改进遗传算法在TSP中的研究应用

遗传算法(GA)是一种基于自然群体遗传机制的有效搜索算法,由于在搜索空间中存在早熟及计算偏大的不足,本文提出优化遗传算子来改进遗传算法的搜索性能,提高遗传算法在研究典型的组合优化实例-TSP问题的求解效率,最后计算机模拟结果表明,改进遗传优化算法不仅在收敛速度方面提高,而且更接近于最优解的满意解。     

考虑地面沉降约束的地下水模拟优化管理模型

为了解决地面沉降区地下水资源科学管理这一个重要的资源与环境地质问题,基于模拟优化(S-O)模型的思想,建立了考虑地面沉降约束的地下水模拟优化管理模型(SUBGO).模拟模型采用地下水模拟程序MODFLOW-2005中的地面沉降模拟子程序SUB-WT来模拟地面沉降过程.优化模型分别采用遗传算法(GA)和小生境Pareto禁忌遗传混合算法(NPTSGA)分别求解单目标和多目标的优化设计方案.将SUBGO管理模型应用于一个理想场地含水层中地下水开采方案和地面沉降控制的优化设计中,结果表明基于GA的单目标优化和基于NPTSGA的多目标优化均能搜索到全局最优解和全局分布的Pareto最优解,均能够在控制地面沉降的约束条件下,设计合理的地下水开采利用方案.与单目标相比,多目标优化能够为决策者提供多个解作为管理决策方案,同时多目标优化还提高了寻优的计算效率.     

基于遗传算法的Hopfield神经网络集成

针对遗传法中存在的缺欠,根据神经网络和遗传算法原理在优势互补的条件下,提出了一种新的求解方法,即GA-Hopfield 网络方法;该方法就是利用 GA 很强的全局搜索能力来弥补 Hopfield 网络容易陷入局部最优的缺陷的优化方法,且对此模型进行了有效性验证,具有一定的理论研究和应用价值.     

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。     

一种改进的浮点数编码遗传算法及其应用

遗传算法是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索方法,作为优化方法具有明显的优势.通常的遗传算法在实际应用中容易出现过早收敛和搜索结果在最优值附近摆动问题.针对过早收敛提出了采用随机试验法来防止算法陷入局部最优,而针对搜索结果摆动采用动态改变搜索范围的方法来提高优化结果精度,并编制程序对2个著名的优化方法测试函数进行优化计算,测试结果表明,该改进的遗传算法是有效的,不会陷入局部最优,并大大提高了优化结果的精度.     

利用优化的遗传算法解决饲料配方设计问题

 利用改进和优化传统遗传算法的选择策略、搜索空间,自适应调整交叉率和变异率提高了计算效率,并在遗传进化过程中用优秀个体群来逐步缩小搜索空间,提出了求解饲料配方设计问题的一种改进方法(GA+).应用该方法对3个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的遗传算法.结果表明,GA+较好地保持了种群的多样性,精度高、收敛速度快,对求解饲料配方设计问题非常有效.     

最优家族遗传算法

从种群规模和个体空间的角度分析了影响遗传算子性能的因素，在遗传算法(GA)的基础上设计了一种搜索区域可变、群体规模可变的最优家族遗传算法(OFGA)，该算法提出了在优良解附近构造最优家族，最优解搜索将在这个微型空间中进行，在有限的时间内搜索到更优基因的家族将获得生存的权利．由于每一个家族的搜索区域大幅度减缩，伴随着种群规模的减缩，因此提高了算法的收敛速度，家族个体空间大小不变提高了解的精度．最后，给出了3个典型函数的模拟例子，通过与GA的对比结果看到，OFGA在数量级上提高了收敛速度，使最优解的精度也有很大提高，说明新的算法具有应用的潜力。     

改进型卫星多学科设计优化算法

针对传统卫星多学科优化(MDO)方法存在优化问题容易陷入局部最优或无法收敛、计算量过大等缺陷,该文通过改善优化模式、引入遗传算法(GA)的方式对卫星协作优化方法(CO)进行了改进。针对协作优化算法在优化过程中容易陷入局部最优的问题,提出了一种基于局部搜索过程的混合遗传算法(GALS)。使用经典的Rosenbrock函数问题进行了性能测试,发现该算法是一种柔性灵活、能不断扩展和进步的开放式算法,能在保持各学科自治的基础上,异步并行地搜索系统最优解。该算法在实际卫星设计中已进行了多次应用验证,均取得了比传统优化算法更好的效果。     

遗传关联向量机高光谱影像分类

基于高光谱影像临近波段相关性高, 直接在高维空间分类并非最优,并且使用交叉验证进行分类器参数寻优过程繁琐,提出了遗传关联向量机（GA RVM）高光谱影像分类算法,使用遗传算法搜索面向关联向量机（RVM）的最优参数和特征子空间, 消除冗余信息, 简化参数优化过程.实验环节验证了GA RVM算法的有效性,剔除约50%冗余波段后,总体分类精度提高3%, 对难分地物改进尤为明显, 其中混分最严重的2种大豆精度提高了8%.     

