基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

一种改进遗传算法在车辆路径问题中的应用

该文通过改进交叉策略建立一种求解车辆路径问题的改进遗传算法。通过编制程序对已有文献中的实例进行测试,取得了较好结果,经数据对比分析得出该遗传算法的性能好于文献报道的遗传算法,是求解车辆路径问题的一个较好的算法。     

改进遗传算法在电力系统低频减载中的应用

电力系统低频减载优化整定是一个多变量、多约束的混合非线性规划问题,其优化过程十分复杂.遗传算法是一种基于自然选择和遗传机制的搜索算法,比较适合于求解电力系统低频减载问题.本文研究了遗传算法应用于低频减载求解的运算流程,并且在结合低频减载问题自身特点的基础上对遗传算法应用于低频减载求解进行了研究改进,给出了包括编码方案、交叉算子、变异算子和收敛判据的改进遗传算法的实现方案.     

改进遗传算法求解VRPSTW问题

为求解物流配送过程中基于单配送中心的软时间窗车辆调度问题（VRPSTW）,本文在传统遗传算法的基础上,引入了并行计算与阶段性进化的思想,提出了求解VRPSTW问题的改进遗传算法.验证实验表明,本文提出的改进遗传算法在求解模型时快速地得到了最优解,收敛速度明显优于传统的遗传算法.     

多载具式AS/RS货位分配建模与仿真

研究多载具式自动化立体仓库的货位分配问题,可提高系统运作效率,降低成本。对双载具和三载具两种设备配置下的货位分配问题进行分析,根据存储系统实际运作情况,考虑堆垛机在行走过程中的加速度,建立更符合实际的数学模型;考虑行程时间和货架稳定两个目标来建立货位分配数学模型,并采用改进遗传算法进行仿真求解。通过对不同任务量的订单进行仿真求解,对比遗传算法和改进遗传算法的偏离误差和平均偏差,验证了改进遗传算法可行有效。     

基于求解非线性方程组的并行遗传算法的设计

作者将非线性方程组的数值求解问题转化为线性约束最优化问题,然后利用遗传算法求解该最优化问题。为防止遗传算法过早收敛,作者将遗传算法改进为自适应并行遗传算法.数值模拟实验表明,该文的算法从另一个角度为求解非线性方程组提供了一条比较有效的途径.     

多载具式自动化立体仓库货位分配建模与仿真

研究多载具式自动化立体仓库的货位分配问题,可提高系统运作效率,降低成本。对双载具和三载具两种设备配置下的货位分配问题进行分析,根据存储系统实际运作情况,考虑堆垛机在行走过程中的加速度,建立更符合实际的数学模型。考虑行程时间和货架稳定两个目标来建立货位分配数学模型,并采用改进遗传算法进行仿真求解。通过对不同任务量的订单进行仿真求解,对比遗传算法和改进遗传算法的偏离误差和平均偏差,验证了改进遗传算法可行有效。     

危险品关联运输调度问题的优化设计

针对带硬时间窗的关联运输调度问题(Incident Vehicle Routing Problem with Hard Time Windows,IVRPHTW),联系实际应用中危险品的车辆路径问题,介绍了混沌遗传算法的基本原理,并对其进行改进,自适应地调整交叉概率和变异概率,引进了模拟退火机制,并用改进的算法来对IVRPHTW求解,然后与遗传算法求解此模型的结果相比较。实例证明该算法求解危险品的关联运输调度问题是可行的,且优于传统的遗传算法。     

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。     

改进遗传算法求解防空作战WTA问题

武器目标分配问题是防空作战指挥控制的核心和关键。针对求解防空作战WTA存在容易早熟和收敛较慢的问题,提出了一种改进遗传算法。引入直觉模糊集理论,定义了WTA问题的目标函数和约束函数的隶属度和非隶属度函数,通过"最小最大"算子构建了直觉模糊WTA问题模型;针对遗传算法中变异概率固定的竞争和子代种群缺乏父代优良个体的问题,采用自适应变异概率和模拟退火Meta-Lamarckian学习策略改进算法,并求解防空作战WTA问题,与其他算法进行仿真比较,结果表明改进遗传算法求解防空作战WTA的有效性。     

Input Data Dependency of a Genetic Algorithm to Solve the Set Covering Problem

A genetic algorithm to solve the set covering problem proposed in the literature had some improvements which gave better solutions, i.e., better chromosomes in the first starting population, taking full account of domain specific knowledge with sound programming skill. We have further investigated the input data dependency of their genetic algorithm, i.e., the dependency on costs and density. We have found that for input problem data sets with densities greater than or equal to 3%, our genetic algorithm is still practical both in computing time and approximation ratio.     

