施工网络进度计划的多目标优化

通过对施工网络进度计划的研究 ,提出一种新的评价准则——工程质量 ,并建立了网络计划的数学模型 .同时综合前人已研究出的各种优化方法 ,得出网络计划的多目标优化模型 .由于各优化目标之间的矛盾性 ,用多目标决策理论可以科学客观地优化网络计划.     

基于模糊优选的多目标优化遗传算法

综述了多目标优化的传统方法,介绍了多目标优化的遗传算法解决策略,建立了基于模糊优选技术的多目标优化遗传算法模型．对用模糊优选理论解决多目标优化问题的有效性进行了证明．通过算例证明了理论体系的正确性和工程应用的实用性．     

递进多目标遗传算法

在现有算法研究基础上,提出了一种递进多目标遗传算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟.该算法采用非劣解等级优先的选择方式复制后代,降低算法的时间复杂性;通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化.采用递进算法与现有两种典型多目标遗传算法NSGA、MOGLS算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性;通过调整算法递进层次与每层进化代数的参数设置,进一步研究了参数选取对算法性能的影响.     

求解多目标规划问题的Pareto多目标遗传算法

针对传统的多目标优化方法的局限性，提出用于多目标规划问题求解的Pareto多目标遗传算法。实验结果表明，该算法是可行有效的，而且能为决策者提供满意解。     

基于对位学习的多目标遗传算法

为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证.结果表明,基于对位学习的多目标遗传算法具有较好的收敛性和分布性.     

基于多目标遗传算法的高层建筑概念设计优化

在高层建筑方案概念设计阶段,同时考虑了建筑、结构、设备等多种因素,并运用多目标遗传算法及MATLAB编程,对高层建筑概念设计进行优化.算法中的随机变权重因子可以更好地体现不同决策的侧重倾向,从而更好地符合实际需要.以高层办公建筑为例,提出了具体的方法和实施步骤,所得结果可为工程设计人员提供有益的借鉴.     

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

VFP＆VRP联合优化模型及其多目标遗传算法

单车型非满载问题是十分典型和重要的物流配送问题之一．单车型非满载问题通常包括物品装车（VFP）和车辆路径安排（VRP）2个紧密相关的子问题．研究同时考虑VFP和VRP讲两个因素的联合优化问题，建立了多目标优化模型，设计了模型的多目标遗传算法，并结合实例验证模型和算法的有效性．     

解多目标优化的均匀正交遗传算法

在多目标优化中，各目标通常相互冲突且不可公度，其最优解(常称为Pareto最优解)往往有无穷多，如何在最优解集合中求出一组分布均匀且数量充足的代表解供决策者选择十分重要,论文将均匀设计、正交设计与遗传算法相结合给出了解多目标优化的一种新方法，并证明了其全局收敛性,新方法用少的计算量便可求出一组在最优解集合中分布均匀且数量充足的最优解,计算机仿真也表明这种方法对不同的试验函数均可用少的计算量求出一组在最优解集合中分布均匀且数量充足的最优解。     

优化建设项目费用支付的纳什均衡模型及其遗传算法求解

建立业主与承包商间就建设项目费用支付问题的完全信息动态博弈模型，以使业主与承包商的建设项目费用支付(或获得)现金流的净现值对最理想值的偏差最小为优化目标，讨论纳什均衡解，并运用遗传算法求得建设项目费用支付的均衡优化方案。应用本文给出的模型及求解方法，既可以较好地解决业主对建设项目费用支付的控制问题，也能够合理地兼顾到承包商的利益，是一种双赢解决方案。     

基于神经网络的多目标综合评价

本文提出了基于神经网络的多目标综合评价方法。这种方法通过利用神经网络对于以往成功的评价样本的学习, 使得神经网络反映评价指标的偏好, 从而代替评价人进行评价。文章研究了神经网络学习的BP算法, 并分析了某大型水利工程水位方案评价问题。     

求解作业车间调度问题的改进自适应遗传算法

根据当前代种群中的最优个体应该保留,但也要一定交叉与变异概率的思想,提出了改进的自适应遗传算法,开发了工程应用软件包,应用于求解作业车间调度问题,显著提高了收敛速度.特别是在搜索过程中系统能够自动给定交叉概率和变异概率,符合工程实际需要.     

一种求解带资源约束的并行机器多目标调度问题的遗传算法

探讨了双目标下,带一种资源约束的,工件成类别的并行机器调度问题.针对该问题,提出了一种遗传算法.该算法采用了两两竞赛的选择算子、聚集度、违约度来处理多目标约束优化.通过随机订单的测试,计算结果显示:对于各个单目标值,该算法比修正的EDD、LPT、SPT能改善3%~37%.     

一种求解资源受限项目调度问题的自适应遗传算法

遗传算法（GA）应用在经典资源受限项目调度问题中取得了显著的效果。本文提出了一种新的编码方法，亦即在任务链表后面加上两个基因，一个是表示解码规则的S／P基因，另一个是表示解码方向的F／B基因，由这两个基因同时控制任务链表的解码规则和解码方向。为了验证其有效性，选用标准数据库PSPLIB中的156个例子进行验证，鲒果表明：本算法优于采用编码为任务链表和带有S／P基因的任务链表的两个遗传算法。本算法的设计思想对于解决相关组合最优化f-＇l题具有一定的指导意义。     

基于遗传算法供水系统优化调度模型

研究了含有调速泵的供水系统直接优化调度问题.根据给水系统的网络特性,以测压点压力宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程,并以每一泵站每时段应有水泵运行求得的出水量和管网求得的需水量相等的条件建立了混合泵站供水系统的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解,提出了对各种约束条件处理的方法,针对遗传算法容易早熟等的不足,综合采用遗传算法和模拟退火技术以及自适应交叉和变异率的方法.最后算例计算表明该算法具有较强的适用性.     

遗传算法在Job-Shop调度中的应用

本文介绍了近年来遗传在作业调度方面的成功应用,包括染色体的编码方法,用于调度问题的交叉、变异算子以及改进遗传算法性能主要措施。     

利用遗传算法求解多项目资源平衡问题

基于遗传算法的基本原理,针对多项目资源平衡问题本身的特点,通过建立适当的数学模型,提出了解决多项目资源平衡问题一种全新的精确解法,并通过实际算例表明该算法的有效性.     

两级排序遗传算法在柔性工作车间调度中的应用

由于在遗传算法的搜索寻优过程中种群有收敛于单一个体的趋势,为了减轻这种趋势,在Pareto多目标遗传算法的基础上做了一些改进,即用Pareto最优概念对种群进行第一级排序,然后计算种群中每个个体与同Pareto级别所有个体之间的全局拥挤距离作为该个体的次要属性进行第二级排序,根据这两级排序的结果进行联赛制选择操作和交叉变异操作。为了验证算法的性能,以多目标柔性工作车间调度问题作为实例并针对柔性工作车间调度问题的特点设计了相应的交叉变异方法。仿真结果表明该算法可以产生更多的分布在非劣解前沿上的解。     

航空电子分区层次调度模型及其优化设计

在模块化航空电子系统中,采用分层结构构建系统,通过分区管理实现不同分组的航空软件互不影响的执行.在任务最大响应时间函数的基础上,利用加权轮转时间和任务执行系数,得到了分区调度成功的判决条件;通过对系统剩余时间的计算,提出了分区快速设计模型;通过对任务时间遍历,得出分区最优化设计模型.开发仿真工具对这两种模型进行对比,结果表明:快速设计模型较好的解决了航空电子分区设计问题.