引导函数支配的进化模糊聚类算法

建立了多维属性样本的模糊聚类目标函数.构建了引导进化算法收敛的指数函数曲线模型,给出了模型的参数计算方法.设计了一种具有全局变异和局部变异算子的进化模糊聚类算法,根据全局变异前后个体适应度值和分量值的变化趋势,实现定向变异,并给出了算法的种群进化策略.选择文本分类和点聚类计算实例,实验表明,设计的引导函数是有效的.进化模糊聚类算法具有较强的局部寻优能力,在收敛速度和聚类精度方面优于比较的遗传模糊C-均值聚类等算法.     

求解度约束最小生成树的单亲遗传算法

提出了求解度约束最小生成树问题的单亲遗传算法.该算法首先利用Prufer数对生成树进行编码;然后精心地设计了一个随机地产生初始种群的方法,用这种方法产生的初始种群,不会含有任何不可行解;在遗传操作中只使用选择和变异操作,共设计了三种变异操作,其中两种变异操作均不会产生不可行解,只有一种变异操作可能会产生不可行解,需要作树的度的检查和修改;这样就大大的降低了不可行解产生的机会,从而提高了遗传算法的效率;而且只使用变异算子,有效的避免了早熟收敛现象的产生;通过大量的数值试验,表明该算法简单,高效,收敛率高;最后对此算法做了适当推广,并给出了它求解TSP问题的具体步骤和实例。     

求解约束优化问题的内外交叉遗传算法

针对很多约束优化问题的最优解位于可行域的边界上或其附近的特点,提出了一种新的遗传算法.算法将种群中的可行解和不可行解分别存贮在两个容器中,新设计的交叉算子(内外交叉法)尽量让可行域内的可行解与可行域外的不可行解交叉,并顺着有利的方向一维搜索到可行域边界,此举既增大了个体接近全局最优解的几率, 又增强了算法的收敛速度;粒子群变异法则吸取粒子群 (PSO)算法的优点,让粒子沿粒子自身历史最优和全局最优的方向变异, 而选择算子则采取了保留固定比例不可行解的方法. 仿真结果证明了算法能够在种群规模小,迭代次数少的情况下迅速接近或找到全局最优解.     

基于双层规划的普通克里金插值方法研究

采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.     

双目标进化算法求解图着色问题

根据图着色问题的特征,提出了求解图着色问题的双目标模型;设计的有效、简洁的杂交算子和变异算子,均直接产生可行的后代个体;理论分析表明算法以概率1收敛到问题的最优解集.对标准算例进行了仿真实验,结果表明,双目标进化算法可以获得问题高质量的解,即对图进行着色所使用的颜色接近图的色数.     

基于混合遗传算法的FMS优化配置及其工艺路线规划

针对基于CQN模型的FMS优化配置问题提出了一种混合遗传算法,充分利用CQN模型中生产量函数和成本函数的单调性,设计了最大产量-成本梯度算子来引导新一代种群从不可行域进入可行域.同时,在求解相应的工艺路线规划问题的遗传算法中引入了具有启发式规则的余量随机分配算子,可以将超过约束条件的余量随机分配到个体中去,并通过按照一定规则的调整而保证所有个体的可行性.这样,一方面实现了利用遗传算法求解FMS配置的约束优化问题,另一方面加强了遗传算法的局部搜索能力.算例证明该算法的求解质量好于目前该领域常用的隐枚举算法.     

基于Pareto的双群体多目标微分进化算法

针对多目标优化问题微分进化是一种简单、快速且具有鲁棒性的进化算法.提出一种基于Pareto的双群体多目标微分进化算法(DEPDP),DEPDP与传统微分进化区别在于:个体的变异操作和选择方式.DEPDP的变异过程类似于粒子群优化的粒子速度更新操作,即包括可行解个体,也有不可行解个体的参与;在个体的选择过程中,组合修正后的不可行解介体和可行解个体,并采用—种特殊的“非劣排序和等级选择过程”确定出新一代种群.仿真实验表明:相比其他比较算法,DEPDP获得的Pareto最优解有着良好的多样性均匀分布特点,接近真实的Pareto前沿,收敛性也较好.     

改进的进化规划算法及其在采购方案优化中的应用

采用高斯变异算子的进化规划算法存在早熟现象,根本原因是高斯变异产生的变异量较小,导致个体分量乃至整个个体不发生变异.文中从变异算子、个体分量值的计算和搜索空间三个方面改进了进化规划算法.设计了能产生较大变异量的离散余弦变换算子,并且采用动态比例变异法动态调整个体中的每个分量,多个体竞争策略扩大了算法的搜索空间. 针对复杂采购业务模型,运用改进的进化规划算法求解. 实验证明,改进的算法在求解精度上优于采用高斯变异和随机变异的进化规划算法,解决了进化规划算法的早熟问题.     

基于改进烟花算法的空战指挥引导对策生成

针对新型空战条件下指挥引导对策生成问题,提出了一种基于改进烟花算法的指挥引导对策生成方法。首先分析了现有模型的不足,在综合考虑角度、距离、速度、高度态势以及战机性能的基础上,构建并加入支援保障因素模型,构造指挥引导对策生成综合指标函数;其次针对传统自适应烟花算法在收敛精度和速度方面的不足,将轮盘赌选择、维度方差、禁忌搜索思想用于改进其中的变异算子和选择算子;最后针对改进的模型和算法进行了仿真分析。仿真结果表明,改进的模型更加符合实际,算法的收敛精度、收敛速度更优,对于解决空战指挥引导对策生成问题具有更好的效果。     

基于联想记忆的直觉产生的模拟方法

针对直觉在创新思维产生过程中的重要作用,对直觉的模拟提供了创新计算的一种新方法.采用Hopfield神经网络以及交叉变异等实现方法,对直觉、经验、联想和可视激励之间的相互关系进行了定量描述,提出了变异联想产生直觉的观点,从而建立了模拟直觉的认知模型以及计算模型.最后给出了利用直觉模型生成新分形图的应用实例,计算结果表明此算法能够实现创新.     

