基于遗传算法的资源约束型项目进度问题的优化

基于仅有施工工艺逻辑关系的CPM初始计划,提出了一种新的多资源约束下施工计划优化的计算方法——遗传算法;针对资源受限项目特点,利用遗传算法的特性,对此问题设计了编码方式和解码规则、遗传算子、初始种群的产生方法等,并利用Patterson110标准案例对算法进行了测试,分析了算法参数对算法效果的影响。     

基于加速微种群遗传算法的拱坝体形优化设计

以型值点坐标、拱端厚度和半中心角为体形参数构造三次样条线型拱圈,给出了三次样条线型拱坝体形优化设计模型.采用加速微种群遗传算法求解拱坝优化设计问题,对约束条件根据复杂程度采用不同的处理方法,即相对比较简单的几何约束采用直接检验法,对较复杂的性态约束采用罚函数法处理.以某拟建拱坝的安全性优化设计为例进行了计算,结果表明优化设计的坝体最大主拉应力比初始设计减小了42%,显示了加速微种群遗传算法的有效性与可行性.     

遗传算法模拟生物多序列比对之初始化的改进

针对应用遗传算法求解生物多序列比对问题的初始化进行了改进.初始种群是遗传算法构造的一个关键部分,本文根据多序列比对的生物特性,在初始种群中的个体中插入连续空位,优化初始种群的个体质量;并在初始种群中加入一定比例的在线比对工具MAFFT优质种子,优化初始种群的整体质量.通过数值模拟实例结果显示,经过这两个优化处理可以生成更高质量的初始种群,得到更好的比对结果,提高多序列比对的计算效率.     

TSP问题的一种快速近似算法及应用

给出求解度约束最小生成树(DCMST)问题的一种快速近似算法．在此基础上．又给出求解TSP问题的一种快速近似算法,并在微机上实现且其数值试验的效果良好．最后,将求解TSP问题的近似快速算法作一些改进．应用于遗传算法的初始种群生成并进行数值实验．结果表明,用文中算法生成的初始种群．比起一般方法产生的初始种群性能有很大改进．该算法可以加速遗传算法的寻优速度．     

GENOCOP算法的初始种群的确定

针对遗传算法求解具有凸可行域优化问题使用随机法产生初始种群容易造成早熟收敛,提出用凸可行域的部分顶点作初始种群,将新方法应用于具有线性约束的数值优化问题,计算示例结果表明该方法是一种可行而且有效的优化算法.     

均匀试验设计在遗传算法中的应用

介绍了在遗传算法中运用均匀设计产生初始种群的方法，指出由于遗传算法的交叉机制是完全依赖于初始种群的，所以初始种群的多样性对于遗传算法的收敛性是至关重要的．同时通过算例采用De Jong提出的验证方法验证了运用均匀设计产生初始种群能够增强遗传算法的收敛性．     

遗传算法初始种群与操作参数的均匀设计

通过对遗传算法初始种群与操作参数设定问题的研究,认为初始种群的分布状态与算子操作参数的选取直接关系遗传算法的全局收敛性与搜索效率,对初始种群与各操作参数进行合理设定是应用遗传算法进行寻优计算的重要问题.同时,遗传算法的初始种群必须科学地表征解空间的信息,操作参数也必须兼顾多样性与快速性相互协调设置.基于优化设计思想提出应用均匀设计方法同时确定遗传算法的初始种群及其他操作参数的方法.利用均匀设计的等价准则提出一种简化计算的近似获得均匀初始种群的方法,仿真实例验证了这种方法的可行性、有效性.     

基于初始种群对遗传算法的收敛性探讨

遗传算法是目前广泛应用的一种模拟自然界生物进化机制的概率性搜索算法.初始种群是遗传算法运算时的第一步,因此它是研究遗传算法性质面临的首要问题.基于此,通过实验研究了初始种群对遗传算法收敛性的影响,同时还探讨了种群规模、交叉率和初始种群的关系.研究结果显示,种群规模的选取应该在计算量、算法收敛性之间平衡,交叉率的选取应该有一个适当得值.随机产生的初始种群,在进化过程中选取0.6～0.75的交叉率能提高算法的收敛性.     

基于改进遗传算法的堆垛机拣选作业路径优化

对自动化立体仓库中堆垛机作业路径进行了分析,建立了堆垛机拣选作业的优化数学模型,为解决堆垛机拣选作业的装箱约束问题,提出了仓库拣选作业的新型数学模型,并对遗传算法初始种群的生成进行了改进,用改进后的遗传算法对该模型进行了求解。     

改进遗传算法的试题智能组卷方法

对传统遗传算法在初始种群选取、遗传算法编码、适应度函数设计、遗传算子的自适应设计等方面进行了改进,提出一种改进遗传算法的试题智能组卷方法.仿真实验结果表明,改进的遗传算法在组卷时提高了在题库中搜索的效率和准确性,有效地解决了智能组卷中的多条件约束优化问题,提高了组卷效率和成功率.     

改进罚函数分级遗传算法及其在桁架结构优化设计中的应用

遗传算法在应用于结构优化设计时无需将约束条件显式表达,可以方便地处理各类位移和应力约束问题,因而在桁架结构的优化设计中得到广泛应用.基本遗传算法结合罚函数法在处理桁架结构优化设计等有约束优化设计问题时存在迭代代数过多、收敛不稳定等问题.文章提出根据种群中个体偏离约束限值的程度进行惩罚的罚函数法,能够较好地处理非可行解,扩大搜索的区域;通过分级、排序操作保证优秀个体优先被选择,良好的基因得以遗传;采用锦标赛选择方法根据个体的种群级别、约束偏离程度进行选择,在算法进化过程中较好地保持种群的多样性,避免陷入局部最优解陷阱.通过对2个经典的桁架结构案例进行算法可行性的验证,优化结果表明,相对于传统的遗传算法,采用文章的方法可以快速稳定地收敛到全局最优解,该方法可以推广到其他结构体系的优化设计中.     

