求解双层CARP优化问题的演化学习型遗传算法

双层有能力约束的弧路径优化问题(capacitated arc routing problem, CARP)的研究对象通常是某个城市或地区,首先聚焦于该地物流系统的宏观配置,然后考虑相关服务的完成问题。针对双层CARP优化问题,提出了一种演化学习型遗传算法(learnable genetic algorithm, LGA)。建立了LGA的基本框架,设计了构件知识和算子知识等知识形式。在LGA中,采用扩展启发式方法辅助生成初始种群,使用算子知识为选择、交叉和变异选择操作算子,应用构件知识为交叉和变异操作选择断点位置,同时借助局部替换程序不断地向当前种群中注入新个体。LGA的框架为现有优化方法改进提供了一种有益借鉴。     

基于个体差异移民的改进元胞遗传算法

针对灾变元胞遗传算法中的精英策略,在求解具有欺骗性的优化问题时易陷入次优解的情况,分析了几种移民策略。提出了一种基于个体差异的新移民策略,在灾变发生后,灾难区域以这种新的移民策略迁移个体。通过两个具有欺骗性典型函数的实验,表明在灾变机制元胞遗传算法中采用新的移民策略能提高数值优化函数的精度和收敛率,具有更好的全局搜索和局部搜索性。     

股市演化的遗传元胞自动机模型

以复杂性科学的理论方法为指导,运用元胞自动机、遗传算法、系统仿真、分类器系统等研究工具,结合投资分析技术,在形成演化规则库的基础上,构建了股市系统演化的遗传元胞自动机模型。其中,分类器系统被用来学习演化模型的参数,它使演化市场的复杂性特征充分逼近现实市场。通过对兖州煤业的实证分析,表明该演化模型可以模拟现实市场的复杂性,可以通过具有学习功能的演化模型进一步分析股票市场,为股市的监管和调控提供依据。     

自适应调整选择压力的灾变元胞遗传算法

对于遗传算法而言,全局探索和局部寻优能力之间的平衡影响算法的性能,选择压力就代表着这个平衡.只有当全局探索和局部寻优之间的平衡达到最佳化才能够使算法又快又精确的寻求到全局最优解.随着算法运行,种群结构不断的变化,选择压力也在不断变化.分析研究了灾变元胞遗传算法的选择压力,根据种群多样性和种群收敛度,提出一种基于灾变参数调节选择压力的自适应元胞遗传算法.通过两个典型函数优化实验,表明选择压力自适应调节可提高算法性能,并得出这两个函数在寻优过程中的最佳选择压力变化规律,这为自适应算法设计提供了一种新的途径.     

航空公司竞争层次演化的元胞自动机仿真

为研究航空公司之间的竞争,基于元胞自动机模型设计了航空公司竞争的4层次演化模型,对航空公司和机场的竞争演化与盈利状况进行了模拟研究.结果表明,民航市场竞争起步于资源竞争层次的竞争;规模不经济出现后,演化为职能竞争层次的竞争;核心竞争力形成后,演化为核心竞争力层次的竞争;核心刚性形成后,演化为动态核心能力层次的竞争.依靠资源规模不能保持长期的竞争优势,加强市场与服务创新等职能竞争力并整合后形成核心竞争力及动态核心能力至关重要.     

一维五邻居元胞自动机的演化行为

依据一维五邻居元胞自动机的演化特点,借助于卡诺图,导出其演化规则的函数形式.进一步利用推导出的规则的函数形式,给出演化规则(eOefeOeO)的性质及性质证明和计算机数值模拟.     

基于元胞自动机的国家演化模型研究

利用元胞自动机的思想和建模方法,建立了模拟多个国家通过战争彼此兼并的演化模型.在本模型中,国家的领土面积用该国所辖元胞数目近似地表示,国家整体实力用所辖各元胞实力之和表示.数值实验给出了模型产生的国家领土面积分布和国力强弱分布,所得结果与当前实际情况非常接近.本模型可以无困难地推广到多个个体在一个封闭系统中竞争,仅有极少数个体最终获胜的情形,文章所得结果对于该类复杂系统的建模具有普适意义.     

