设施布置算法性能比较和仿真

为了解决多目标的优化问题,提出了变动临近区域遗传算法。算法在解决设施布置问题时,改进了质化研究和量化研究中的一些不足。仿真结果表明,与传统的NPGA、VEGA遗传算法相比较,该算法在最终解个数、算法的稳定性、染色体的均匀程度等评价指标上为最优。     

基于人机结合算法的布局优化研究

在研究并行遗传算法的基础上,提出了解决家电产品布局设计优化问题的人机结合并行遗传算法．该算法将人工个体与算法个体共同构成解群,在计算过程中通过人机交互,实现对算法的有效干预,避免算法的缺陷出现．对比试验表明,采用“人机结合”的并行遗传算法能够较好地解决家电产品布局设计的优化问题．     

基于人机结合算法的布局优化研究

在研究并行遗传算法的基础上,提出了解决家电产品布局设计优化问题的人机结合并行遗传算法.该算法将人工个体与算法个体共同构成解群,在计算过程中通过人机交互,实现对算法的有效干预,避免算法的缺陷出现.对比试验表明,采用"人机结合"的并行遗传算法能够较好地解决家电产品布局设计的优化问题.     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

一种基于混合模型的数据网格副本选择机制

在基于遗传算法和蚂蚁算法的副本选择策略研究的基础上,针对两种算法的优缺点,提出了基于融合算法的副本选择策略,利用遗传算法中的适应度函数初始化蚂蚁算法中的信息素分布,利用蚂蚁算法选择最优副本,即解决了遗传算法求解效率低的问题,又解决了蚂蚁算法初期信息素匮乏问题。通过对仿真结果进行分析比较,基于融合算法的副本选择策略在整个网格环境下和在单个站点都能有效减少作业运行时间,提高副本选择的速度,提高了整体性能。     

遗传算法在蛋白质结构预测中的应用

蛋白质结构预测在生物信息学研究中占有重要地位,此文对遗传算法（GAs)在蛋白质结构预测中的应用作一评述,首先,简要地介绍了遗传算法和一般的蛋白质构象搜索问题,然后对近年来用遗传算法解决蛋白质结构预测的研究作了回顾,并分析了算法的效果和特点,最后,展望了用遗传算法解决蛋白质结构预测问题的前景。     

一种优化的细菌觅食算法用以解决全局最优化问题

细菌觅食算法是一种新的智能计算方法,已经被用于解决最优化问题。本文将遗传算法中的交叉,变异操作引入到细菌觅食算法中,加速优化进程,并用于解决函数全局优化问题。先利用测试函数对算法的性能进行了研究,再将该算法对比遗传算法求解测试函数的全局最优值。仿真结果说明,优化后的细菌觅食算法非常有效,能很好解决全局优化问题。     

退火遗传算法及其在一维切割问题上的应用

针对标准遗传算法在解决优化问题中存在的问题,提出了改进标准遗传算法的退火遗传算法,并把该算法应用于一维最优切割问题上。通过与标准遗传算法求解一维切割问题的比较,验证了退火遗传算法的有效性。     

一种求解图的L(2,1)标号问题的混合遗传算法

通过Floyd算法、贪心算法和遗传算法结合提出了一种解决L(2,1)标号问题的混合遗传算法.通过仿真实验说明该混合算法加快了单纯应用遗传算法求解的收敛速度,能够快速解决给定图的L(2,1)标号问题.     

遗传算法在最优化问题中的应用研究

遗传算法是一类借鉴生物界自然选择和基因遗传学原理的随机搜索算法.本文分析和研究了遗传算法的基本概念和基本要素,阐述了遗传算法的实现原理和实现过程,并将遗传算法应用于求非线性函数最值中,证明了该算法对于解决函数优化问题是最有效的方法之一.     

MATLAB中用遗传算法求解约束非线性规划问题

约束非线性规划问题的求解往往是运筹学中的NP问题,利用MATLAB中的遗传算法工具箱中的函数方便、快捷的求得了两个实例的最优解,进一步指出了遗传算法与传统的最优化算法的区别.     

基于遗传算法的网络选播路由算法初探

介绍选播路由算法相关的基本概念和研究内容，探讨利用遗传算法和随机方法研究选播路由算法的关键技术问题。     

基于遗传算法的半导体生产线调度研究进展

半导体生产线调度是制造系统实际生产中的重要问题,也是理论研究的难点之一.遗传算法是计算智能的主要研究对象,因此基于遗传算法的半导体生产线调度研究,具有非常重要的研究价值和实践意义,已经引起了国内外研究者的广泛关注.文中评述近几年来在半导体生产线调度优化中遗传算法的应用,详细介绍了算法编码、操作、参数的选择、算法的改进及具体应用,并指出这一领域中值得进一步研究的一些问题和可能的发展方向.     

一类自适应遗传算法

简要介绍了徐宗本教授新近提出的可分解／可拼接遗传算法编码,并证明了一个得用对偶适应函数判定已知个体是否为相对全局最优解的判据,基于新的编码与判据,分别在种群层次与基因层次发展了动态变异与动态选择操作,进而提出了一类自适应遗传算法,对其原理的分析表明,新算法可用于求解所给问题的任意精度解,且在很大程度上可避免遗传算法早熟现象,此工作是对模拟演化自适应计算技术的有效探索。     

车辆路径问题的改进遗传算法研究

在现有的物流管理系统中,车辆路径问题(vehi-cle routing problem,VRP)研究在物流配送过程中的作用显得尤为重要.VRD最早是在1959年由Dan-ting和Ramser[1]提出,其研究的问题可以描述为:有n个商品需求点(可以称之为顾客),各个顾客之间的距离以及商品需求量事先已知,要求从中心仓     

基于免疫遗传算法的炼钢最优炉次计划研究

针对炼钢最优炉次计划问题难以准确求解的实际情况,建立了一种含有0-1变量的整数规划模型,为了求解该优化模型,提出了一种新的免疫遗传算法.该算法通过将免疫算法和遗传算法相结合,在传统遗传算法中加入免疫算子,并且引入了新的个体选择概率模型,有效防止了算法过早收敛的现象.针对该类优化问题的特性,设计了自适应的交叉率和变异率准则,动态调整交叉率和变异率,提高了该算法的精度.基于工厂的实际数据,进行了仿真实验,实验结果表明该免疫遗传算法比普通遗传算法有着更高的搜索精度,证明了该算法在实际炼钢最优炉次计划问题中的有效性和准确性.     

集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·     

基于混合遗传算法的敏捷卫星任务规划求解

针对新一代对地观测敏捷卫星任务规划问题,首先研究了敏捷卫星的特点,分析了敏捷卫星工作模式及对地观测过程,在此基础上构建了基于多目标的任务规划模型。针对敏捷卫星任务规划问题具有多约束、多冲突、非线性NP-hard特点,本文提出了基于混合遗传求解算法,该算法将免疫遗传算法与蚁群算法相结合,以蚁群算法所产生的解作为免疫遗传算法的初始种群,同时以蚁群算法中的全局最优解作为疫苗。通过实验表明本文提出的算法比遗传算法和免疫遗传算法精度更高,收敛速度更快。     

基于MATLAB与ANSYS的结构优化设计

遗传算法是近些年逐渐发展起来的一种智能的优化算法。MATLAB中的遗传算法工具箱集成了当前比较成熟的各种遗传操作算子,借助它可以方便地完成各种问题的优化。为使遗传算法更高效的应用于结构优化设计,研究了在MATLAB中调用ANSYS的方法,实现了MATLAB与ANSYS的数据传递,并用该方法对一钢框架结构进行了优化设计,验证了此方法的可行性。