结构优化设计中的组合遗传算法

针对标准遗传算法存在的早熟收敛、随机振荡和收敛速度慢等缺陷,采取改进措施.利用混沌序列的随机遍历性生成初始种群,并把相对差商算法的优化解加入到初始种群中,改善初始种群的性能.采用适应度的指数尺度变换改进传统的适应度评价函数.相对差商算法局部搜索能力强,而遗传算法具有较强的全局搜索性,发挥两者的优势,提出组合遗传算法.把相对差商算法作为一个与选择、交叉、变异平行的遗传算子嵌入到改进遗传算法中,提高局部寻优能力,防止早熟收敛.通过十杆平面桁架的数值算例来验证组合遗传算法应用的可行性和有效性,组合遗传算法的优化结果也远好于标准遗传算法和改进遗传算法.     

模糊约束网络在机床产品协同设计冲突检测中的应用

分析了机床产品协同设计中约束的内涵和特点,并用EXPRESS-G图描绘了约束网络的结构模型.将机床产品协同设计中的约束分为硬约束和软约束,从数学上给出模糊约束和模糊约束满足问题的定义.采用遗传算法作为协同设计过程中模糊约束满足问题的求解方法,在遗传算法的运行过程中对软硬约束分别进行了不同的技巧处理,遗传算法利用硬约束通过前向检查算法随机产生几何可行初始群体来限制设计空间,并给出遗传算法的具体实现过程.提出了基于模糊约束网络的冲突检测系统的体系结构,并对原型系统进行开发.最后,以某车床传动轴的设计为例验证了约束在协同设计冲突检测中的应用.     

面向机械设计的一种改进的遗传算法

根据对机械优化设计应用中模型的约束与目标函数的特点,提出一种改进的遗传算法.提出个体多代生存的模式和种群规模动态波动促进优良模式积累的理念.对约束和目标函数的处理分别采用了新的选择和配对算子.采用一种小生境技术保持优化算法搜索的全局性能.最后通过实验验证了本文提出的理念以及改进的遗传算法对于复杂约束问题的良好性能.     

求解含等式约束优化问题的遗传算法

针对遗传算法较难处理含等式约束的优化问题,在设计变量独立性分析的基础上对等式约束采用了降维处理方法,不仅使等式约束在优化时始终严格满足,而且经降维处理后优化问题仅包含不等式约束;然后,借鉴多目标优化思想,提出了从个体违反约束程度和违反次数2方面同时对种群进行排序,使算法对个体的排序和选择更符合实际.实例验证了该算法的有效性和可行性.     

基于改进遗传算法的RTM注射速率优化

针对目前遗传算法初始种群大多数为随机产生,注射速率优化过程容易早熟或不收敛问题,提出了基于注射速率规则的改进遗传算法。在大量注射速率历史数据基础上,建立了注射速率影响因素决策表,提出了规则相似度计算模型。由基于规则的种群生成算子生成初始种群,以填充质量最优为目标,并构造适应度函数,然后进行遗传操作,最后采用面向对象编程语言实现该算法。实例表明该算法比标准遗传算法收敛更快,而且在用该算法优化得到的注射速率下的充填质量比在用标准遗传算法优化得到的注射速率下的充填质量更好,说明采用改进遗传算法优化注射速率更为合理和可靠。     

基于复合式遗传算法的电机排产优化

为了解决电机的排产优化问题,提出了一种复合式遗传算法进行求解.首先,采用Palmer法产生一个初始解,同时随机产生其他个体来共同组成初始种群;其次,采用子种群分类交叉和种群整体替换策略进行交叉和替换操作;最后,利用Metropolis准则控制变异操作,得到新的种群.整个迭代进化过程采用模拟退火算法的控温准则进行控制,以此寻求最优解.对L公司的生产数据及其订单进行测试,试验结果表明:复合式遗传算法相比传统的遗传算法,能在一定程度上优化排产顺序,提高生产效率;而相比较新改进的遗传算法,其搜索速度更快,算法性能更优.     

模糊需求环境下多工艺批量生产计划

基于模糊集理论与容差法思想，研究了具有模糊客户需求与多工艺约束的批量生产计划问题，采用遗传算法寻找优化的计划方案。在遗传算法中，提出了分级构造初始种群的策略，按问题的多约束特征对交叉算子与变异算子重新进行了定义，并对不同模糊参数和优化目标下的批量计划进行了定性和定量评估。结果表明，在一定的需求满意度下以最大化生产利润为优化目标，不仅制造商可以获得较为理想的生产利润值，而且客户的需求满意度也能克服设定约束而达到更高值。     

批量及路径可变时机器ROBUST布置问题

应用混合遗传算法(HGA)解决了生产批量及路径可变时的车间ROBUST布置问题，即用遗传算法找到一种车间布置，它在各个生产时期都是最优或接近最优的．对遗传算法操作中产生的违反约束的个体采用修补和动态惩罚相结合的处理方法，即对变异操作产生的违反约束的个体采用修补的方法，同时在目标函数中引入惩罚函数控制种群中违反约束的个体数目，并设计了一个模糊控制器动态地调整惩罚系数，以解决遗传算法中的约束满足问题，提高了遗传算法的效率．仿真结果表明，所提出的动态调整惩罚系数的思想及方法是提高遗传算法效率的一种有效途径．     

遗传算法在机组启停中的应用及改进

提出了一种遗传算法应用于机组启停的新思路。针对一启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。