多产品三阶段供应链选址分配问题及其遗传算法

 建立了一种基于最小物流费用的多产品三阶段供应链选址分配模型,该模型综合考虑了原材料和产品的运输费、工厂的固定建设费及原材料采购费和产品加工费、销售中心的固定建设费和库存保管费等。在多产品三阶段供应链体系中,在供应商-工厂阶段,一个工厂不仅可以从不同的供应商处采购不同产品的原材料,而且同一种产品的原材料也可以从不同的供应商处采购;在工厂-销售中心和销售中心-顾客阶段,产品需求者虽然可以从不同供应者处采购不同产品,但同一种产品却只能从一个供应者处进货。根据模型的这些特点,本文结合选址问题的随机顺序编码和运输问题的优先权编码技术,设计了一种新的染色体编码方法,从而借助遗传算法实现了多产品三阶段供应链选址分配问题的求解。数值仿真结果表明,本文给出的染色体编码方案是恰当的,设计的遗传算法具有较高的搜索效率,能够快速稳定地求解多产品三阶段供应链选址分配问题。     

遗传算法在多目标运输问题的应用

运输问题有特殊的数据结构——运输树，应用基于支撑树的遗传算法求解多目标运输问题，介绍了能表示运输问题所有基解的节点编码方法及对节点编码的交配与变异规则，给出了染色体转换成运输树的可行性准则。     

遗传算法在多目标运输问题的应用

运输问题有特殊的数据结构———运输树,应用基于支撑树的遗传算法求解多目标运输问题,介绍了能表示运输问题所有基解的节点编码方法及对节点编码的交配与变异规则,给出了染色体转换成运输树的可行性准则.     

多产品运输问题的建模及优化算法设计

以某纺织企业的产品运输流程和企业生产、销售对产品运输的具体需求为例,建立以总运输费用最低为目标函数,以每个生产地每种产品的生产量、每个销售地每种产品的销售量,以及每种产品的单位运价为约束条件的多种产品运输模型.设计具有全局优化、收敛速度快的遗传算法,并对该模型进行优化求解.通过与传统算法的比较,说明采用遗传算法求出的运输总费用优于用内点算法计算出的结果,即对于大规模的多产品运输问题,采用遗传算法优化性能更好,不易陷入局部最优,且其收敛速度也优于内点算法.     

基于遗传算法的匹配问题求解

系统地论述了遗传算法的由来、传统二进制编码的优缺点，浮点数编码的优点，以及用浮点数编码方案实现匹配问题的求解方法。     

用自适应的遗传算法求解双准则三维运输问题

采用鲁棒性比较好的遗传算法,并利用自适应的杂交和变异概率求解了双准则三维运输问题,最后通过实验验证该方法可产生适合需求的解.     

带取送货的关联运输调度问题的优化

针对取送货车辆路径问题,构建了带时间窗的IVRPPD的车辆路径数学模型,设计了混沌免疫克隆选择算法,介绍了基本的免疫克隆选择算法和混沌理论,并对设计步骤进行了详细介绍。最后,通过对该问题进行分析建模和数值求解,说明了该模型和算法的合理性和有效性。与基本遗传算法和非代际遗传算法相比较,混沌免疫克隆选择算法能更有效地解决带取送货的关联运输调度问题。     

基于遗传算法求解背包问题

本文对0/1规划的背包问题展开讨论,提出了一种基于遗传算法的问题求解方法,给出遗传算子,并对模型进行了实验数据的结果分析。     

遗传算法求解JSP的核心问题

遗传算法（GA）作为全局搜索算法广泛应用于各种寻优操作中，并已成为求解车间作业调度问题（JSP）的主要方法，给出了JSP问题的数学模型和遗传算法的框架，提出遗传算法求解JSP问题要解决的两大核心问题；编码问题和处理不是可行调度问题，并探讨了其相应的解决方法。     

求解背包问题的并行混合遗传算法

针对基本遗传算法在求解大规模问题时，收敛速度缓慢、容易早熟的现象，借鉴生物区域性进化的原理，设计了一种基于星型迁移策略的并行混合遗传算法（Parallel Hybrid Genetic Algorithm，简称PHGA）．该算法采用高效的超贪心算子进行解码，使遗传进化过程从多个平均适应度较高的文明群体开始进化，并采用定期将各群体的最优个体输出给其他群体，使得最优个体共享，促进所有群体共同进化的共产主义迁移策略．在PVM环境下，对背包问题进行求解的实验，已取得超线性的加速比，并改进了解质量．     

