一种新的求解函数优化问题的两级遗传算法

提出一种新的两级遗传算法,用于求解带约束的非线性函数优化问题。本算法的特点是,在保留经典遗传算法中选种、交叉和变异3种基本操作的同时,增加了重构、局部寻优两种新操作,加快了收敛速度;利用拉格朗日时偶原理,构造拉格朗日对偶函数,在上下两级分别对拉格朗日乘子和函数变量进行优化搜索。算例表明了该算法的优越性。     

基于自适应ε的约束优化算法

针对目前约束优化算法易陷入局部最优和鲁棒性不好等缺点,提出基于自适应ε的约束优化算法。首先,通过改进的个体比较准则,充分利用优秀不可行个体的有效信息,加大对搜索空间的探索力度,从而提高种群多样性;其次,提出自适应ε调整策略,平衡目标函数和约束违反度之间的关系,进而更加合理地进行个体比较。对13个标准测试函数的对比实验表明,本文算法不仅能够以较高精度收敛到全局最优解,而且鲁棒性较好。     

求解资源约束问题的启发式遗传算法

本文提出了一种求解基于特定约束优化问题的启发式遗传算法。通过一种特殊的编码式以及基于问题的搜索方法，有效地解决了ＧＡｓ操作的不合法问题。     

求解约束优化问题的内外交叉遗传算法

针对很多约束优化问题的最优解位于可行域的边界上或其附近的特点,提出了一种新的遗传算法.算法将种群中的可行解和不可行解分别存贮在两个容器中,新设计的交叉算子(内外交叉法)尽量让可行域内的可行解与可行域外的不可行解交叉,并顺着有利的方向一维搜索到可行域边界,此举既增大了个体接近全局最优解的几率, 又增强了算法的收敛速度;粒子群变异法则吸取粒子群 (PSO)算法的优点,让粒子沿粒子自身历史最优和全局最优的方向变异, 而选择算子则采取了保留固定比例不可行解的方法. 仿真结果证明了算法能够在种群规模小,迭代次数少的情况下迅速接近或找到全局最优解.     

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.     

用混沌搜索求解非线性约束优化问题

提出了一种用混沌搜索求解非线性约束优化的新方法 .利用罚函数思想将约束问题无约束化 ,再利用混沌的内在随机性与遍历性进行求解 .算例仿真结果表明 ,算法简单实用 ,性能良好 ,是解决非线性约束优化问题的有效途径 .     

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。     

求解FJSP的自适应免疫遗传算法

借鉴生物免疫系统的免疫调节机理,提出一种求解柔性作业车间调度问题的自适应免疫遗传算法(AIGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过引入免疫算子和种群的自适应调节策略,保持了群体的抗体多样性.实验结果表明,该算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,能有效解决柔性作业车间调度问题.     

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%.     

飞行器轨迹优化应用遗传算法的参数化与约束处理方法研究

飞行器再入轨迹优化是一类最优控制问题。传统的优化方法存在初始值敏感问题。遗传算法具有较强的鲁棒性，对初值不敏感。但遗传算法是静态优化算法，不能直接用于动态系统的最优控制问题。为了设计染色体，需要将最优控制问题通过参数化方法转化为静态优化问题。为了设计合适的适应度函数，约束处理是飞行器轨迹进行遗传搜索时必需解决的问题。以可重复使用运载器再入轨迹优化为例，研究了各种参数化方法和罚函数方法的应用，探讨了飞行器轨迹优化中的染色体和适应度函数设计。仿真结果表明直接离散方法和动态罚函数法有较好的性能。     

基于遗传算法的导弹稳定控制回路参数设计方法

本文利用遗传算法（ＧＡ）来优化设计控制系统参数。文中在简要阐述遗传算法的机理及实现的基础上，将遗传算法应用于Ｘ型导弹的弹上稳定回路的参数设计，仿真结果表明了所提方法的可行及有效性。     

