基于云自适应遗传算法的改进BP算法

针对标准BP算法对初始权值敏感、收敛速度慢、易陷入局部极小等问题,结合正态云模型云滴的随机性和稳定倾向性,以及遗传算法的全局搜索能力、收敛速度快等特性,提出了云自适应遗传改进BP算法.该算法首次将云模型和遗传算法结合调整神经网络的权值和阈值.由X条件云发生器产生改进的自适应交叉概率和变异概率.实验结果表明:云自适应遗传改进BP算法比标准BP算法收敛速度快.     

选煤厂配煤调度中的云模型改进遗传算法

针对传统遗传算法求解最优值存在搜索速度慢、容易陷入局部最优解的问题,基于传统遗传算法和云模型,提出了云自适应遗传算法和云遗传算法,建立了选煤厂三产品配煤调度模型,并分别采用改进算法和传统遗传算法求解。实例表明,两种改进算法优于传统遗传算法,为选煤厂配煤调度优化提供了技术途径。     

时变需求环境下同时取送货的车辆路径问题优化研究

针对客户需求随时间实时变化且存在同时取送货的车辆路径优化问题,构建最小化配送总成本的优化模型.考虑动态路径优化问题的处理策略,提出滚动周期型动态调度优化方法,将问题划分为一系列静态车辆路径问题进行求解.通过在蚁群算法中引入遗传算法的交叉、变异操作设计混合蚁群遗传算法对问题进行优化.算例表明:文章所构建的模型及动态调度优...     

一种新的非满载车辆调度的遗传算法

针对物流配送中的单车场非满载车辆调度问题,提出了一种基于Grefenstette编码的自适应遗传算法.该方法采用Grefenstette编码方式,使得交叉和变异运算后的任意基因型个体都能对应于一条具有实际意义的行驶路线;并在交叉和变异运算过程中,引进自适应调整策略,避免陷入早熟和染色体的破坏.通过与简单遗传算法的仿真结果对比,验证了本算法的有效性.     

区域公交车辆调度问题的可靠性

为避免交通拥挤等突发事件干扰车辆正常、按时地完成某班次,从而造成公交车辆调度方案失效,需编制一个具较高可靠性的方案以适应环境变化.文中将区域公交车辆调度问题视为”部分班次被某车辆完成”的集合划分问题,假设不确定因素引起车辆延时完成某班次的时间服从正态分布,首次引入公交车辆调度方案的可靠度概念,考虑站场容量等约束因素,研究一类以车辆使用费用最少为第一目标和公交车辆调度方案可靠度最大为第二目标的多目标规划问题;再用约束法将第二目标变为约束条件,使该问题转化为单目标规划问题,设计求解问题的改进遗传算法,根据问题特征定义染色体编码、适应度函数、产生初始种群的启发式算法、交叉和变异操作等;最后,通过一个算例验证了模型和算法的正确性及有效性.     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

危险品关联运输调度问题的优化设计

针对带硬时间窗的关联运输调度问题(Incident Vehicle Routing Problem with Hard Time Windows,IVRPHTW),联系实际应用中危险品的车辆路径问题,介绍了混沌遗传算法的基本原理,并对其进行改进,自适应地调整交叉概率和变异概率,引进了模拟退火机制,并用改进的算法来对IVRPHTW求解,然后与遗传算法求解此模型的结果相比较。实例证明该算法求解危险品的关联运输调度问题是可行的,且优于传统的遗传算法。     

云存储部署优化的进化算法设计

针对云计算环境下的云存储部署规划优化问题,全文研究和提出了一种进化算法并进行了求解.首先基于对象存储方法,设计了三层架构云存储模型.在建立的模型中,将云存储部署抽象为多目标优化调度问题,针对现有粒子群优化算法或遗传算法在解决这一优化调度问题过程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法来进行求解,讨论了进化算法的优化设计过程.同时,在云计算仿真平台CloudSim上,对所提出的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表明,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比,能对性能指标实现更优配置.     

