算法。该算法中采用了基于工件和机器的多参数级联编码，染色体由工件子串和机器子串连接而成；提出了机器的加工能力、加工能力指数和冗余机器集的概念及相应的初始种群生成方法；对工件子串采用部分映射交叉，而对机器子串不作交叉运算；在变异算子中，提出基于机器负荷的启发式变异算子。     

BOD-DO水质模型多参数反演的遗传算法

给出了利用遗传算法求解河流水质BOD-DO模型参数反演的一种新方法,该方法把参数反演问题转化为优化问题用遗传算法求解,其特点在于:从多个初始点开始寻优,并借助交叉、变异算子来获得水质参数的全局最优解。模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。