基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题，以最大完工时间为目标建立数学模型，提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量，用遗传算法进行初步搜索，将搜索的结果通过迭代贪婪策略进一步搜索，以提高解的质量，再对关键路径进行邻域搜索，设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构，加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试，实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。     

一种解决有限缓冲区流水车间调度问题的复合启发式算法

针对以最大完工时间为目标的有限缓冲区流水车间调度问题,提出了一种新的复合启发式算法.算法设计中首先使用PF-NEH算法进行解空间的搜索,并采用基于插入邻域和交换邻域的可变邻域搜索算法来增强局部搜索.仿真实验表明,该算法具有高效性和优越性.     

多目标模糊柔性作业车间调度问题优化

为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。     

基于改进候鸟迁徙优化的多目标批量流混合流水车间调度

针对2+1+1型混合流水车间,研究了多目标不相等批量流混合流水车间调度问题,提出一种基于变邻域搜索的自适应候鸟迁徙优化(AMBO)算法,实现了最小化完工时间与最小平均在制品数量的多目标优化.相比原始候鸟迁徙算法,AMBO算法引入变邻域搜索策略,实现每个算子的权重随迭代次数自适应调整,并提出了时间窗算子,以提升交换算子搜...     

利用改进的HBDE算法求解MAX-k-SAT问题

目前,利用进化算法求解组合优化问题已成为智能计算领域中的研究热点。本文基于二进制差分演化算法和动态变邻域搜索相结合提出了一种求解最大可满足问题(MAX-k-SAT)的改进算法(记为IBDE),通过与遗传算法和Johnson算法对一系列随机大规模MAX-k-SAT实例的求解比较表明:IBDE是一种求解MAX-k-SAT问题非常有效的新方法。     

混合流水车间调度问题的两阶段启发式算法

针对以最小化makespan为目标的混合流水车间调度问题,提出了一种两阶段启发式算法。在算法设计中,借鉴求解常规流水车间调度问题的经验,定义了一种相邻交换的邻域结构。算法的第一阶段利用基于排列排序的Nawaz-Enscore-Ham(NEH)算法求得一个较好的初始解,第二阶段通过邻域搜索来提高解的质量。基于benchmark算例的仿真实验结果表明该算法的有效性,与NEH相比,77个算例的平均偏差降低了2.004%,且其运行时间不超过0.031 s。     

基于VNS-EM混合算法的两阶段装配流水车间调度

针对以最小化工件提前期和拖期惩罚费用加权和为目标的两阶段装配流水车间调度问题,证明了工件之间的最优排序性质,并将其嵌入优化算法中.由于该问题的NP难性,提出了一种变邻域类电磁机制(VNS-EM)混合算法.该混合算法在类电磁机制(EM)算法的每一次迭代过程中嵌入改进的变邻域搜索(VNS)算法,利用其较好的局部搜索能力对每代最优个体的邻域进行精细搜索,从而提高解的质量.仿真结果表明了算法的有效性.与VNS算法和EM算法相比较,提出的VNS-EM混合算法能更好地兼顾算法的精度和求解速度.     

基于捕食搜索策略混合遗传算法的车辆路径问题研究

在分析研究车辆路径问题的基础上,将其转换为经典TSP优化问题进行求解并建立数学模型,针对遗传算法在求解车辆路径问题时搜索效率低,容易陷入局部最优的缺点,提出了一种改进的遗传算法.改进算法引用自适应邻域法进行种群初始化;基于捕食搜索策略动态自适应调整遗传参数,在加快寻优速度的同时防止陷入局部最优;交叉前后的种群分别实施精英个体保留策略,交叉变异之后引进进化逆转操作,继承父代较优和较多的信息.实验结果表明:改进遗传算法搜索效率高、计算结果较为稳定;求解车辆路径最优问题较其它算法具有较好的性能.     

用改进的遗传算法求解流水车间作业排序问题

针对流水车间(Flow-shop)作业排序问题，提出了两种改进的白适应遗传算法并给出了两种编码、解码方案。把此算法与现有的几种解法进行了比较，实验数据表明，改进的遗传算法在求解质量和效率上均优于传统的遗传算法和其他白适应遗传算法。     

求解空走优化路径的自适应邻域遗传算法

建立激光加工中空走路径优化的数学模型,并转化为旅行商问题(TSP)来求解.对最近邻法进行改进形成自适应邻域法.在自适应邻域法中,从某个城市出发,下一城市不一定是其最近城市,而是在比其最近城市稍远的邻域范围进行动态随机选取.在求解TSP的遗传算法中,采用自适应邻域法对种群初始化,然后采用选择、交叉、变异进行迭代,在选择中仅保留父代90%的样本,剩下的采用自适应邻域法产生新样本进行补充.运行结果表明,该算法缩短了激光加工空行程,提高了加工效率.     