利用混沌搜索全局最优解的一种混合遗传算法

首先系统分析了遗传算法与其它算法混合的几种策略 ,详细讨论了遗传算法与混沌优化算法的混合问题后 ,给出一种新的混合遗传算法。仿真结果表明 ,新算法能在很短的时间内 1 0 0 %地搜索到全局最优解     

用单亲遗传算法求解有序组合优化问题

本文提出一种用于求解有序组合优化问题的单亲遗传算法（ＰＧＡ）。ＰＧＡ的突出特点是不使用传统遗传算法（ＴＧＡ）常用的交叉算子,而是通过基因换位算子隐含交叉算子的功能来实现进化操作。本文首先介绍了ＰＧＡ的基本概念,然后分析ＰＧＡ的运行机理,最后给出了用ＰＧＡ求解旅行商问题的仿真结果。     

一种随机微粒群混合算法求解约束优化问题

将微粒群算法（Particle Swarm Optimization,PSO）与随机优化方法-Alopex算法相结合,提出一种随机微粒群混合算法（APSO）求解约束优化问题。该算法使PSO算法中微粒的飞行速度无记忆性,结合Alopex算法重新生成停止进化微粒的位置;采用双群体搜索机制,一个群体保存具有可行解的微粒,用APSO算法使微粒逐步搜索到最优解,另一个群体保存具有不可行解的微粒,并且可行解群体以一定的概率接受性能较优的不可行解微粒,这种简单的群体多样性机制使微粒能够快速、准确地找到位于约束边界上或附近的最优解。结果表明该算法寻优性能优良且具有较好的稳定性。     

一种求解约束优化问题的连续域蚁群算法

借鉴蚁群优化算法和粒子群优化算法的思想,提出了一种用于求解约束优化问题的连续域蚁群算法.将搜索域中的任意一点看成食物源,使用多组蚁群进行寻优,每一组蚁群代表问题的一个解,在每一迭代中首先在所有蚁群中选则一组种子蚁群,然后在该组蚁群的信息素密度分布函数下进行采样,生成子代蚁群,最后进行蚁群选择,从而使各组蚁群不断向适应度值较高的搜索区域移动,最终收敛到最优解.对基准测试函数G01-G12的求解结果表明,该方法具有较快的收敛速度和较好的全局寻优能力.     

用遗传算法求解最优同时镇定控制器

研究了用改进的遗传算法求解同时镇定一族线性定常系统的最优状态 /输出反馈控制律问题。引入了通常的二次型指标作为每一个系统的性能指标。在满足稳定性的条件下 ,通过最小化每个系统性能指标的加权函数值来求得最优同时镇定律。提出了一种求解该优化问题的改进遗传算法。计算结果说明了该方法的有效性。     

Artificial Ant Algorithm for Constrained Optimization

1　IntroductionArtificial ant algorithm is a stochastic searching algorithm from nature[1 ,2 ] .It is inspiredby the behavior of real ants in insect colony. Since the early applications of thisoptimization strategy to the famous travelling salesman problem,quadratic assignmentproblem,job-shop scheduling problem,graph coloring problem,etc.[3～ 9] ,it has beenfurther extended to some hard (multicriteria) combinatorial optimization problems inrecent years[1 0～ 1 5] .In this paper,we propose anot…     

基于遗传算法和最速下降法的函数优化混合数值算法

在遗传算法中嵌入一个最速下降算子，并定义适当的适应度函数和子代个体的选择算子，从而可结合遗传算法和最速下降法两者的长处，得到既有较快收敛性，又能以较大概率得到全局极值的新的用于连续函数全局优化的混合数值算法。数值计算结果表明了本文方法显著优于求解函数优化的遗传算法和最速下降法.     

遗传算法的适应度函数研究

本文针对复杂函数的最优化问题,首先分析了遗传算法中常见的几种适应度函数的不足,论证了适应度函数在遗传算法中的重要性。进一步提出了设计适应度函数应满足的五条标准,在此基础上给出了一类适应度函数公式,并对性能进行反复测试。结果表明,本文的适应度函数的性能明显优于其它函数,对提高遗传算法的整体性能也有重要意义。