改进的非支配排序遗传算法INSGA-II

由于NSGA-II不能控制精英被选取的数量,容易导致早熟收敛或陷入局部最优,所以本文提出了NSGA-II算法的一种改进算法INSGA-II。在此算法中,通过引入分布函数来控制精英被选取的数量,从而更好地保持种群的多样性。实验结果表明,INSGA-II发现的Pareto最优解分布既均匀又广泛,与NSGA-II相比得到的Pareto曲线更接近于真实的Pareto最优曲线。     

基于改进非支配排序遗传算法的配电网动态重构

针对分布式电源大规模接入配电网情况下配电网的动态重构问题,提出一种基于改进非支配排序遗传算法(non-dominated sorting genetic algorithms Ⅱ,NSGA-Ⅱ)的配电网动态重构策略.首先,以系统运行成本和电压偏移最小为目标建立配电网动态重构模型.其次,结合参数自适应策略和基于可行解优越性的约束处理技术提出NSGA-Ⅱ改进算法对模型进行求解.再次,用超体积(hypervolume)指标选择最佳的帕累托解集,并通过模糊决策技术从帕累托解集中选择最佳方案.最后,以IEEE 33节点系统为例进行仿真.结果 表明:该模型可以在降低系统运行成本的同时提高系统电能质量.     

改进的非支配排序遗传算法优化气举配气

论述了气举优化配气的发展现状,提出了一种新的用分段线性函数表示的气举优化配气单目标和多目标模型。单目标模型以产油量最大为目标函数,而多目标模型以产油量最大且注气量最小为目标函数。以我国西部某油田某区气举井为例,进行了气举优化配气实例分析,给出了气举配气单目标模型的最优解和多目标模型的非支配解集,得到了最优配气方案下的产油量和注气量。     

基于非支配排序遗传算法的沥青路面大中修养护决策

为了更好地协调沥青路面大中修养护方案决策时成本、环境和性能之间相互制衡的矛盾,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithm Ⅲ,NSGA-Ⅲ)来优化沥青路面大中修养护方案决策。针对实际公路工程项目中多重约束条件下的养护需求,建立了以碳排放量、寿命周期成本及路面使用性能为目标的多目标优化模型,采用NSGA-Ⅲ算法求解模型,有效解决各目标间的非支配关系,并得到养护方案的Pareto解集;在多属性决策中引入广义马氏距离与组合赋权方法,对Pareto解集进行排序决策,并以承德市某公路为例进行实例演示;划分3种不同的权重等级和六种权重策略,分析对不同目标赋予不同权重等级时对最优养护方案的影响。研究结果表明:NSGA-Ⅲ算法可以快速、高效地捕捉多目标解集,当对不同目标赋予相同的权重等级时,相比于只考虑单目标与双目标的养护方案,其最优解在碳排放量上分别降低24.45%、28.41%;寿命周期成本分别降低14.43%、17.95%;PCI值分别降低1.07%、3.68%。该方法相比于传统的决策方法可以更准确、更迅速地得到可持续性的养...     

一种改进的非支配排序遗传算法

为克服非支配排序遗传算法计算复杂度高, 未采用精英策略, 需要特别指定共享半径的缺点,提出了一种改进的非支配排序遗传算法.通过实验验证,该算法在几个给定的函数优化时都能取得比较好的结果.     

一种改进的非支配排序遗传算法INSGA

为克服非支配排序遗传算法（NSGA）存在的计算复杂度高，未采用精英策略以及需要特别指定共享半径等特点，介绍一种改进的算法INSGA，克服了上述缺点，并通过实验验证，在几个给定的函数优化问题上都取得了比较好的结果。     

遗传算法种群多样性的度量

针对遗传算法的过早收敛问题,从种群个体、基因两个方面给出了遗传算法种群多样性的度量方法,并在此基础上提出了一种基于大变异操作的遗传算法．实验结果表明该方法在问题求解的精确度以及收敛性方面取得了很好的效果．     