用GA求解敏捷供应链质量兼容生产计划问题

在考虑产品质量控制过程的基础上,建立了极大化生产利润的敏捷供应链质量兼容生产计划模型,并利用遗传算法对这个复杂的组合优化问题进行了求解,从而提出基于遗传算法的敏捷供应链质量兼容生产计划算法。在改进的遗传算法中,染色体编码被设计成一种位串式的整数编码形式,遗传算子采用了一种引导遗传变异操作的运算方式,惩罚技术和精华选择策略被用来引导遗传搜索达到可行解空间的最好区域。大量仿真计算表明所提算法是有效性的。     

考虑批量因素的成品匹配与生产计划联合优化

针对钢铁企业批量化生产组织特点,将成品匹配和生产计划两个过程合二为一,提出了实现两者联合优化的数学模型;结合问题特点构造了具有两段自然数编码的改进遗传算法,并采用启发式规则对违反余材量和生产能力限制的个体进行修复。通过实例仿真,证明了模型与算法的有效性和在实际问题中的应用潜力。     

基于遗传算法的模糊柔性工作车间调度优化

首先给出了模糊生产环境下柔性工作车间调度模型,然后以最小化最大完工时间为目标函数,提出了一种基于遗传算法的通用模糊调度算法。此算法针对解决柔性工作车间调度问题采用工序顺序偏码的局限性,设计了基于顺序和基于机器分配的编码方法并据此给出了相应的交叉变异操作。仿真结果表明了算法的可行性和有效性。     

一种两层生产计划问题建模及其遗传算法设计

研究了一种两层生产计划集成问题,上层为能力约束批量计划问题,下层为并行双机调度问题。采用单个模型来描述整个集成问题,目标函数由库存费用、缺货费用和加班费用三部分组成。对于该集成优化问题,设计了遗传算法整体求解,每个个体中同时包含了批量计划和作业排序的信息,并通过遗传算子的设计,避免了不可行解的出现。通过数值仿真实验,对三种不同规模的问题进行了计算,通过对计算结果的分析,验证了遗传算法的可行性和有效性。     

基于遗传算法的一类武器目标分配方法研究

针对联合作战的武器目标分配问题,建立了资源受限条件下的多组武器目标分配数学模型,并研究了用遗传算法求解模型的方法.该遗传算法通过设计一种满足约束条件的染色体编码格式,把求解问题转化为无约束的组合优化表现形式,从而可以利用单点随机定位算术交叉和变异运算以及精华选择策略来求解.仿真计算结果表明了模型和所提算法的有效性.     

基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题（Hybrid flow-shop scheduling problem,HFSP),是一般Flow-shop调度问题的推广，由于在某此工序上存在并行机器，所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法，给出了一种新的编码方法，设计了相应的交叉和变异操作算法，能够保证个体的合法性，同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例，表明了此算法的有效性。     

多Open-Shop生产线协调生产计划的模型及仿真

研究了一类带有限缓冲区的上游多Open-Shop生产线协调生产计划问题,建立了上下游生产线产品关联结构,并以此为研究对象,得到了成本最低生产计划模型。通常该类模型是非线性的且维数很大,给求解带来了困难。考虑到下游装配线的生产情况,提出一种不考虑主成品的模型简化方法,并采用遗传算法进行求解。该简化方法可以大大减少模型维数,提高求解速度。仿真结果表明,建立的模型及采用的算法是合理的,模型简化方法是有效可行的。     

基于改进遗传算法的影像中心布局优化方法

针对影像中心现有布局优化方法自动化水平低、受个人主观意愿影响较大等问题,提出运用系统布置方法(systematic layout planning,SLP)和改进遗传算法相结合的方法对布局进行优化。利用SLP生成的布局方案改善遗传算法的初始种群,增加初始种群多样性;从遗传进化代数和个体适应函数值2个方面实现遗传参数自适应调节,提高其寻优效率。在西安某影像中心布置区域模型和多目标优化数学模型的基础上,运用改进后遗传算法对西安某影像中心布局优化问题进行了仿真实验。实验结果证明：该算法在求解影像中心布局优化问题时比传统遗传算法或蚁群算法速度更快、效果更好。提高了影像中心布局优化的自动化水平,为建筑设计人员提供合理的参考方案。     

一类混合机会约束整数规划模型及其应用

提出并建立了一类混合机会约束整数规划模型,该模型同时含有模糊和随机参数。运用随机模拟与模糊模拟相结合的技术,给出了求解该机会约束整数规划模型的遗传算法。针对一类生产计划问题,在模糊和随机两类不确定因素同时并存的情况下,分析建模和数值求解,结果说明了模型和算法的适用性和有效性。     

铜闪速熔炼配料过程建模与智能优化方法研究

针对铜闪速熔炼配料过程人工计算配比的主观性和局限性,基于配比影响因素分析,建立综合考虑品位、成本、库存的配料优化模型;引入"软约束"调整模型的约束边界,改善优化问题求解的可行性;并提出以单变量编码的交叉变异来确定整体决策向量的改进遗传算法进行寻优,以克服多维变量编码时可能导致搜索空间剧增的缺陷.最后结合工业运行数据进行配比优化计算,优化结果表明该方法在满足熔炼工艺要求基础上,能有效降低杂质含量和生产成本.