模糊规划及其程序实现

利用遗传算法和模糊模拟求解以下两类模糊问题:其一是在模糊条件下要求一个清晰目标函数达到极大或极小,其二是在模糊条件下要求一个模糊事件的可能性达到极大,采用基于模糊模拟的遗传算法进行求解.     

可追加订购报童问题的模糊机会约束规划模型

研究模糊环境下可追加订购的报童问题.假设需求量、追加定购的价格等均为模糊变量,在本金有限制的条件下,以极大化收益为目标,建立一个模糊机会约束规划,并将模糊随机模拟、神经元网络及遗传算法相结合,给出一个混合智能算法来求解该模型,从而得到最优订购量及追加的最大定购量.最后给出了数值例子.     

含随机-模糊参数的可追加订购报童问题

研究了模糊环境下的可追加订购的报童问题.假设需求量为随机变量,而追加定购的价格等为模糊变量.在本金有限制的条件下,以极大化收益为目标,建立了一个随机-模糊混合的规划模型,并将模糊随机模拟、神经元网络及遗传算法相结合给出一个混合智能算法来求解该模型,从而得到最优订购量及追加的最大定购量.最后给出了数值例子.     

基于模糊模拟的遗传算法在最短路径问题中的应用

模糊最短路径问题将网络中弧的权值描述成模糊的，突破了传统最短路径问题的局限性，更符合实际网络的要求。采用模糊期望值模型求解最短路径问题，由于模糊变量隶属函数的形式多种多样，对于有些模糊变量，很难求出其具体的期望值，所以本文设计了基于模糊模拟的遗传算法进行求解，获得了良好的效果。     

模糊稳健优化设计中的神经网络技术

由于模糊稳健设计中的准则函数和约束函数是随机性可控因素与不可控因素的函数,其概率密度函数的表达式难以确定,故在优化设计中采用随机模拟方法.但采用遗传算法进行优化计算时,随机模拟消耗的机时很大,优化计算效率极低.为此,采用BP神经网络对模糊随机函数进行逼近,探讨了神经网络的构造与程序实现方法;用插装式溢流阀调压弹簧的模糊稳健优化设计问题进行了数值仿真与验证.实例表明,BP神经网络的仿真精度可以达到工程优化问题的要求,把遗传算法与神经网络技术相结合,可以有效地求解模糊稳健设计等复杂优化设计问题.     

基于混合智能算法的模糊运输问题的研究

本文研究了在模糊费用条件下的运输问题,并利用不确定理论中的机会约束规划模型和相关机会规划模型的思想,建立了具有模糊费用的运输问题的数学模型。此外,设计了一种混合智能算法,即在模糊条件下的遗传算法的应用。最后,利用这种算法求解一个算例。     

模糊需求下批量生产优化模型

研究了供应链环境下的批量生产计划问题.在确定需求的基础上,建立了模糊需求下批量生产优化模型,并将其转化为模糊机会约束规划模型.用清晰等价类对其进行清晰化处理,目标函数是单位时间供应链总成本最优.并将模糊模拟技术引入遗传算法对模型进行求解.数值实例验证了其有效性.     

模糊需求下批量生产优化模型

研究了供应链环境下的批量生产计划问题。在确定需求的基础上,建立了模糊需求下批量生产优化模型,并将其转化为模糊机会约束规划模型。用清晰等价类对其进行清晰化处理,目标函数是单位时间供应链总成本最优,并将模糊模拟技术引入遗传算法对模型进行求解。数值实例验证了其有效性。     

利用非精确算法求解模糊规划问题

提出一种基于遗传算法求解模糊线性规划的非精确算法,它将遗传算法将做为算法的框架,在遗传算子之中运用了模糊控制思想,最终求解出一个模糊优解,取代了利用单纯形法求解模糊线性规划问题的一个最优解。实验结果表明,算法能使决策者更加满意,并有潜力解决实际的规划问题。     

利用模糊子集重叠性简化模糊系统的一种方法

根据模糊子集之间的重叠性，合并模糊子集，达到简化模糊系统，减少模糊规则数目换；使用遗传算法法提取模糊规划和优化模糊子集的隶属度函数，计算机模拟表明了上述方法的有效。     