基于改进的二代非支配排序遗传算法对电子变压器多目标优化

本文在对多目标、多变量优化方法研究的基础上,提出了改进的二代非支配排序遗传算法。在该算法中,通过增加种群多样性和提高个体竞争力,有效地减少了早熟收敛现象的发生,同时,通过种群分割操作,大大减少了交叉运算的计算量。依据这一改进算法,建立了三维优化模型,对电子变压器进行了多目标优化设计,获得了电子变压器优化设计参数,使其体积更小、效率更高,更容易找到全局最优解。与非支配排序遗传算法(NSGA)和二代非支配排序遗传算法(NSGA-Ⅱ)相比,改进的二代非支配排序遗传算法在电子变压器优化设计方面具有明显的优势。最后,依据优化结果,制作了一台磁芯材料为超微晶合金的高频变压器,温度校核结果表明了此优化方法的可行性。     

基于多目标融合及改进遗传算法的终端区进场协同排序

未来中国终端区将逐年递增,根据数据显示终端区内空域资源与飞行流量的增长不成正比,终端区内流量趋于饱和。为了有效提升终端区运行的效率,确保航空器在其空域的安全飞行,降低管制员的负荷以及公司的运行成本,从航空器延误、管制员负荷以及各机场资源平衡3个方向建立多机场终端区航空器进场协同排序模型。首先,通过对终端区范围界定,运行主要问题的研究以及空域结构的分析,了解终端区系统的相互关联因素;其次,通过对终端区进场航空器的线路、交叉点的单独分析,找到相应的共同点和影响较高的运行系统相关性因素、相关的约束以及主要的解决目标;最后,利用结合模拟退火算法(simulated annealing algorithm, SAA)的非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)算法对该模型进行求解。结果表明：基于改进遗传算法对该模型求解后对比先到先服务模式以及未改进的遗传算法在效率上分别提高26.3%和53.2%。由此可见,所提出的模型能有效地提高航空器排序的效率。     

改进的NSGA-Ⅱ算法的柔性物料搬运策略

针对传统的装配车间拉动式物料配送存在拣货效率低和配送成本高的问题,提出了以搬运机器人为中心的柔性物料配送策略.建立了以完工时间、延期时间、负载和能耗等目标最小化的多目标多机器人协作配送调度模型;并结合模型特点提出了一种改进的非支配排序遗传算法(non-dominated sorting genetic algorith...     

基于模糊非支配排序遗传算法的多车型快速路交通拥堵和排放优化

以优化城市多车型快速路交通系统拥堵和排放为目标, 综合考虑了走行时间(total time spent, TTS)、走行距离(total travel distance, TTD)、匝道排队、尾气排放和燃油消耗这5个性能指标, 改进了多车型快速路宏观交通流模型Multi-class METANET和多车型排放模型Multi-class VT-macro. 提出了一个新的高维多目标优化算法——模糊非支配排序遗传算法(fuzzy non-dominated sorting genetic algorithm, FNSGA-Ⅲ), 对快速路的匝道汇入率和主路的可变限速(variable speed limit, VSL)值进行了优化, 实现了缓解主路和匝道交通拥堵以及节能减排的目标. 提出的FNSGA-Ⅲ算法, 基于自适应模糊推理系统(adaptive network-base fuzzy inference system, ANFIS), 对下一时刻高维多目标优化的超平面进行预测, 能够有效引导算法在迭代过程中的进化方向, 提高算法的收敛速度. 基于上海市广中路实际路网进行仿真实验. 结果表明, 与现有的单目标遗传算法和高维多目标NSGA-Ⅲ算法相比, FNSGA-Ⅲ算法结合改进的多车型宏观交通流模型, 可以更合理地设置期望速度与匝道控制策略, 更为有效地环缓解快速路的交通拥堵和排放.     