基于混合遗传算法的应急物资配送路径优化

为解决突发事件下应急物资的配送路径优化问题,以配送车辆的固定成本、运输成本、违反最大载重量以及右时间窗的惩罚成本之和最小为目标,构建了带时间窗约束的应急物资配送路径优化模型;通过将遗传算法与节约算法、大规模邻域搜索算法相结合,设计出了一种混合遗传算法对模型进行求解;最后用算例仿真验证了模型和算法的可行性。实验结果表明:设计的混合遗传算法在求解过程和求解结果上都比标准遗传算法更优,可见能够为解决应急物资的配送路径优化问题提供科学的决策依据。     

A Hybrid Algorithm for Optimizing Multi-Modal Functions

0 IntroductionThmeo rsei m epxlteen gseivneeltiyc sailngcoeri itth mw(asSG pAro)p iosse adp pbliye dJ .mHor.eH aonl-dland[1]in 1970’s . SGAis an opti mization method based onpopulation by emulating the evolvement disciplinarian of thenature.It has showedthe great advantage of quick search foropti mal solutions while applied in the opti mization of single-modal functions . But as we know many problems in realitybelong to the opti mization of multi-modal function, and ifSGAis appliedto sol…     

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。     

考虑优先级和时间窗约束的应急物资调配模型

突发公共卫生事件的不确定性和突发性特点,使得高效精准的应急物资调配方案显得尤为重要。构建突发公共卫生事件背景下生活物资配送中转站的选址模型,并考虑特殊事件的发生,改进优先级系数和时间窗的计算,以运输距离、违反车辆容量与时间窗约束的惩罚成本最小为多目标,构建物资配送路径规划模型,通过K-means聚类算法解决选址问题,设置遗传算法和大邻域搜索算法的混合遗传算法求解最优配送路径。最后以长春市朝阳区的物资配送为例进行实证分析,结果表明可以将200个小区聚类为60个物资需求站点进行配送,需要26辆车将物资从调配中心转运到需求站点,并得到4类最优的物资配送方案,为解决突发公共卫生事件下应急物资配置提供了新的思路。     

应用粒计算的混合智能故障诊断技术研究

针对现有的混合智能故障诊断模型缺乏通用方法和混合框架,未能实现不同智能诊断方法的实质性融合和优势互补的问题,提出并构建了一种基于粒计算的混合智能故障诊断模型.该模型的核心是在邻域粗糙集中求取不同的邻域值,对故障特征集进行分层粒化,在不同粒度下获得核属性集.利用核属性集在相应粒度下构建人工神经网络和支持向量机子分类器,通过评估矩阵算法对所有粒度下全部子分类器的诊断结果进行融合集成.模型应用结果表明,分类精度随着粒度层的增加而不断提高,集成后的分类精度高于不同粒度下的所有子分类器,从而体现了粒化分层的优势和不同智能诊断方法的优势互补,为混合智能诊断提供了一种新途径.     

自适应邻域真空法

针对遗传算法的会聚问题,特别对于改进的遗传算法——邻域真空法进行了进一步讨论,提出了具有ε值自动选择的郜域真空法——自适应邻域真空法,对该方法的有效应用具有相当的意义。     

供应链下Flow Shop调度问题的多目标混合算法研究

针对供应链环境下一类多目标Flow Shop调度问题,构建了相关模型并提出一种新的基于PSO、SOM和VNS的混合算法.该算法运用新的思想和多种优化策略,可在单个解的质量、解分布的均匀与分布的广度3个指标上同时达到远优于原算法的效果.仿真实验显示,该算法对求解该类调度问题十分有效.     

用混合遗传算法求解约束NLP问题

将传统的求解约束ＮＩＰ问题的罚函数法和可行方向法同遗传算法结合,得到一种新的混合遗传算法。该算法弥补了仅用罚函数作为遗传算法的适应函数之不足,数值模拟结果表明该算法比其他算法更加有效。     

基于Tabu搜索与遗传算法研究拆卸序列优化

针对废弃装配体的拆卸序列优化,提出建立描述装配体结构的干涉一自由矩阵以及“拆卸楔”的概念和算法,据此计算各个零件从装配体上可以拆卸下来的方向和次序．鉴于遗传计算过程中,其邻域往往过早地收敛于局部优化点上,于是将Tabu搜索组合到遗传算法之中．实例验证表明,用这种组合优化方法解决装配体拆卸序列优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．