函数优化的元胞蚂蚁算法

蚂蚁算法是一种源于大自然中生物世界的新的仿生类算法,已在一系列困难的组合优化问题求解中取得了成效;元胞自动机作为一种离散的动态模型在大规模的仿真计算能力方面为研究系统的行为提供了有效的虚拟实验室.基于蚂蚁算法和元胞自动机的原理,提出了一种元胞蚂蚁算法及其数学描述,可用于求解连续系统的优化问题.算法在MATLAB环境下实现,并对一些难题实例进行了验证和测试,获得了较好的效果.     

基于元胞自动机的突发传染病事件演化模型

运用复杂系统元胞自动机原理和多Agent理论,研究突发传染病事件的演化机理.通过对突发传染病事件特征分析,建立其传递演化模型,并对甲型H1N1事件进行了模拟仿真.结果袁叽突发传染病事件的内在原因是内部能量的积聚,演化过程是由内部个体相互之间发生传递作用使得能量不断积聚到突然大规模释放的过程.内部的传递效率、潜伏期以及基因长度都对演化产生较大影响,如果能降低这种作用,或采用免疫接种和隔离等手段阻止传递的可能性和缩小传递范围,就能有效地阻止突发事件的发生.     

航空服务创新的元胞自动机竞争演化模拟

为研究航空公司服务创新在市场竞争中的作用,基于元胞自动机设计了航空服务创新竞争模型. 以深航2008年在深圳-北京航线上推 出服务创新为例,经过重复试验较好地模拟了在该航线上进行服务创新取得成功的竞争演化过 程.研究结果表明:初始接受服务创新的元胞数量、服务匹配度和品牌宣传效应度三个影响因素 都对演化的突变周期起正向影响作用,且三个因素对突变周期的正向作用随着取值的增大 而逐渐减弱.     

求解混合流水车间调度的改进贪婪遗传算法

针对最小化最大完工时间的带有不相关并行机的混合流水车间调度问题,提出了改进贪婪遗传算法。首先,该算法染色体编码采用基于工件加工顺序的编码,解码提出了两种设备分配方案,并考虑到不同阶段加工设备配置不同对算法的影响,采用了正序解码和逆序解码加再调度并用的解码策略。其次,提出贪婪交叉算子和贪婪变异算子,这些算子不仅承担改进种群,增加种群多样性的功能,同时还具有较强的局部搜索能力。最后通过正交实验确定算法的参数设置,与已有算法对已知案例的求解结果进行了比较,说明了该算法的有效性。同时实验表明了正序和逆序解码策略的必要性以及正序或逆序解码的时机。     

求解模糊资源受限项目调度问题的遗传算法

本文研究了以排序健壮性最大为优化目标的具有模糊加工时间和模糊交货期的资源受限项目调度问题,采用六点模糊数表示模糊加工时间和模糊交货期,引入了2种模糊数的弱比较方法,即重心距离法和积分值法.针对这一优化问题设计了一种基于任务链表编码形式的遗传算法.数值实验结果表明该算法优于文献中的相关算法,同时实验结果也表明基于2种模糊数的弱比较方法对算法性能影响较弱.     

求解折扣运输问题的遗传算法

将基于运输量提供运输费用折扣的情况推广至运输问题.对求解折扣运输问题的遗传算法进行了讨论,提出了一种生成随机可行解的方法以及两种能够保持可行性的遗传算子,并用数值例子说明了算法的有效性.     

基于遗传算法的一类武器目标分配方法研究

针对联合作战的武器目标分配问题,建立了资源受限条件下的多组武器目标分配数学模型,并研究了用遗传算法求解模型的方法.该遗传算法通过设计一种满足约束条件的染色体编码格式,把求解问题转化为无约束的组合优化表现形式,从而可以利用单点随机定位算术交叉和变异运算以及精华选择策略来求解.仿真计算结果表明了模型和所提算法的有效性.     

