云自适应遗传算法有能力约束的车辆调度优化

针对与车辆调度成本密切相关的运输量和车辆利用率,建立油耗费用和固定费用最小的车辆调度模型.根据车辆调度问题实时性和复杂性的要求,提出云模型理论与遗传算法相结合的云自适应遗传算法,利用云模型云滴的随机性和稳定倾向性改进标准遗传算法中固定设置交叉和变异概率的方式,克服了标准遗传算法搜索速度慢及易早熟的缺陷,设计基于最大保留机制的交叉和变异算子,提高了算法的收敛性和鲁棒性.最后,结合算例对模型和算法的有效性进行验证.     

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统遗传算法(GA)、Sufferage算法等都可以用于云计算环境中的资源调度,但传统遗传算法存在收敛慢、易早熟等缺点,Sufferage算法则不适用于多聚类环境的密集型任务调度.本文在充分考虑云计算环境的动态异构性和大规模任务处理特性的基础上,提出了一种基于染色体编码方式和适应度函数的改进遗传算法(IGA),并在云仿真器CloudSim上对3种算法进行了仿真.仿真结果表明,该算法在性能和服务质量QoS(Qualityof Service)方面都优于传统遗传算法和Sufferage,能更好地适用于大规模任务下的云计算环境资源调度.     

基于遗传算法的泵站优化调度

采用遗传算法进行泵站优化调度计算,计算结果表明：遗传算法可以有效地在整个空间寻优,更有可能达到全局最优或准全局最优,且占用内存少,对目标函数限制少,该算法对水泵这种很难用解析式表示的非线性模型很适用。     

基于模拟退火遗传算法的云资源调度方法

代理云是为用户从不同的云提供商中发现和挑选合适的云计算服务。随着应用系统的规模和复杂度的增加,如何选择最优的云服务,并在多个云服务提供商分散部署应用,有效地缓解供应商锁定问题成为代理云所面临的难题。本文提出了一种基于模拟退火遗传算法的云资源调度方法,主要解决在代理云系统上搜索满足应用服务质量(QoS)需求资源的问题。实验结果表明,本文算法相比传统遗传算法具有较快的收敛速度,在不影响解的精度的前提下,提高了算法效率。     

基于遗传算法的配送车辆优化调度

通过对汽车运输的特点和成本的分析，针对配送企业进行物流配送的实际建立并量化各项评价指标，确立了采用遗传算法进行优化调度的数学模型．并编写了算法进行实现。试验结果表明，该算法收敛，并能很快得到较优化的性能。     

不确定性条件下的生产调度

综述了不确定性条件下生产调度的确定现状,分析了生产调度过程中所存在的各种不确定性,阐述了不确定性的分类,不确定性的数学描述,不确定性生产调度的数学模型,各种调度方法,处理不确定性生产调度的优化方法等,指出了解决不确定性生产调度的有关途径,并对存在不确定条件下生产调度的进一步的研究内容作了展望。     

混合云环境下基于失效感知的资源调度策略

针对混合云的功能和复杂度逐渐增大而导致资源失效率增高的问题,提出一种提高混合云资源调度成功率的调度算法.首先,根据私有云资源失效规律特点,建立资源有效利用率模型和任务稳定性模型.然后综合考虑公共云和私有云的特点,建立基于失效感知的两层资源调度模型(2L-FARS),并使用建立的ST—LLF(任务稳定性阀值控制的最低松弛度优先调度算法)和DQPA(双队列资源提供算法)调度算法分别完成两层资源调度.最后使用failure traces和workload traces,对提出的策略进行验证.实验结果表明,该策略有效地减少了任务截止期违约率,并且在提高资源利用率的同时,一定程度上降低了任务执行总费用.     

基于云环境下区域卫生资源联盟平台研究

随着国家对于医疗机构信息化的重视,各个医疗机构都在不同程度上进行了信息的电子化工作.文章介绍了云计算的概念和分类,初步探讨了利用云计算的优势,医疗机构信息化可以突破存储、管理等诸多问题,提高信息的综合利用水平.     

选煤厂配煤调度中的云模型改进遗传算法

针对传统遗传算法求解最优值存在搜索速度慢、容易陷入局部最优解的问题,基于传统遗传算法和云模型,提出了云自适应遗传算法和云遗传算法,建立了选煤厂三产品配煤调度模型,并分别采用改进算法和传统遗传算法求解。实例表明,两种改进算法优于传统遗传算法,为选煤厂配煤调度优化提供了技术途径。     

基于遗传算法的供水系统一级优化调度研究

根据多水源多水塔供水系统的网络特性，以测压点压力宏观模型、水源供水量和水头之间的关系模型，替代管网水力平衡方程，并以泵站的供水压力、水塔初始水头为决策变量，建立了供水系统一级优化调度模型．采用罚函数法将各种约束转化为目标函数，然后利用乘除法将多目标优化转化为单目标优化问题，最后利用遗传算法求解．针对遗传算法容易早熟等不足，将遗传算法和模拟退火技术相结合，并采用自适应交叉和变异率的解决方法．算例计算表明，该算法具有较强的适用性．     

自适应基因算法在环境优化问题中的应用

探讨了基因算法的原理及本身参数优化特性，总结参数的简便设置技术，并针对该法的寻优效果明显依赖于模型参数的初始变化区间的大小，及可能会出现过早收敛的问题，提出了自适应加速基因算法，实例应用结果表明，该法具有直观、简便、快速，适用性强等特点，可广泛应用于各种优化问题中。     

