一种求解函数优化的混合差分演化算法

为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法.该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的.对复杂函数的寻优实验验证了混合差分演化算法的有效性.     

区域覆盖星座结构与参数同时优化的进化算法

针对区域覆盖卫星星座的优化设计问题,设计了一种能同时优化星座结构和参数的进化算法。算法采用固定长度的染色体编码,由星座可能的最多轨道面数和各轨道面内最多卫星数目确定的最多变量个数决定染色体编码长度。根据个体星座的轨道面数和各轨道面卫星数的实际值确定染色体中哪些基因是冗余的,并将这些冗余的基因设为隐性,达到可变维数优化的目的,从而实现星座结构的优化。染色体采用二进制/实数混合编码的方式处理同时具有整数/连续变量的星座优化问题,二进制编码部分采用二进制的进化算子,实数编码部分采用一组星座设计专用的进化算子。在一个虚拟的区域海洋监视卫星星座优化设计中的应用显示了该算法的有效性。     

带时间窗的车辆路径问题的改进差分进化算法研究

研究带时间窗口的物流配送车辆路径问题(VRPTW),主要考虑车辆容量、时间窗口、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.提出了该问题的混合整数规划模型,运用改进差分进化算法求解该问题.算法采用序数编码,设计辅助算子解决变异问题,差分进化的交叉率随进化代数自动更新.应用MATLAB语言编程进行仿真计算,得到了最优解,结果表明该算法是求解带时间窗的车辆路径问题的一种有效方法.     

一种求解整数-非线性规划问题的演化算法

混合整数非线性规划问题为一类富有挑战性的难解问题。本文设计一个混合演化算法求解混合整数非线性规划问题，对于不同变量分别使用二进制和实数编码策略，将约束优化问题转换为多目标优化问题。数值实验验证了算法的有效性、稳健性和通用性。     

解决位置管理问题的混沌混合差分进化算法

位置管理问题是移动计算环境中的一个重要问题.提出了一种解决位置管理问题的混沌混合差分进化算法,给出了将浮点编码的种群个体映射为问题解的方法,给出了解决标准差分进化算法早熟收敛问题的混沌搜索算法.仿真结果表明,混沌混合差分进化算法能有效解决移动计算中的报告小区规划问题,且算法的搜索质量优于遗传算法、禁忌搜索算法、蚁群算法和传统差分进化算法.     

混合整数规划问题遗传算法的研究及仿真实现

提出了一种可以处理混合整数规划问题(MIP)的混合遗传算法MIGA。该算法采用二进制映射模式可变长度染色体编码,在进化过程逐渐缩小编码的搜索空间,从而在加快收敛速度的同时改善了迭代的精度,能很好处理离散变量和连续变量的混合整数规划问题。以一纯整数规划问题为例,利用分枝定界算法只能得到唯一的一个最优调度策略,而MIGA算法则可以得到一系列的最优调度策略,对这些最优调度策略进一步的分析,还可以得到调度问题一些灵敏度参数,在实际应用中具有更大的灵活性。     

基于差分进化算法的多旅行商问题优化

针对所有旅行商路径最大值最小的多旅行商问题,提出改进的差分进化算法优化.在该优化方法中,编码采用实数编码;改进的差分进化算法采用轮盘赌选择;根据旅行商问题的特点,在差分进化算法中增加邻域搜索算子.该方法适于距离对称和非对称的多旅行商问题求解.以距离非对称的多旅行商问题的实例进行了仿真和比较,可以看出所提出的改进差分用来解决多旅行商这类离散组合优化问题是有效的.     

一种求解混合整数非线性规划的新算法

针对混合整数非线性规划求解难的问题,本文给出了一种新的求解策略--混合序列差异演化算法,该算法采取混合编码的形式以便处理连续变量、整数变量以及混合整数变量的优化问题.最后通过数例检验算法的优越性,仿真结果表明该算法求解效率高、收敛速度快、全局搜索能力强.     