一类模糊运输问题及其混合智能算法

研究了一类更加贴近于现实生活的模糊环境下的运输问题，即需求量和供应量均为模糊变量的运输问题．并借鉴针对模糊环境中的优化问题提出的机会约束规划模型和相关机会规划模型的思想，建立了模糊运输问题的数学模型．此外，考虑到模型涉及大量具有复杂性和多样性的模糊变量，设计了一种混合智能算法，即基于模糊模拟的遗传算法来求解模型的近似最优解．最后，数值例子表明算法的有效性和可行性．     

非线性电路的ACNGA求解方法研究

在非线性电路的研究中，非线性电路的全解集的求解方法研究是非线性电路理论的重要研究领域之一。遗传算法是一种模拟生物进化的最优化搜索方法，因其稳定性好、不需要计算目标函数的能处理多维数值问题，遗传算法在科学研究和工程技术中得到广泛运用。针对非线性电路的全解集的求解要求，本文提出了一种改进的具有自适应交叉算子的小生境遗传算法，成功地应用于非线性电路的全解集的求解，结果表明了具有自适应交叉算子的小生境遗传算法（ACNGA）对非线性电路求解的有效性和实用性。     

基于遗传算法的波分复用网络保护容量优化设计

针对传统数学方法难以快速求得波分复用（VDM）网络保护容量优化问题的工程满意解，提出了一种基于遗传算法的全新求解方案，它具有结构简单，搜索效率高，求解速度快等优点，分析了交配概率和变异概率等控制参数对算法性能和求解精度的影响，为了加快遗传算法对链路分离型路径保护方法下WDM网络优化模型的求解过程，设计了一种简捷的问题解编码方式，它极大地简化了选择，交配和变异等遗传算子的执行，仿真结果表明，基于遗传算法的求解方案能够迅速地求出保护容量优化问题的全局近似最优解，且满足工程设计的精度要求。     

求解更多极大T-传递内部的方法

在Fodor等给出的求解有限论域上极大T-传递内部构造方法的基础上,对求解一个模糊关系的更多极大T-传递内部的方法进行了讨论。首先,从任意行出发,对一个模糊关系的极大T-传递内部进行讨论;其次,从任意列出发对其进行了研究;最后,对与一个模糊关系最近的极大T-传递内部的求解方法进行了研究。     

模糊系数交叉规划

在模糊系数规划和交叉规划的理论基础上，对模糊系数交叉规划进行讨论，在以各个子规划的最小目标满意度最大化为最优性条件的要求下，提出模糊系数规划的模糊最优解的定义，并给出一种可行的求解方法．     

一种基于遗传算法的模糊聚类

对模糊c均值聚类算法（FCM算法）进行了讨论，说明FCM算法一般得不到全局最优分类，因此结合FCM算法提出了用遗传算法进行寻优求解，从而将遗传算法用于模糊聚类分析，最后的实例表明，遗传算法在处理多样本、多属性、多类别问题时，是一种有效的方法。     

不确定条件下单阶段多产品批处理过程的调度

讨论了不确定条件下的单阶段多产品批处理过程，基于模糊理论建立了加工时间不确定和顺序相关建立时间不确定的调度模型。这里引用“中间值最大隶属度”算法将模糊的优化问题转换为普通的优化问题，然后结合遗传算法进行优化求解。最后仿真结果表明了所建模型及算法的有效性。     

解病态线性方程组的遗传算法

提出了求解病态线性方程组的一种新方法－遗传算法，这是一种模拟自然遗传和达尔文进化理论的并行随机优化算法，首先，详细描述了遗传算法，然后，为了应用遗传算法，将病态线性方程的求解转化为无约束优化问题来解决，最后，给出计算机模拟结果并与其他方法作了比较。     

模糊证券投资组合的期望值模型

讨论了当投资的预期收益率和风险损失率为模糊变量时,证券投资组合模型的优化问题.建立了证券投资组合决策系统的期望值模型,并设计了基于模糊模拟的遗传算法进行求解.该方法有效地解决了模糊证券投资组合问题.     

基于遗传算法的网络优化技术在设备维修中的应用

遗传算法用于维修网络优化,是求解网络优化问题的一个新思路,实例证明,遗传算法用于机床维修网络优化,其计算结果比模糊网络规化得出的最优解更精确。