基于分区的多配送中心多车型车辆调度问题与遗传算法设计

 研究大规模的多配送中心多车型车辆调度问题,首先基于配送中心几何重心分区方法将多配送中心多车型车辆调度问题转化为单配送中心多车型车辆调度问题,该分区方法简单、直观,大大降低了运算量.建立了一种基于完整配送费用的多配送中心多车型车辆调度问题的数学模型,配送费用在考虑基本运输费的基础上又引入了司机的工资支出,包括基本工资和加班费.在多配送中心多车型车辆调度模型中,一个配送中心的一辆车可以为多个客户服务,但一个客户只能由某个配送中心的一辆车提供服务.根据模型的这些特点,提出了一种新的多片段染色体混合编码方案,并采用分段交叉、分段变异方法有效继承了父代染色体的部分基因,显著提高了算法的收敛性能.数值仿真结果验证了算法的可行性和有效性.     

作业车间调度双阈值控制结构自适应遗传算法的一种改进

当前,用于求解作业车间调度问题的遗传算法的执行效率非常差,针对这一问题,设计了一种双阈值控制结构的自适应遗传算法。该算法首先利用相似度阈值实现选择性的交叉和变异,然后以适应度阈值作为是否引入新个体的标准,从而保持种群的多样性。利用这种方法解决车间调度问题时,可以避免交叉后产生的优秀个体因变异而遭到破坏。它对典型作业车间调度问题的求解表明,该算法可以极大地提高算法的寻优能力和收敛速度。     

基于云遗传的混合混沌粒子群算法研究

为了解决PSO算法种群随机初始化遍历性差、易陷入早熟收敛以及不具备全局收敛性的缺点,提出一种基于云遗传的混合混沌粒子群优化算法,使用均匀性更优的无限折混沌叠映射实现粒子初始化,通过自适应云算子、改进的Metropolis接受准则以及动态调整粒子集规模等策略,实现了云遗传算法和PSO算法的协同,最后通过全局收敛性证明、时间复杂度和实验分析,验证了算法的有效性。     

一种改进的遗传算法在云计算中的应用

针对传统的遗传算法在云环境中迭代次数多、耗时长的缺陷,提出了一种改进的遗传算法,主要从执行时间及执行任务所需的费用两个方面来优化任务调度.通过建立任务调度模型,设计出相应的适应度函数、界限函数.仿真结果表明,在任务调度中运用改进的遗传算法,所需的平均等待时间要短,调度所需的费用也比传统的遗传算法要低.     

卫星云图云分类的一种综合优化聚类方法

为了改进和提高目前卫星云图云分类中客观性、定量性和自动化程度的不足,运用遗传算法（GA）全局寻优、模糊C均值聚类（FCM）局部寻优、模糊减法聚类（FSC）客观估算聚类数等优势互补的思想和途径,进行卫星云图的云分类判别。试验结果表明,综合优化方法（FSC-GA-FCM）的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,可运用于实况云图的云分类客观、自动判别。     

基于云量子遗传算法的核用桥起减震装置的优化与分析

核电厂专用桥式起重机在运行工作中常受到地震载荷的影响,针对该问题本文通过引入粘滞阻尼器对原有减震装置进行了改进,并采用云量子遗传算法对引入的粘滞阻尼器阻尼系数进行优化选取。通过仿真实验完成了桥式起重机有限元模型和等效单自由度实验模型的地震位移响应的结果比对以及减震装置改进前后位移、应力分析。结果表明：改进后桥式起重机整体强度、刚度及稳定性均符合安全要求,在减震结构时程分析上具有良好的一致性,减震率也有进一步提升。该结论可为后续的桥式起重机减震研究等提供理论参考。     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中， 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中, 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于遗传算法的点云注册技术研究

提出了一种基于遗传算法的点云配准技术,将点云数据与3D模型进行配准,对模型建立KD树,进行最近邻搜索,获取点云到3D模型中最近的点,根据各点到模型的距离来作为适应度判断依据.仿真结果表明:该算法达到一定的配准精度,具有全局收敛、配准时间短、对初始位置要求不高的特点.     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。