双基球扁发射药生产线的改进遗传排产算法研究

针对传统遗传算法在解决批次生产问题中存在的"早熟收敛"以及"局部搜索能力差"等问题,设计了基于预处理技术的改进遗传算法,实现对批次生产过程的处理.采用随机数法、定则生成法和块基因插补法三种方法,按照合适的比例,进行种群的初始化,在保证初始化种群多样性同时提高其个体质量;通过精英保留策略和锦标赛选择策略进行选择操作,实现优质种群个体的选择;运用专家打分法对产品进行优先级排序;采用基于位置和优先级相结合的方法选择交叉位点,进行交叉操作,保留父代优良基因,避免"早熟收敛";采用邻域重组策略进行变异操作,保证优质解种群的产生和质量解的继承.以最大化最小交货提前期为目标函数,实现排产算法研究.最后,以双基球扁发射药生产线为例,实现了改进遗传算法排产过程,大大提高公司的接单预估效率和产线的生产组织效率,然后运用单一随机初始化种群法和混合初始种群法进行比较分析,证明了改进算法的优越性.     

基于交叉亲和度评价的多种群遗传算法

为进一步解决传统多种群遗传算法进化过程中迅速丧失种群多样性,导致的易早熟、收敛到局部最优解等问题,提出一种基于交叉亲和度评价的多种群遗传算法,采用多种群并行搜索的思想,结合模拟退火算法提高算法的搜索能力,种群之间通过交叉推优选出的交流个体,进行亲和度评价替换目标种群个体来完成交流。通过对TSP问题的求解表明,算法得到的解都接近最优解,性能优于传统多种群遗传算法。     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

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.     

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.     

基于遗传算法的柔性车间调度优化

针对传统作业车间调度问题有加工设备功能单一、加工工序对应设备固定的特点,提出了一种新型混合改进的遗传算法进行求解优化。首先,采用一种新的编码思想构建双层染色体编码结构,强化初始种群质量,提高种群的多样性;并给出了相应的选择操作设计,交叉操作采用单段交叉、两段交叉和三段交叉机制,改善算法全局搜索能力,变异操作引入了种群分割的思想,按照适应度将种群分割成两部分,并赋予不同的变异概率,实行两种变异机制,以提高算法的局部搜索能力;添加了新的检查操作以增强优化过程的可行性。最后采用MATLAB编程,通过一个6个工件,每工件6道工序的应用实例进行测试,验证了该方法切实可行,有效。     

一种带时间窗车辆路径问题的混合蚁群算法

针对带时间窗车辆路径问题求解时蚁群算法存在容易陷入局部最优,而遗传算法初始种群的优劣对算法有效性存在直接影响,提出一种混合蚁群优化算法。算法首先在蚁群算法的节点选择概率公式中引入时间窗因素,以得到初始种群,然后通过遗传算法的交叉算子和变异算子对初始种群中的较优路径进行交叉和变异操作,从而得到更优的路径。通过Matlab环境下对文中混合算法进行仿真实验,在车辆利用率和路径规划上效果明显,表明了算法的高效性,同时混合算法可以避免陷入局部最优。     

多约束条件车辆路径问题的二阶段遗传退火算法

针对多约束条件的多配送中心有时间窗车辆路径问题,提出了一种二阶段遗传退火算法.在第1阶段,使用遗传算法对客户按供应量和路径长度进行模糊分区;在第2阶段,采用二维变长染色体编码及相应的遗传算子进行混合遗传算法的全局优化.在初始种群生成和交叉、变异算子中采用了随机贪心算法以避免无效解,并利用退火选择来提高种群的多样性.实验结果表明,二阶段遗传退火算法可加速收敛,提高搜索效率,在模糊分区上的搜索速度较之标准遗传算法提高了3～10倍.     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

一种求解约束函数优化问题的遗传算法

遗传算子和种群更新策略在遗传算法全局寻优过程中发挥着重要作用，通过多父体杂交算子使产生的后代更具多样性和采用最小代数代沟种群替换模型有效地均衡算法对问题解空间的探索和开发能力提高算法的性能，给出了一种求解约束函数优化问题的遗传算法。对两个典型约束函数优化问题进行了数值实验，实验结果表明了该算法的有效性和稳健性。     

适于物流配送车辆导航路径优化的遗传算法

提出了适于物流配送车辆导航路径优化的遗传算法,分别对遗传算法的初始种群产生方法、交叉方法、变异方法进行了改进,实现了算法中参数的自适应调整.实验结果表明,改进后的算法能避免断路、回路的产生,提高算法的搜索效率和适应性.文中提出的算法能快速有效地求解物流配送车辆导航路径规划中的点到点型路径优化,满足实时性要求.     

