面向SOMS外包任务分配决策的一对一Stackelberg博弈模型研究

为解决服务型制造系统(service-oriented manufacturing system,SOMS)中的核心企业外包任务面向单一供应商的分配决策问题,提出并建立了一对一Stackelberg外包任务分配决策博弈模型。在该博弈模型中,将核心企业映射为领导者,将供应商映射为追随者,将生产成本与利润分别映射为核心企业与供应商的收益函数。为实现一对一Stackelberg博弈模型Stackelberg均衡点的有效求解,设计了2层次嵌套遗传算法(genetic algorithm,GA)。案例仿真结果验证了所提出的模型与解算方法的正确性。     

设计同等位相异值遗传算法解决一维多峰函数早收敛问题

研究了等位异值遗传算法(BDGA,Bit Difference Genetic Algorithm)在多峰连续函数上的有效性,BDGA算法从整个种群(即所有个体)的角度来进行突变,通过定义等位异值变异算子进行有向导的变异计算,将每一位基因值的差异性在不同代遗传中加以保留,进而维持种群的多样性,结合简单群体与精英保留策略,很好的解决了遗传算法解多峰问题的早熟收敛问题。使用BDGA算法对经典一维多峰测试函数进行计算,实证了算法的高效性。BDGA算法结构简单,收敛速度快,应用方便,为遗传算法应用的优化提供了参考。     

基于严格二叉树编码和GA的模糊树结构学习

为解决模糊树模型结构学习中存在的信息冗余、寻优效率低等问题,提出了一种基于严格二叉树编码和遗传算法的结构学习方法。通过严格二叉树编码对模型结构进行编码,改善了现有矩阵编码的信息冗余问题;考虑到编码特殊性和算法收敛性,提出了一种改进的遗传算法用来对模糊树模型的结构进行寻优。实验结果表明,不同数据集上该算法的稳定性和计算速度均较好,能够寻找到一个较优的二叉树结构,从而提高模糊树模型的建模精度。     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求，提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method，ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型；然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm，NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化，从而为车载计算任务找到有效的计算迁移策略；最后根据多目标决策准则（multi-criteria decisionmaking，MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution，TOPSIS）选择出最优的计算迁移策略.实验结果表明，ICOM方法能够使车载计算任务在期望时间内完成，同时也保证边缘设备的负载均衡.     

自适应遗传算法在二维电磁波散射的MEI方法中的应用研究

MEI(Measured Equation of Invariance)方法是一种有效的用于边界截断的数值计算方法,已在计算电磁学领域得到广泛应用,其中MEI方程的病态性是值得关注的一个问题.该文采用有限元方法求解与二维电磁波散射问题相关的Helmholtz方程,重点研究将自适应遗传算法应用于MEI方程的求解.该文的研究结果表明,应用自适应遗传算法求解MEI方程是有效的.     

基于边缘计算和稳态 遗传算法的AIoT资源调度研究

在万物互联时代，智能物联网（Artificial Intelligence of Things, AIoT）是人工智能与物联网融合发展的新兴方向在面对边缘海量数据和连接时，如何进行资源负载的调度是AIoT目前亟待解决的关键问题边缘计算（Edge Computing）是对云计算的补充和发展，具有低时延、位置敏感和无线接入等优点，能在网络边缘进行高效部署该文提出了一种基于边缘计算和遗传算法的AIoT资源调度方法首先，基于边缘计算构建了云边融合的AIoT分层网络资源管理架构然后，对其资源调度问题进行了数学建模并使用稳态分组遗传算法（SSGGA）进行了优化最后，根据得到的优化方案制定了计算资源调度策略另外，基于iFogSim平台搭建了实验环境，仿真结果验证了该文所设计的资源调度策略可有效降低高负载下AIoT各节点的处理时延，并有效提升网络内设备的能量利用效率该文的工作对于推动AIoT的发展具有良好的理论和应用价值     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

基于遗传算法的全局优化及在团簇结构搜索中的应用

遗传算法是研究复杂体系特性时经常采用的一种高效的全局优化方法.以开发出的程序为基础,介绍了遗传算法的基本特征、操作步骤、技术细节及在团簇结构优化中的运用.通过在富勒烯和铋团簇两类代表性团簇结构优化问题中的具体应用,所得结果与已有的理论和实验数据符合较好,印证了所提出的操作方案的有效性、高效性和通用性.     

平面钢筋混凝土框架结构优化

采用Matlab和ANSYS混合编程的方法编写了平面钢筋混凝土框架结构的优化设计程序,充分发挥了各自的优势,节约了结构优化程序的开发成本.程序中调用ANSYS完成结构有限元分析,而后采用Matlab中遗传算法(GA函数)完成优化分析,二者之间通过调用磁盘文件的方法进行数据传递.最后通过算例分析证明了程序的可行性,同时根据结果对比进一步验证了遗传算法在结构优化方面的优势.程序用户界面友好,操作方便,对结构优化实用化的发展起到一定促进作用.     

羟肟酸浮选分离选择性的定量构效关系

采用定量构效关系方法和遗传算法对13种芳烷基羟肟酸类捕收剂的锡石-萤石浮选分离选择性指数进行了定量构效关系研究,旨在预测羟肟酸捕收剂对锡石-萤石浮选分离的选择性能.采用快速分子描述符和量子化学描述符建立了两种选择性指数的二元因子模型,选择性指数1的模型5和选择性指数2的模型6的相关系数R2分别为0.868和0.796,R2cv分别为0.779和0.590.使用留一法对两模型进行内部验证的相关系数R2分别为0.785和0.615,使用测试集对两模型进行外部验证,所得两模型的平均预测绝对误差分别为0.095和1.939.指数1模型具有真实有效性和较好的预测能力,能够有效预测羟肟酸的选择性.