基于混合遗传算法的模糊Job Shop调度研究

就随机制造系统的核心问题——模糊Job Shop调度问题的研究现状和研究方法进行评述,介绍模糊Job Shop调度问题中的混合遗传算法的混合策略,对混合遗传算法中顺序混合策略使用时遇到的问题及解决方法进行讨论,同时就并行混合策略的使用中各算法之间的协同和相互之间的信息交换方法进行了探讨。     

单台机器模糊加工时间排序问题的遗传算法

根据三角形模糊数的特性,在对总加工时间模糊度有约束的条件下,构造出NP-困难的1 |fuzzy| min n∑i=1Ci排序模型的遗传算法.并采用算例进行了仿真实验,验证算法的有效性.同时重点研究了设计的分段线性适应度函数的适用性.实例计算表明,通过调节适应度函数中的惩罚系数α和β,可以兼顾种群的多样性和促使搜索效率的提高.该算法的实际应用可行,且具有良好的收敛性和较高的搜索效率.     

预先知道工件最大加工时间的带机器费用的排序

对大多数排序问题来说，机器集往往是事先给定的，而且在算法进行过程中，机器集是不变的。Imreh和Noga第一次提出了在排序中考虑机器费用的模型。他们研究了所谓的List Model problem，并给出了竞争比为（1＋5的平方根）／2≈1．618的在线算法，同时证明了该模型的任意在线算法的竞争比至少是4／3。本文研究List Model problem的一个半在线情形，我们假设工件的最大加工时间预先知道，我们将给出一个竞争比为19／12≈1．583的半在线算法，同时证明对该问题的这一半在线情形，任意半在线算法的竞争比至少是4／3。这表明部分信息有利于设计更好的算法。     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

基于时间卷积网络的机器阅读理解

针对目前机器阅读理解任务中缺乏有效的上下文信息融合方式和丢失文本的整体信息等情况,提出基于时间卷积网络的机器阅读理解模型.首先将文本的单词转化成词向量并加入词性特征;接着通过时间卷积网络获取问题和文章的上下文表示;之后采用注意力机制来计算出问题感知的文章表示;最后由循环神经网络模拟推理过程得到多步预测结果,并用加权和的方式来综合结果得到答案.实验使用了SQuAD2.0数据集,在EM和F1值上相比基准实验分别提升了6.6%和8.1%,证明了该方法的有效性.     

有分离调整和移走时间的两机器流水作业最大延误问题

在工件的调整时间和移走时间独立于加工时间的两机器流水作业问题中，同一工件的“调整”步及“移走”步在两台机器上可重叠进行，但“加工”步不能重叠，本以最大延误为目标函数讨论问题的解中工件排列应满足的条件，根据这些条件我们构作了两个近似算法。     

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.     

基于混合算法的最短路径优化算法

为了解决无向网络的最短路径优化问题,本文采用的是遗传算法和模拟退火算法相结合的思想,阻止早熟现象的发生,保证种群的多样性,防止陷入局部寻优情况的出现,并且定义了无向网络中的结点结构.仿真比较实验说明,混合算法不仅比单一遗传算法运算时间缩短,而且可以找到最短路径,证实了该算法的可行性.     

基于模拟退火的混合遗传算法

分析了遗传算法和模拟算法的优缺点,并将两种算法进行混合,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足,理论分析和仿真实验表明该方法的有效性和可行性。     

机器带准备时间的平行机排序问题的并行阈值算法

针对带准备时间的最小机器完工时间最大化排序问题,结合原始阈值算法、对偶阈值算法并加以修正,提出并行层次阈值算法,证明了三台机器情况下当参数ε＝1/4时,此线性时间算法的最坏情况界为3/4.这是到目前为止最坏情况界最小且时间复杂性为线性时间的算法.进一步通过计算实验,表明并行阈值算法对于3台至50台机器、5至50 000个工件数量的规模下,具备很高效率.     

一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想,在解决遗传算法中的约束问题时,将处理约束问题的两个关键方法(惩罚函数法和修补算法)有机的结合起来,并用于解决一类典型的约束问题--背包问题.其仿真结果表明,对于约束问题的求解,该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高.     