基于改进NSGA-Ⅱ的交叉培训规划多目标优化

针对柔性制造单元的员工交叉培训规划问题,从人性化和经济效益的角度考虑,提出了将多能工水平和任务覆盖水平等培训策略作为约束条件,以培训员工平均满意度最大化和任务平均支付工资最小化为目标的多目标优化方法.针对多目标优化模型,采用了非支配排序遗传算法(NSGA-Ⅱ)求解,并采用了Pareto解集过滤器技术.实验结果表明,改进的算法在一定程度上提高了运算效率和改善了Pareto解的多样性.     

遗传算法的新改进--扰动式遗传算法

针对基于二进制编码遗传算法的精度低及二进制编码所带来的早熟等问题提出了一种新的改进方案--扰动式遗传算法(简称DGA),该方法通过对搜索区域进行微小的扰动而实现不同群体之间的竞争来提高算法的搜索性能.改进后的算法在提高精度的同时能够达到全局收敛,并能有效地处理多极值问题.对改进的算法进行了性能分析并用典型函数进行测试,结果表明,改进的效果较为显著.     

一种改进的遗传算法交叉策略

适应值的逼近决定子代个体的位置,能快速找出最优个体,但容易陷入局部解.提出了一种改进方法,确定交叉的父代个体,使进化向高适应值区域搜索.通过引入进程实现个体不等几率地产生新个体,保持种群多样性.实验证明该方法可行有效,提高了遗传算法的收敛率和收敛速度.     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

一种遗传算法交叉算子的改进算法

为了有效克服遗传算法收敛速度慢和易陷入局部极值点的缺点,提出了一种遗传算法交叉算子的改进算法,即采用自适应交叉概率,给不相关大的个体赋予较大的被选概率的配对方式进行交叉操作;在适应度比例轮盘赌的基础上辅以父子竞争的选择操作.二元多峰值Schaffer函数优化的仿真实例结果表明:与保留最优个体策略的遗传算法相比,改进算法能有效减少无效的交叉操作,收敛速度和全局搜索能力都得到了较大提高,其平均收敛代数和收敛到最优解的概率都优于保留最佳个体策略的遗传算法.     

一种改进的遗传算法及其应用

遗传算法在实际应用中容易出现早熟收敛和搜索结果精度不高的问题。针对早熟收敛和最优值精度低,采用了对搜索参数进行动态调整的优化计算。在进化的全过程中,算法始终保持较强的全局搜索能力和局部寻优能力。测试结果表明,对遗传算法的此种改进是有效的,不易陷入局部最优,并能大大提高最优解的精度。     

基于改进遗传算法的自动化制造单元调度

研究了一类带时间窗口的自动化制造单元调度问题。为了克服基本遗传算法求解此类问题容易陷入局部最优这一缺陷,在设计改进遗传算法时,采用基于循环序列的编码排列方式,并配合使用两点交叉操作,以增强进化过程中种群的多样性。采用启发式目标函数以引导种群向有利方向进化。针对进化过程中产生的大量不可行解,提出了具有联动修复机制的修复策略,根据修复过程自适应搜索待修复目标片段,同时引入禁忌表记录各基因的移动方向以避免迂回搜索,从而保证算法的搜索效率和求解质量。最后,使用文献中的8个基准案例进行算法测试,测试结果验证了本文提出的改进遗传算法的有效性。     

An Improved Genetic Algorithm for Problem of Genome Rearrangement

In view of the fact that the problem of sorting unsigned permutation by reversal is NP-hard, while the problem of sorting signed permutation by reversal can be solved easily, in this paper, we first transform an unsigned permutation of length n,π （π1 ,… ,πn）, into a set S（π） containing 2^n signed permutations, so that the reversal distance of π is equal to the reversal distance of the optimal signed permutation in S（π）. Then analyze the structural features of S（π） by creating a directed graph and induce a new computing model of this question. Finally, an improved genetic algorithm for solving the new model is proposed. Experimental results show that the proposed model and algorithm is very efficient in practice.