基于遗传算法的电梯群控鲁棒优化模型

针对电梯群控调度过程中交通流不确定的问题,建立了鲁棒优化模型,利用遗传算法对所建模型进行求解.对于不确定线性优化问题,研究了不确定集的选择以及模型鲁棒对等式转化方法.仿真实验中,利用电梯群控虚拟仿真环境对鲁棒优化调度算法在不同交通流下进行了验证.以300人/15 min的混合交通流模式为例,鲁棒优化算法的平均候梯时间比静态分区算法降低12.77 s;平均乘梯时间比最小等待时间算法降低9.7 s;电梯启停次数比静态分区算法少8次.实验结果表明,鲁棒优化调度算法对不同交通模式具有更好的适应性,可以减小交通流不确定性的影响,提高电梯群控调度性能.     

自适应遗传算法在飞机调度问题中的应用

基于自适应遗传算法，实现了单跑道降落飞机调度问题的求解，算法以所有飞机的排列次序做为个体编码，解码时用移动方法确定飞机的降落时间，适应度函数的构造综合考虑了飞机的提前和延迟带来的损失，选择算子采用期望值方法，交叉算子用顺序交叉，变异算子用倒位变异，为提高算法的执行效率并避免早熟收敛，对交叉和变异概率均采用自适应策略，仿真结果表明了自适应遗传算法用于飞机调度问题的有效性。     

基于自适应遗传算法的无刷直流电机的优化设计

对遗传算法特别是自适应遗传算法作了分析，重点研究了交叉算子和变异算子对遗传算法收敛性的影响，提出了一种改进的自适应遗传算子的方法。该方法可在遗传模式得到保证的基础上加快新个体的产生速度，所构造的遗传算子随适应值自动变化，对远离最优值的个体采用较大的遗传算子值，对接近最优值的个体采用较小遗传算子值，以提高得到全局最优解的概率。通过测试函数的求解，验证了所构造的自适应算子的有效性和正确性。实算结果表明，在无刷直流电机的优化设计中，改进后的自适应遗传算法可在满足各项性能指标的前提下取得良好的优化效果，得到全局最优解的概率较改进前有明显提高。     

基于蚁群算法和遗传规划的跨单元调度方法

针对运输能力受限的跨单元调度问题,提出了一种基于蚁群算法与遗传规划的超启发式算法.通过蚁群算法搜索合适的启发式规则,并且利用遗传规划生成可以适用于问题模型的启发式规则,用以扩充规则集;同时引入时间窗的概念,用来决策每个小车运输时的等待时间.实验表明,提出的算法可以搜索出优质规则,并且通过遗传规划很大程度上改善了候选规则集,提升算法性能.同时时间窗策略的采用可以提高小车的利用率以及最小化总加权延迟时间.      

用 遗 传 算 法 求 解 调 度 问 题

给出用遗传算法解决典型调度问题的方法, 并用遗 传算法实现了车间作业调度. 实验结果表明, 遗传算法在寻求调度问题的全局最优解方面具 有较高的效率.     

一种用于车间调度的基于熵的混合遗传算法

为提高车间调度算法的寻优性能,通过对模拟退火遗传算法收敛图的研究,提出了评价算法种群有序性（差异性）的种群熵,基于种群熵,提出了改进的模拟退火遗传算法,该混合算法通过种群熵动态地改变算法的交叉和变异概率,使之适应种群的变化,提高种群的多样性,有效地克服算法的过早收敛,从而达到提高算法寻优性能的目的。仿真实例表明,所提出的算法的寻优性能有了显著的提高。     

基于云遗传的混合混沌粒子群算法研究

为了解决PSO算法种群随机初始化遍历性差、易陷入早熟收敛以及不具备全局收敛性的缺点,提出一种基于云遗传的混合混沌粒子群优化算法,使用均匀性更优的无限折混沌叠映射实现粒子初始化,通过自适应云算子、改进的Metropolis接受准则以及动态调整粒子集规模等策略,实现了云遗传算法和PSO算法的协同,最后通过全局收敛性证明、时间复杂度和实验分析,验证了算法的有效性。     

作业车间调度的非合作博弈模型与混合自适应遗传算法

采用博弈理论,建立了一种基于非合作博弈的作业车间任务调度模型.在该任务调度模型中,将源于不同客户的制造任务映射为非合作博弈模型中的局中人,并将与制造任务包含的工序集所对应的可选加工设备映射为可行方案集,使各制造任务的加工完成时间和成本组合形成的多目标综合指标映射为收益函数,从而将对任务调度模型的求解转换为寻求非合作博弈模型的Nash均衡点.通过设计的爬山搜索混合自适应遗传算法、自适应交叉和变异算子,实现了对该任务调度非合作博弈模型的Nash均衡点的有效求解,同时算例仿真结果也验证了所提出的调度方法的正确性.     

基于并行遗传算法的车间作业调度

研究了并行遗传算法在车间作业调度问题中的应用,通过对传统的迁移策略进行改进,给出了运用该算法求解车间作业调度的具体过程。最后给出了计算机仿真结果,与普通遗传算法求得的结果的比较,证明了该算法的有效性和先进性。