退火单亲遗传算法求解旅行商问题及MATLAB实现

为了提高遗传算法求解较大规模旅行商问题的能力,在单亲遗传算法中引入两代竞争模拟退火选择操作,与倒位算子和插入算子相结合,同时加入保优操作,使遗传搜索效率、收敛速度都得到大幅提高,所花费时间、收敛迭代次数、最后结果明显优于一般遗传算法和单亲遗传算法.给出了用MATLAB实现算法的一些重要步骤和函数,并进行了简要说明.在仿真实例中,用一般遗传、单亲、退火单亲遗传算法对75个城市的TSP问题进行了求解,退火单亲遗传算法对280、535个城市TSP问题进行了求解.结果表明,退火单亲遗传算法最终所得结果最好,但收敛所花时间约为一般遗传的2.5%,单亲遗传的20%,迭代次数为一般遗传的20%,单亲遗传的25%.     

多随机因素下多品种库存优化的改进遗传算法

为有效利用库存资源,降低企业运行和库存费用,需研究多随机因素下的多品种库存问题.以单位时间费用最小为目标,建立了求解多随机因素下多品种商品联合订货的（s,S）模型;提出了一种基于最小基因片段编码、两代竞争的改进遗传算法.利用该算法求解出各商品的最佳体积分配和最优联合订货点,实现对仓库资源和运营资金更为科学的管理和控制.需求和提前期随机的3种商品联合订货的实例表明,使用改进遗传算法求解的结果明显优于其他方法生成的解.