一种改进的量子遗传算法

针对量子遗传算法存在储存量大和易陷入局部最优解等问题,提出一种新的量子遗传算法。该算法采用角度编码方式表示染色体从而减少编码的存储空间;引入小区间方法初始化量子种群, 使量子染色体均匀分布于初值空间;利用改进的旋转门对种群进行更新操作;采用动态的量子步长调整策略实现自适应搜索;引入量子交叉和量子变异操作防止早熟问题。通过典型的多峰值函数优化实验表明该算法具有收敛速度快、全局寻优能力强和计算时间短的特点,可以用于多峰值函数优化问题。     

遗传算法在AGV全局路径优化中的应用

采用改进的链路可视图进行建模,使用遗传算法对AGV静态已知环境进行路径规划,并结合在AGV中的具体应用对其进行了改进.在建模过程中,对障碍物做了边界扩展,将障碍物顶点作为行走节点,达到AGV行走过程中避撞的目的.在路径搜索过程中,借鉴蚁群算法的基于可行表的路径搜索方式到初始种群的产生过程,避免了AGV实际问题中无效路径的产生,提高了搜索效率.在初始种群的搜索过程中,对死路情况做了处理,避免了搜索停滞.交叉过程中,采用重复点交叉的几种处理方式,既避免了AGV搜索到断路的情况,也较大提高了产生最优路径的效率.交叉变异过程中人为产生环路的做法,有利于优良个体的产生.将蚁群算法的正反馈优化策略引入遗传算法的多次迭代中的改进中,加快了算法向最优解收敛的速度.MATLAB仿真结果表明,改进后的遗传算法能够快速准确地搜索到AGV的全局最优路径.     

一种小生境正交遗传算法研究

针对标准遗传算法的不足,借助正交试验法的全局均衡设计思想和二元变异操作对初始种群产生方式、交叉算子和变异算子进行了改进,提高了种群的多样性;借助最优保留策略和自然界的小生境思想,对选择算子进行了改进,提高了算法的全局收敛性能;另外还通过引入加速正交搜索操作,提高了算法的收敛速度.在此基础上,提出了一种小生境正交遗传算法,并进行了实例研究.研究结果表明,该算法不但可以有效地克服标准遗传算法的缺陷,而且计算速度、计算精度和算法稳定性也得到了显著提高.     

云计算中基于遗传算法的任务调度算法研究

为解决云计算中的任务调度问题,提出了一种以遗传算法为基础的任务调度模型.在算法初始化种群产生时通过染色体匹配率来使种群个体均匀分布在解空间上,有效地避免了早熟;引入服务质量标准进行建模以改进适应度函数,充分考虑用户对调度结果的满意程度;采用规则约束的交叉和变异操作,提高个体的质量.仿真实验的结果分析表明:该改进算法能更有效地求解云计算环境下作业调度问题.     

基于病毒侵染和逆转操作的改进遗传算法

针对传统遗传算法解决TSP问题,提出了加入病毒种群来感染初始种群,并将种群分为父代和子代种群实现逆转操作的改进遗传算法。加入病毒种群来感染初始种群加快了遗传算法的收敛速度,通过逆转操作使算法更容易跳过局部最优解,避免遗传算法在大规模问题中易陷入局部最优解的问题。以两组实验来对比改进算法性能与传统算法性能的差别,结果表明改进算法的执行效率和执行结果明显优于传统遗传算法。最后利用改进后的遗传算法遍历中国34座省会城市的最优路线,验证了该算法的准确性和优越性。     

改进遗传算法在压缩机优化设计中的应用

对标准遗传算法进行了有益的改进,使得算法避免了早熟和陷入局部最优·采用混合编码的方法,使算法更适用于工程实际·设计的重组和筛选算子用于初始种群的形成使得初始解分布更加合理,有益于提高算法的计算效率和收敛性,在算法实现中遗传算子的选择采用了适用于二进制编码的单点交叉按位变异和适用于实数编码的算术交叉非均匀变异的混合算子,使得遗传算子能够适用于实数和二进制两种编码方式·并且尝试了将改进的遗传算法用于滑片式压缩机参数的优化,结果表明,经过改进的遗传算法有效可靠,经过优化的压缩机参数合理·     

改进的遗传算法在电梯群控中应用

针对乘客候梯时间,乘梯时间,拥挤度和电梯系统运行能耗等多个目标优化的电梯群问题,给出一个改进的遗传算法。该算法在选择,交叉,变异操作时,采用首位存在最优个体,在生成初始种群时采用模糊生成其中一个解的方法。并把改进的遗传算法应用到实际电梯群控中,数值结果表示该方法是有效的,可行的。     

基于改进遗传算法的渔港规划问题研究

为解决渔港规划的选址问题,基于所有渔船和渔港总距离和最优构建该问题的数学模型,提出一种改进的遗传算法的求解方法。给出适用于该问题的基因和染色体的定义;设计适应度函数,并根据适应值均匀分布对初始种群进行优化,提高种群的多样性;给出个体相似性的定义,由相似度函数和种群方差决定个体的配对方式;在满足基因排他性的条件下,根据交叉和变异概率进行交叉和变异操作。实验表明,该算法可以有效、准确地求得大规模数据的渔港规划问题的全局最优解。