具有外包选择的无等待流水线干扰修复模型北大核心CSSCI

针对双机成比例无等待流水线环境下最小化完工时间和的调度问题,研究如何基于干扰管理理论和采用作业外包途径来应对机器干扰事件。在证明最短加工时间优先(SPT)最优解定理的基础上,同时考虑最小化工件完工时间和指标(初始调度目标)与最小化工件滞后时间和指标(偏离最小目标),构建了基于SPT规则的干扰修复0-1整数规划模型,提出了基于差分进化全局搜索策略与"插入-交换"邻域搜索机制相结合的多目标混合智能算法。数值实验结果表明,本文提出的机器干扰条件下外包修复模型及算法是有效的。     

具有外包选择的无等待流水线干扰修复模型

针对双机成比例无等待流水线环境下最小化完工时间和的调度问题,研究如何基于干扰管理理论和采用作业外包途径来应对机器干扰事件。在证明最短加工时间优先(SPT)最优解定理的基础上,同时考虑最小化工件完工时间和指标(初始调度目标)与最小化工件滞后时间和指标(偏离最小目标),构建了基于SPT规则的干扰修复0-1整数规划模型,提出了基于差分进化全局搜索策略与"插入-交换"邻域搜索机制相结合的多目标混合智能算法。数值实验结果表明,本文提出的机器干扰条件下外包修复模型及算法是有效的。     

Orthogonal genetic algorithm for solving quadratic bilevel programming problems

A quadratic bilevel programming problem is transformed  into a single level complementarity slackness problem by applying  Karush-Kuhn-Tucker (KKT) conditions. To cope with the complementarity  constraints, a binary encoding scheme is adopted for  KKT multipliers, and then the complementarity slackness problem  is simplified to successive quadratic programming problems,  which can be solved by many algorithms available. Based on 0−1  binary encoding, an orthogonal genetic algorithm, in which the orthogonal  experimental design with both two-level orthogonal array  and factor analysis is used as crossover operator, is proposed.  Numerical experiments on 10 benchmark examples show that the  orthogonal genetic algorithm can find global optimal solutions of  quadratic bilevel programming problems with high accuracy in a  small number of iterations.     

联合动力系统核火力配置模型的解算方法

核火力运用研究可以分为二方面的问题, 一是射击效率指标的评定及计算方法；另一方面是核火力最优配置问题。本文讨论由若干个相依目标群组成的平面点目标系统的核火力配置模型的解算方法。在不影响核火力配置模型的实用性的情形下, 对模型的决策变量作适当的限制, 然后把模型转换为一个等价的0-1整数规划问题, 由于此整数规划具有优良性质, 给出了求解此整数规划的辞典序跳跃枚举法, 此算法易于在计算机上实现, 编制程序非常简单, 且其解为精确解。通过实例计算表明该算法对该类核火力配置模型的求解是有效的。     

启发式交叉求解TSP问题的混合遗传算法

在给出度约束最小生成树的快速生成方法的基础上，设计了一种启发式交叉求解TSP问题的混合遗传算法．该算法在交叉操作的设计上，与其他遗传算法有本质的不同，该交叉操作是在不违反度约束和不形成圈的前提下，每次从父代基因所拥有的边中加入权最小的边，从而形成子代．利用该算法得到了TSP CHN144问题迄今为止最好的解．     

基于污染物侵入模拟的供水管网水质监测点优化选址方法

提出了突发或者蓄意污染情况下供水管网水质监测点优化选址的最大覆盖选址模型.结合一管网算例,利用EPANET2软件模拟扩展周期非稳态水力水质条件下管网节点污染物浓度变化情况,由此得到各个节点被注入污染物后,监测点监测到污染物浓度时不同用户节点对外供出的污染水体体积.同时提出基本粒子群优化算法与遗传算法交叉、变异算子相结合的整数编码的混合粒子群优化算法来求解该选址模型,并编制了相应的C 程序.提出的优化模型与求解算法对管网水质监测点的优化选址具有一定的参考作用.     