利用混沌遗传算法的几何约束求解器

提出一种新的混合算法--变尺度混沌遗传算法(MS CGA), 该算法把遗传算法和混沌算法混合在一起, 在不改变GA搜索机制的同时, 根据搜索进 程, 不断缩小优化变量的搜索空间及调节系数, 引导种群进行新一轮进化, 从而产生更优的 最优个体, 改善了GA的性能, 有效地克服了GA存在的问题. 实验表明, 该方法用于几何约束 求解的性能明显高于标准遗传算法及其他混合遗传算法, 取得了令人满意的效果.     

多级多受灾点连续消耗应急物资调度优化策略

灾后应急救助十分关键,特别是多地同时受灾情况下.为此,考虑将灾民安置与物资运输一体化规划,建立连续消耗多级应急物资调配数学模型.在此基础上,以应急系统施救成本和施救不及时损失为目标函数构建优化模型,并应用遗传算法(GA)和序列线性规划(SLP)算法相结合策略对物资调配进行优化.构造四级救灾物资调配算例模拟救灾过程.数值结果表明,使用GA全局寻优结合SLP局部寻优策略相较单一优化算法能有效找到更优解.所提出的优化策略可为灾后多级多受灾点连续消耗应急物资调度提供可行方案.     

一种新的全局优化算法——统计归纳算法

在多极值问题的优化领域 ,主要有模拟退火算法(SA) ,遗传算法 (GA) ,人工神经网络 (ANN)算法 ,它们都是基于对自然现象模仿的算法。该文从更基本的优化思想出发 ,基于概率论提出了一种新的全局优化算法——统计归纳算法 (SIA)。在一些标准测试函数以及“货郎担问题”(TSP)上的计算结果表明 ,该算法在智能性 (所需的函数计算次数 )和解的全局性方面都远远好于 SA和 GA。在中国 144个城市的 TSP问题实例中 ,它甚至很快就找到了比参考计算中给出的“目前已知的最优路径”更短的路径。从这一算法思想的角度 ,阐述了 SA和 GA为何对全局优化问题有效 ,以及SA和 GA各自固有的不足之处     

面向成本优化的SBS虚拟化资源分配

在部署云应用问题中,对于结构复杂的基于SBS的资源优化分配问题,目前尚缺少深入研究.针对这一问题,提出了组件服务资源配置的概念及其确定方法,基于此将SBS的资源优化分配建模为资源配置的组合优化.为求解优化模型,给出了一种改进了交叉算子和变异算子的遗传算法.实验验证了优化模型的有效性,同时表明提出的遗传算法具有较快的收敛速度,且与线性规划相比,虽然最优解的质量相近,但是在较大规模问题上求解效率明显优于后者.     

用基因算法实现切削参数的现场实时优化

为了使金属切削加工中,切削参数能实现实时优化保证产品质量和设备效率,提出采用基因算法。它是基于生物进化理论的优化算法,对问题进行全局的、并行的启发式探索优化,因而可以防止收敛于局部最优解,且搜索效率优于其它方法;适用于具有多参数、多约束条件和多目标的切削参数优化。基因算法结合现场实际工况的反馈信息实现了实时优化,在任一不同的生产条件下均能达到最优值。     

考虑资金时间价值因素的多资源均衡优化

针对考虑资金时间价值因素的多资源均衡优化问题，构造了不考虑资金时间价值的多资源均衡优化模型，实现了项目中多种资源均衡的静态优化，在考虑资金利息的情况下，建立了资源资金的优化模型．在上述两种模型的基础上提出了考虑资金时间价值因素的多资源均衡优化数学模型；阐述了遗传算法的改进方法，提高了算法的性能，并在此基础上提出了基于改进遗传算法的模型优化求解流程；通过工程实例分析，其成果在工程施工多资源均衡优化当中的应用表明，本文所提方法可行且有效．     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

多工况多约束离散变量桁架拓扑优化的GA算法

采用遗传算法(ＧＡ)求解了多工况、多约束的拓扑优化问题,并对拓扑优化设计变量的遗传编码、约束处理及结构重分析减少等三个方面进行了改进·设计变量采用了额外基因表示法,更易获得最优拓扑结构·为减少结构重分析次数,引入了Ｓｔｅａｄｙｓｔａｔｅ遗传算法,并采用了新的约束处理方法,扩大了搜索空间·     

一种基于遗传算法的OFDMA系统的跨层资源分配

针对现有的跨层资源分配算法计算量大、复杂度较高的问题,提出了一种基于遗传算法的OFDMA系统的跨层资源分配算法。利用遗传算法隐形并行处理、较好的全局搜索性能、易收敛到最优解的特点,在系统性能一定,且满足各个用户业务要求的条件下,对资源进行优化分配,较好地解决了跨层资源的分配问题。仿真结果表明,在满足用户间公平性的前提下,算法有效提高了系统的频谱利用率及吞吐量,减小了用户的平均等待时延,提高了服务质量,并且随着子载波数和用户数的增加,算法在复杂度方面优势更突出。     

一种求解TSP问题的均匀设计抽样混合遗传算法

旅行商问题是经典的NP-hard组合优化问题,在许多领域有着重要应用。近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想。基于理想浓度模型的机理分析,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在旅行商问题特点的基础上,结合2-opt局部搜索策略,给出了一个解决旅行商问题的新的遗传算法。通过将该算法与简单遗传算法和佳点集遗传算法进行实例仿真比较,可以看出新算法在求解旅行商问题上提高了求解的质量、速度和精度,而且避免了其它方法常有的早期收敛现象。