基于Pareto适应度的混合遗传算法在多式联运问题中的应用

为高效求解多式联运运输方式优化选择问题,提出一种基于Pareto适应度的混合遗传算法,此算法基于Pa-reto支配关系和个体像的小生境数进行适应度赋值,引入重插入算子,采用合理的交叉与变异方法,使得经交叉与变异之后的染色体仍然为问题可行解,提高了收敛速度,实证验证了算法的有效性.     

一种基于安全性的CAN-FD信号打包方法

现代车辆配备的大量电子设备可能成为黑客侵入车载网络系统的途径.为了防范攻击，需要为CAN-FD车载总线引入安全机制.建立了一种通过区分信号、帧、ECU层面安全等级、基于帧AES加密与添加MAC消息认证码的CAN-FD分层安全模型，并在此基础上提出一种可以有效降低 ECU 安全设计硬件成本的信号打包安全约束.通过将贪婪算法引入遗传算法的交叉算子与变异算子，设计了一种基于安全性的混合遗传算法，对具有不同安全等级的 CAN-FD 信号进行打包优化.实验表明，混合遗传算法可以获得比贪婪算法更低的带宽利用率，并通过实验分析了此安全设计对带宽利用率的影响.     

用Memetic算法求解有时间约束的TSP问题

设计了一种基于双重局部搜索策略的Memetic算法用于求解带有时间约束的旅行商问题.在基本遗传操作中.分别采用顺序交叉算子和交换变异算子,同时在每次交义和变异后均通过随机数来决定是采用贪婪倒位变异算子还是采用递归弧插入算子进行局部搜索优化.实例仿真分析表明该算法快速高效,并且具有很好的鲁棒性.     

基于纯数值函数优化的一种混合遗传算法

通过引入与进化代数相关的交叉概率和与个体适应度相关的变异概率的自适应遗传算子同时把Powell局部寻优算法融入遗传算法的搜索过程构成了一种数值函数全局寻优的混合遗传算法.实验表明混合遗传算法改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.同时由于混合遗传算法中只利用函数值信息,所以该混合遗传算法是纯数值函数的优化的一种通用方法.     

基于改进混合遗传算法的冷链物流配送中心选址优化

针对冷链物流配送中心的选址是一个受空间和时间限制的优化问题(需要同时考虑成本、时间窗、货物品质及客户服务水平的约束,是一复杂组合优化模型),构造了一种基于遗传算法和禁忌搜索算法相结合的、并用贪婪算法改进交叉算子的混合遗传算法对模型进行求解.实验结果表明,这种改进的混合遗传算法可以有效地避免早熟及局部最优现象,得到质量较高的解,进一步提高了计算效率.     

改进蚁群算法在港口集装箱装载中的应用

为了提高港口集装箱装载的效率,以最大化集装箱空间利用率为目标建立了集装箱装载优化模型,基于MATLAB利用改进蚁群算法进行了优化求解,结果显示,空间利用率提高了9.13%。证明了改进蚁群算法在集装箱装载问题上提高了空间利用率,可以容纳更多的货物,降低了装载成本。     

三空间分割遗传算法的环氧乙烷灭菌装载问题

由于环氧乙烷灭菌是医疗器械产品生产的瓶颈工序,因此提高环氧乙烷灭菌柜容积利用率是提高企业产能的有效方法之一。针对企业灭菌柜容积利用率低的问题,在批次要求和交期要求两个实际约束的条件下,提出了一个基于三空间分割的遗传算法,来解决产品环氧乙烷灭菌装载问题。首先使用三段式基因编码和三空间分割解码,确保有交期要求的产品能够优先装载,其次引入惩罚函数松弛批次约束,剔除不符合批次要求的装载组合,最后将顺序交叉和双精英保留策略分别作为遗传算法的交叉与选择算子,确保灭菌柜容积利用率最大化。与实际生产中依靠经验进行产品灭菌装载对比,灭菌柜容积利用率提高了12.1%～15.9%。     

带有限中间缓冲区的多级并行机问题的求解

为了解决带有限中间缓冲区的多级并行机问题,以最小化最大完工时间为优化目标,设计了一种基于遗传算法和模拟退火算法的混合求解算法.在此算法中,搜索空间被限制在第1工位工件投产序列的置换向量空间内.提出了一种由第1工位工件投产序列向量构造整个调度方案的方法,并采用混合交叉算子和变异算子的策略对选择算子进行了设计.通过与现有的计算结果进行比较,证明了此算法的可行性和优越性.     

遗传算法和蚂蚁算法混合求解旅行商问题

介绍了一种求解旅行商问题的混合蚂蚁算法,该算法结合了遗传算法中的改进的交叉算子和变异算子,对产生的局部最优解进行适当地交叉和变异,提高算法的搜索空间,可以提高蚁群算法的寻优能力,实验表明该算法很有效.     

基于混合遗传算法的TSP问题优化研究

为了避免陷入局部优化,提出使用混合遗传算法,即用应用模拟退火算法的Boltzmann生存方法,根据个体适应性的变异值Δf和概率值exp(-Δf/T),来保持个体的多样性,阻止提前收敛,用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度,较好地解决了群体的多样性和收敛速度的矛盾.算法分析和测试表明,该改进算法是有效的.