直觉模糊幂Heronian平均算子及其在多属性决策中的应用

针对需要同时捕获变量个体间的关联性和整体均衡性的信息融合问题,本文在直觉模糊环境下,将Heronian平均算子和幂平均算子相结合,提出了直觉模糊幂Heronian平均算子和直觉模糊加权幂Heronian平均算子.新算子利用Heronian平均算子的交叉运算来体现变量的关联性,同时引入支撑度系数来挖掘信息的相对贴近度,从而在信息融合过程中体现整体性.此外,还探讨了新算子的一些优良性质和特例,并给出一种多属性决策方法.最后,通过算例验证了该方法的可行性与有效性.     

带有目标顾客定位的排队选址问题

针对多种顾客类型情况,提出了可以对目标客户进行选择的排队选址模型.不同类型顾客的需求率和单位利润不同,通过选址和目标客户定位,选择服务区域和服务对象.将选址和目标顾客选择作为决策变量,建立了0-1整数规划模型,目标函数是使利润最大化.研究表明,选择适当的服务对象可有效提高设施利润.由于顾客选择和选址问题都是NP困难问题,提出了相应的启发式算法.     

Exponential distribution-based genetic algorithm for solving mixed-integer bilevel programming problems

Two classes of mixed-integer nonlinear bilevel programming problems are discussed. One is that the follower＇s functions are separable with respect to the follower＇s variables, and the other is that the follower＇s functions are convex if the follower＇s variables are not restricted to integers. A genetic algorithm based on an exponential distribution is proposed for the aforementioned problems. First, for each fixed leader＇s variable x, it is proved that the optimal solution y of the follower＇s mixed-integer programming can be obtained by solving associated relaxed problems, and according to the convexity of the functions involved, a simplified branch and bound approach is given to solve the follower＇s programming for the second class of problems. Furthermore, based on an exponential distribution with a parameter λ, a new crossover operator is designed in which the best individuals are used to generate better offspring of crossover. The simulation results illustrate that the proposed algorithm is efficient and robust.     

改进的三种群遗传算法

提出了一种新的三种群遗传算法.在一个子种群中,高相似个体之间具有相对高的交叉率,遗传操作得到的新个体替代上代种群的最劣的个体.在另一个子种群中,低相似个体之间具有相对高的交叉率,相对大的变异率,遗传操作得到的新个体替代父代中的最劣个体.两个子种群移民一定数量的个体到第三个子种群,第三个子种群进化后移民到前两个子种群,均衡算法的局部搜索能力和全局探索能力.将算法与确定性排挤遗传算法与3个子种群的多种群遗传算法进行比较,结果表明新算法的性能更优.     

广义交叉乘积累加码

为设计具有线性编、译码复杂度及逼近香农限性能的信道编码结构,在并行级联的单奇偶校验码之间引入交叉结构以构成外码,以累加器为内码,提出了一种新的串行级联编码--广义交叉乘积累加码。以外信息转移图为工具对广义交叉乘积累加码进行设计,并给出一个广义交叉乘积累加码的设计示例。分析及仿真结果表明,该示例具有线性编、译码复杂度,其收敛门限距香农限仅有约0.32 dB的距离。     

Chaotic Neural Network Technique for "0-1" Programming Problems

0-1 programming is a special case of the integer programming, which is commonly encountered in many optimization problems. Neural network and its general energy function are presented for 0-1 optimization problem. Then, the 0-1 optimization problems are solved by a neural network model with transient chaotic dynamics (TCNN). Numerical simulations of two typical 0-1 optimization problems show that TCNN can overcome HNN's main drawbacks that it suffers from the local minimum and can search for the global optimal solutions in to solveing 0-1 optimization problems.