基于DNA粘贴模型求解最小集合覆盖问题

运用DNA计算模式中基于粘贴运算的粘贴模型求解最小集合覆盖问题.在粘贴模型中,用存储复合体来表示子集,并利用粘贴运算的巨大并行性,可以有效地求解最小集合覆盖问题.举例说明了基于DNA粘贴模型求解最小集合覆盖问题的过程.     

大学课程表问题的模型与算法

课程表问题(Tinletabling problem．简称TTP)是时间表问题之一，也是NP难问题。根据大学授课形式的特点建立了大学课程表问题的数学模型．并给出了求解该问题的遗传算法。为了提高解的质量和加快收敛速度，当相同时问段内班级重复出现时，给出了寻找可能的新位置的方法，并将其嵌入遗传算法，实验结果表明该方法是可行和有效的。     

一种广义分子计算模型在集合覆盖中的应用

在分子计算原理和传统计算机模型基础上,提出了一种新的基于图灵机的广义分子计算模型,又称广义图灵模型,该模型的具体实现不依赖于特定生物技术. 模型继承分子计算大存储高并行的特点,通过时空复杂度转换,在求解NP完全问题上具有通用性. 模型由一台基本图灵机、一个只写带和一条工作带及读写网络这3部分组成,其中只写带和工作带之间存在一种特殊拓扑映射. 通过数据规模为4的集合覆盖问题,证明该算法能在多项式时间内求解集合覆盖问题,验证了算法和模型的有效性.     

Two-Level Genetic Algorithm for Clustered Traveling Salesman Problem with Application in Large-Scale TSPs

Let G = (V, E) be a complete undirected graph with vertex set V, edge set E, and edge weights l(e) satisfying the triangle inequality. The vertex set V is partitioned into clusters V1, V2, …, Vk. The clustered traveling salesman problem (CTSP) seeks to compute the shortest Hamiltonian tour that visits all the verti- ces, in which the vertices of each cluster are visited consecutively. A two-level genetic algorithm (TLGA) was developed for the problem, which favors neither intra-cluster paths nor inter-cluster paths, thus realized inte- grated evolutionary optimization for both levels of the CTSP. Results show that the algorithm is more effec- tive than known algorithms. A large-scale traveling salesman problem (TSP) can be converted into a CTSP by clustering so that it can then be solved by the algorithm. Test results demonstrate that the clustering TLGA for large TSPs is more effective and efficient than the classical genetic algorithm.     

集合覆盖问题降阶算法

集合覆盖问题是运筹学与计算机科学中的一个NP难题.首先将该问题转化为一个等价的二分图,给出该问题的上下界算法;接着给出该问题的数学性质,这些数学性质能降低问题的规模,加快算法的求解速度;然后将数学性质和上下界方法结合起来形成一个降阶算法,并给出了算法的时间复杂度分析.该算法不仅可以单独使用,还可以与其它算法结合起来使用达到更好的效果.最后通过多个示例进一步说明算法的原理及应用情况.     

图的最小顶点覆盖问题的质粒DNA计算模型

给出了图的最小顶点覆盖问题的质粒DNA算模型及其实现算法．算法的时间复杂性是O(q),编码最小覆盖问题所需的核苷酸片段种类为n,其中n,q分别是图的规模和边数．在算法中,所用酶的种类也等于图的规模．而且,算法不需要复杂的单链DNA自身退火反应和PCR扩增．     

混合遗传算法求解双准则线性运输问题

针对传统的遗传算法求解双准则线性运输问题时非劣解容易陷入局部区域的不足之处,提出一种改进的混合遗传算法。该算法分别从初始化染色体、非劣解的寻找和选择算子三个方面对传统遗传算法进行改进。并且在选择算子中结合使用权重系数变化和最小境技术保证可行解的收敛性,增加非劣解的多样性,使所求的非劣解具有一定代表性。最后通过计算实例结果,表明改进的混合遗传算法能获得更多的有效非劣解。     

一种求解车辆路径问题的双目标遗传算法

车辆路径问题是一个NP-难问题,将该问题描述成为一个多目标最优化问题,并为之提出了一种双目标遗传算法来解决该问题.在算法中设计了一种新的构造非支配集的方法,改进了杂交算子,混合了局部爬山法.实验结果表明该算法是求解车辆路径问题的一种高效的算法.     

利用正交方法解SAT问题

提出了一种解决SAT问题的新算法.该算法首先定义了子句之间的正交关系;然后从消除子句之间的交叠信息出发,利用正交子句的特性,结合有效的简化技术,逐渐将问题简化为一组与原问题完全等价的正交子句组;最后,根据正交子句组对整个赋值空间的覆盖情况来判断SAT是否满足.该算法为SAT问题的解决提供了一个新的思路.