改进差分进化算法求解武器目标分配问题

针对武器目标分配问题求解收敛速度慢、搜索效率低、寻优精度差的问题,提出一种基于改进差分进化算法的武器目标分配方法.首先,建立多约束条件下武器目标分配优化模型,将动态武器目标分配问题离散为静态武器目标分配问题处理.其次,采用随机邻域变异策略平衡差分进化算法全局探索和局部开发能力,采用基于历史存档的自适应参数整定方法,根据...     

分散搜索算法求解带货物权重的车辆路径问题

研究了由一个分销中心、多个零售商组成的分销网络中运输单产品考虑货物权重的车辆路径问题(weighted vehicle routing problem,WVRP).问题的目标是设计合理的路线最小化由于行驶距离,运输载重量及使用车辆而产生的总费用.针对问题的特点,设计了求解WVRP问题的分散搜索算法(scatter search algo-rithm,SS),该算法基于客户进行编码,以基于最优划分过程的随机初始化作为多样性产生方法,通过对不同解包括的弧组合来生成新解,并用最近邻法对解进行改进.分别采用了随机数据与标准数据对算法进行测试,并与其他求解该问题的算法进行了比较,说明了算法的有效性.     

多执行模式资源受限工程调度问题的优化算法

近几年来,模拟退火（ＳＡ）和遗传算法（ＧＡ）等智能优化方法在求解组俣最优化问题显示出了较强的能力,许多文献报告了它们在这类问题上的应用,有些文献则报告了一些它们的混合算法,然而,定些算法对问题的求解效果因问题的结构不同而有限大差异,它们的成功必须充分结合问题本身的特点,本文针对多执行模式资源受限工程调度问题的特点,设计了一种ＳＡ／ＧＡ混合算法,利用被普遍应用的标准问题对该算法进行了测试,取得了令人满意的结果。     

Troubleshooting algorithm for solving assignment problem and its applications

A new troubleshooting algorithm for solving assignment problem based on existing algorithms is proposed, and an analysis on the related theory is given. By applying the new troubleshooting algorithm to the Lagrange relaxation algorithm of the multi-dimensional assignment problem of data association for multi-passive-sensor multi-target location systems, and comparing the simulation results with that of the Hungarian algorithm which is the classical optimal solving algorithm, and the multi-layer ordersearchingalgorithm which is a sub-optimal solving algorithm, the performance and applying conditions of the new algorithm are summarized. Theory analysis and simulation results prove the effectiveness and superiority of the new algorithm.     

Orthogonal genetic algorithm for solving quadratic bilevel programming problems

A quadratic bilevel programming problem is transformed  into a single level complementarity slackness problem by applying  Karush-Kuhn-Tucker (KKT) conditions. To cope with the complementarity  constraints, a binary encoding scheme is adopted for  KKT multipliers, and then the complementarity slackness problem  is simplified to successive quadratic programming problems,  which can be solved by many algorithms available. Based on 0−1  binary encoding, an orthogonal genetic algorithm, in which the orthogonal  experimental design with both two-level orthogonal array  and factor analysis is used as crossover operator, is proposed.  Numerical experiments on 10 benchmark examples show that the  orthogonal genetic algorithm can find global optimal solutions of  quadratic bilevel programming problems with high accuracy in a  small number of iterations.     

应用免疫算法求解博弈问题

设计了用于求解博弈问题的免疫算法的结构,讨论了二进制编码情况下的多样性控制,探讨了利用免疫算法求解博弈问题的方法和优势,分析了博弈问题的适应度评估方案,证实了设计的免疫算法具有稳定的收敛性.并通过对几个完全信息静态博弈实例的计算,验证了免疫算法求解博弈问题的有效性.