一种新的求解旅行商问题的混合遗传算法

提出一种新的求解旅行商问题的混合遗传算法。该混合遗传算法充分利用2-opt和3-opt局部搜索能力,有效地弥补了具有较强全局搜索能力的遗传算法在局部搜索方面表现出来的缺陷。实验结果表明,该混合算法性能显著优于遗传算法。     

一种混合遗传模拟退火算法及其应用

分析了遗传算法和模拟退火算法的优缺点，提出了一种混合遗传模拟退火算法，对其进行优化，并将该算法应用于TSP问题的求解之中，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法和模拟退火算法．     

基于关系代数的遗传算法模型及其应用

运用选择、投影、广义笛卡尔积等关系代数运算 ,给出了遗传算法的搜索空间及个体、遗传算子和搜索最优解过程等关系代数形式的描述 ,建立了遗传算法的关系代数模型 ,给出了遗传算法的数学解释 .然后 ,给出建立遗传算法关系代数模型的意义 ,说明了数据挖掘和知识发现应用于遗传算法的可行性 .最后 ,用该模型描述了 2个常见用遗传算法解决的问题 ,即TSP问题和交互式遗传算法中的服装设计问题 ,结果表明该模型的可行性 .     

多品种装配顺序的一种改进遗传算法

多品种装配顺序的安排问题属于旅行商问题（TSP）,具有NP计算复杂性,针对该问题,以工艺辅助时间需求为优化目标,对遗传算法的边重组交叉算子（ER）作了改进．将基因的邻接关系分为左邻接关系和右邻接关系,通过抛弃基因的左邻接关系,将ER改进为右边重组算子（R—ER）,仿真表明改进后的遗传算法寻优能力更强、收敛性更佳．     

A genetic algorithm for the flowshop scheduling problem

The flowshop scheduling problem is NP complete. To solve it by genetic algorithm, an efficient crossover operator is designed. Compared with another crossover operator, this one often finds a better solution within the same time. Supported by the National Natural Science Foundation of China and 863 High Technology Project of China Qi Yuesheng: born in 1967, Ph. D.     

云自适应遗传算法有能力约束的车辆调度优化

针对与车辆调度成本密切相关的运输量和车辆利用率,建立油耗费用和固定费用最小的车辆调度模型.根据车辆调度问题实时性和复杂性的要求,提出云模型理论与遗传算法相结合的云自适应遗传算法,利用云模型云滴的随机性和稳定倾向性改进标准遗传算法中固定设置交叉和变异概率的方式,克服了标准遗传算法搜索速度慢及易早熟的缺陷,设计基于最大保留机制的交叉和变异算子,提高了算法的收敛性和鲁棒性.最后,结合算例对模型和算法的有效性进行验证.     

求解车辆路径问题的改进遗传算法

在建立车辆路径问题数学模型的基础上,设计了求解该问题的改进遗传算法,即采用自然数编码,构造一定长度的遗传个体表,动态记录适应度以及引入新交叉算子。实验结果表明,该算法用于求解车辆路径问题,不但可以解决传统遗传算法在求解该问题所遇到的“早熟收敛”,而且大大提高算法的运行效率。     

库存不足条件下车辆路径问题及其遗传算法

探讨了库存不足条件下物流配送的两种常用配送策略,并就不同配送策略构建了相应的车辆路径问题数学模型。在模型的求解上引入遗传算法,并根据问题的特点,构造遗传算法求解该问题的步骤。最后通过算例实验,验证了模型的通用性与算法的有效性。     

一种求解价格控制问题的混合遗传算法

针对价格控制问题提出了一种将遗传算法与单纯形法相结合形成的混合遗传算法，在分析了价格控制问题具体特点的基础上，对遗传算法在编码、约束处理、下层问题无解处理等方面进行改进，最后进行了数值模拟，模拟结果验证了该算法具有较高的精度且简便易行。