改进遗传算法求解三维集装箱装载问题

集装箱配载是一个复杂的组合优化问题,约束条件多,属于NP完全问题,求解难度大。本文在考虑一些实际应用中的约束条件下,提出了一种三维集装箱装载的改进遗传算法。算法中考虑了货物放置方向、装载容积等约束条件,给出了有效的解码算法。实例仿真结果说明了该算法的有效性和实用性,可以直接在实际中应用。     

改进分布估计算法解决多约束集装箱装载问题

集装箱装载是一个空间优化分解的布局问题,其约束条件多,属于典型的NP完全问题,求解难度大。在考虑实际应用中的约束条件下,使用三空间分割的布局方法,并结合分布估计算法(EDA)求解多约束装箱问题。同时对所使用的单变量边缘分布算法(UMDA)进行改进,采用了精英种群的策略并且加入遗传算法中的变异操作,这样能够使算法跳出局部最优解,加快算法收敛速度。实验结果表明该算法在求解速度和成功率方面都有明显的改善。     

基于遗传算法的多约束背包问题求解方案

采用混合遗传算法求解多约束背包问题.首先构建多约束背包问题的数学模型,然后采用多维实数编码方式的遗传算法,结合附带染色体库技术、局部启发式算子和扰动算子对问题进行求解,并给出了一个实验实例.实验证明文中采用这种混合遗传优化算法解决多约束背包问题切实可行,有较高的搜索效率.     

优化搜索空间划分的遗传算法的研究与实现

针对遗传算法中早熟收敛和容易陷入局部收敛的问题,提出优化搜索空间、遗传算法算子的一些改进策略,即利用搜索空间划分实现优良等位基因单元稳定遗传到下一代中,利用禁忌域和有效域快速提高算法的实现性能.改进的算法能有效减少搜索空间、避免算法早熟,使得算法的全局搜索能力和局部搜索能力比其他遗传算法均得到了较大的提高.函数求最优解和服装设计算法的实现,证明了改进算法的平均收敛速度和收敛到最优解的效率都优于其他遗传算法,实验验证了所提出的算法思想的可行性和有效性.     

遗传算法三种编码策略的比较研究

分析遗传算法的二进制、实数、十进制编码策略实现方法,根据各编码的特点,设计相应的改进遗传策略.以前馈神经网络权值优化问题为例,用计算机仿真实验的方法研究三种编码策略对各遗传算法性能的影响.研究结果表明,若同时强调搜索效率和搜索准确性,宜采用实数编码的改进遗传算法;若只强调搜索准确性,则应优先考虑十进制编码的改进遗传算法.研究的结论为遗传算法在高维连续参数优化问题中编码策略的选取提供了理论指导.     

钢坯入库优化算法

钢坯入库是一道非常重要的工序,它可归结为装箱问题。根据某钢厂的实际情况建立了相应的数学模型,基于该模型,建立入库时的决策条件,并设计了相应的入库算法。实验数据表明,模型具有合理性算法可行性。     

多种物品三维装箱问题的一种启发式算法

针对多种物品单箱三维装箱的问题,设计了一种新的启发式算法.该算法基于"平面"和"块"的概念,采取树搜索策略,允许货物在任何可行方向上旋转,在保证箱空间利用率足够高的同时,满足货物摆放稳定性的要求.实验结果表明,该算法是解决此类问题的一种有效的方法.     

联立模块法对环氧乙烷生产过程的模拟

应用联立模块法的模拟策略,对多循环回路、多控制变量的乙烯氧化制环氧乙烷过程进行了稳态、操作型数学模拟。在Upadbye和Grens准则基础上,提出了同一断裂族中具体断裂流股的实用选择方法。通过适当地选择已知对应函数关系的一些流股作为断裂流股,使得待求的非线性方程组的维数大大降低,从而明显地减少了计算时间和所需的计算机内存空间。针对化工过程非线性强的特点,采用了一种交替使用离散牛顿法和拟牛顿法,作为一维不完全搜索的非线性方程组的求解方法。一维搜索使用新的初始步长限制方法。系统模拟计算表明,这种算法是成功的,计算结果与生产实际相符。     

运用遗传算法求解有约束条件的旅行商问题

介绍了TSPPC(Traveling Salesman Problem with Precedence Constraint),并指出了普通遗传算法对于求解TSPPC的局限性及在算法过程中产生大量非可行解,从而降低了算法的搜索效率,提出了基于TSPPC中约束条件的种群初始化、交叉操作以及变异操作,由于运用这些遗传操作在算法过程中不会产生非可行解,因此大大提高了算法的搜索效率,最后通过定理和算例验证了本文中提出的遗传算法。     

用随机开关控制的遗传算法在求解设备更新问题中的应用

针对一种确定性的设备更新问题；提出了用遗传算法求解的新途径。通过适当的编码，可大大减少常规０—１规划中的变量数目和约束条件，较好地反应被优化对象的本质特征。进一步采用遍历匹配选择和随机开关控制杂交的方法，可迅速地求出全局最优解或近似最优解。