一种求解最短路径路由的遗传优化算法

将可变长度染色体——路由串和它的基因——节点应用于编码问题，交叉操作，在交叉点进行部分染色体（路由串）交换，变异操作，以维持种群的多样性。使用该算法进行简单操作，可以维护好所有不可行的染色体；交叉操作和变异操作相结合，能保证最优解的搜索能力和解的全局收敛性。实验结果证明，该算法收敛快，可靠性高。     

改进遗传算法求解有时间窗车辆路由问题

为了有效求解带有时间窗的车辆路由问题,在标准遗传算法的基础上,引入两代竞争近距淘汰选择算子,用欧氏距离来判断个体之间的距离作为个体的相似程度,相似程度高且适应度差的个体被淘汰,并辅以循环交叉算子和插入变异算子,构造出了一种改进的遗传算法.仿真实验表明,改进的算法在迭代过程中能有效保持群体的多样性,避免出现早熟现象而陷入局部极值点,提高遗传算法的内在并行性.同时通过竞争淘汰,使局部搜索能力得到加强,加快了搜索速度.改进算法所计算出的结果优于用轮盘赌和自适应选择作为选择算子的遗传算法的结果.     

基于改进的遗传算法的虚拟机部署研究

云计算环境下虚拟机的部署是有关资源管理、服务质量等方面的综合性问题,是一个多目标的NP-hard问题。根据弹性云环境下虚拟机部署的特点,利用遗传算法解决多目标组合优化问题的优点,提出一种基于改进遗传算法的虚拟机部署算法,以减少物理计算机开销、提高资源利用率、满足用户SLA为优化目标,将云计算环境下的资源管理和服务质量需求转化为算法可识别的信息,通过改进遗传算法,使之适应于静态和动态部署的要求。实验结果分析表明,该算法在满足多目标的条件下得到较优的解,为虚拟机到物理节点的映射提供了较好的解决方案。     

基于遗传算法的毒气泄漏时最佳疏散路径的研究

当毒气泄漏时,正确的疏散指挥系统是避免和减少人员伤亡的关键,而选择最佳疏散路线又是正确指挥的前提.在基于扩散理论和毒物伤害模型之上,讨论了疏散路径的可行性和当量长度模型,提出了通行难易程度系数和危险系数的概念;然后根据遗传算法具有全局优化搜索最优解集的特点,建立了其模型,并讨论了两点间k条最短疏散路径的求法.图1,表3,参11.     

对基于聚类和遗传算法的时间序列分割算法的改进

Vincent S.Tseng 等人提出的基于聚类和遗传算法的时间序列分割算法中,对于适应值函数的定义存在缺陷,本文对此进行了改进:用归一化处理消除子序列幅度对距离计算的影响,并引入类间距使分割结果的类间差异(模式之间的差异)变得更明显。对比算法改进前后的实验结果可以看出,这两点措施使适应值函数的精确性得到了提高,更有利于识别出子序列的模式。     

一种基于遗传算法的模糊C均值算法

模糊C-均值聚类(FCM)对初始值很敏感,易于陷入局部极小点而不能搜索到全局的聚类中心,遗传算法是一种通过模拟自然进化过程的搜索最优解的方法.因此,将FCM算法引入遗传算法的进化中,代替原来的交叉操作.实验结果表明,新方法明显优于传统 FCM算法.     

一种基于遗传算法的TTP问题求解算法

提出并实现了一种高校自动排课算法，利用遗传算法建立数据模型，定义一个四维的染色体编码方式和包含学生人数，教室座位、特殊课程、教师、班级、一门课的时间间隔等因数的适应度函数，通过切片算子，生成指数要求的基因型个体，用交叉算子和变异算子对基因型个体进行运算，再利用选择算子选择适应度函数值较高的染色体编码方案，最后对优化的染色体按指定方向切片，生成教师课表，学生课表和教室课表，对某高校的真实数据进行实验，结果显示无一例教室，教师，班级冲突，在PⅢ866PC机上运行，耗时为2323．573s，该算法可以推广到车辆调度，会议安排、超大规模电路板设计等应用领域。     

一种基于遗传算法的模糊聚类

对模糊c均值聚类算法（FCM算法）进行了讨论，说明FCM算法一般得不到全局最优分类，因此结合FCM算法提出了用遗传算法进行寻优求解，从而将遗传算法用于模糊聚类分析，最后的实例表明，遗传算法在处理多样本、多属性、多类别问题时，是一种有效的方法。