多车型单配送中心混合装卸车辆路径问题研究

针对客户多样化和个性化的需求,建立多车型、多约束条件的集货和配送车辆调度模型,并提出了混合遗传算法求解.首先,采用自然数编码,可以使问题变得更简洁;用最佳保留选择法,以保证群体的多样性;用改进的顺序交叉算子保证算法能够收敛到全局最优;引入2-交换变异策略,并结合爬山算法,加强染色体的局部搜索能力;其次,对遗传算法求得的精英种群再进行禁忌搜索.实例计算表明本算法均优于遗传算法和禁忌搜索算法.     

基于混合遗传算法的区域大系统多目标水资源优化配置模型

针对区域水资源优化配置中重水量轻水质、重国民经济需水轻生态环境需水的特点,基于大系统总体优化配置理论与方法,综合考虑生态环境需水和水质因素,构建了基于混合遗传算法的区域大系统多目标水资源优化配置模型.运用混合遗传模拟退火算法对模型进行求解,将所提配置模型及方法应用于海河流域大清河,计算表明2010年P=50%、75%、95%时不同保证率情况下生活和生态环境需水均能满足需求,系统协调度均大干0.84.     

服务模式可变换的家庭医护人员调度优化问题

家庭医生不仅在社区医院为普通病人提供门诊服务,也为行动不便的病人提供上门服务.为了更加灵活地分配医疗资源,允许医护人员的服务模式在上门和门诊之间进行切换,提出一种服务模式可变换的家庭医护人员调度优化问题.以最小化路径成本、门诊病人等待惩罚和最大化医护人员服务模式偏好满意度为目标建立了混合整数规划模型,并设计了改进的混合遗传算法对问题进行求解.数值实验表明:允许医护人员服务模式双向变换可以有效降低运营成本;改进的混合遗传算法可以有效地求解不同规模的问题.     

基于混合遗传算法的区域大系统多目标水资源优化配置模型

针对区域水资源优化配置中重水量轻水质、重国民经济需水轻生态环境需水的特点,基于大系统总体优化配置理论与方法,综合考虑生态环境需水和水质因素,构建了基于混合遗传算法的区域大系统多目标水资源优化配置模型.运用混合遗传模拟退火算法对模型进行求解,将所提配置模型及方法应用于海河流域大清河,计算表明2010年P=50{\%}、75{\%}、95{\%}时不同保证率情况下生活和生态环境需水均能满足需求,系统协调度均大于0.84.     

基于混合遗传算法的目标优化分配

根据防空作战目标分配的特点 ,在分析启发式方法和遗传算法基础上 ,将二者结合起来得到了求解目标优化分配问题的混合遗传算法 ,该算法具有全局收敛性.     

股本权证发行后的定价与模型求解

利用权证发行后的可观察量,构建定价权证的非线性方程组,进一步分析验证了此方程组解的存在性.将新的评价函数和加权梯度方向搜索引入遗传算法,给出了一种求解带约束不等式的非线性问题的扩展混合遗传算法.最后,结合实际市场数据进行了实证研究,并针对不同的数值例子进行了算法的检验.数值结果表明该方法在权证定价模型求解方面比其他方法更有利.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

可跨工位操作的随机混流装配线平衡问题研究

装配线平衡问题是在满足一定约束的条件下,将一系列任务单元分配到各个工位上,使其工作强度与利用率相适应.研究了带有跨工位操作,且任务单元完成时间为随机量的一类特殊装配线平衡问题,目标是缩短整个生产过程中的总任务超载时间;参考机会约束规划的思想,建立了α任务超载时间最小化模型;结合随机模拟和遗传算法设计了混合遗传算法以求解,并通过实例仿真验证了算法的有效性.     

基于混合遗传算法的海军航空兵场站物资配送车辆调度智能优化

为提升海军航空兵场站物资配送车辆调度效率，根据海军航空兵场站物资配送任务特点，建立了物资配送车辆调度优化模型，提出了混合遗传算法(hybrid genetic algorithm, HGA)对模型进行了求解。在HGA中引入了模拟退火(simulated annealing, SA)操作对经典遗传算法(genetic algorithm, GA)进行了改进：选择适合模型的编码方式和交叉算子；使用类似路径构造的方法构建初始种群；在遗传操作产生子种群之后，通过SA操作寻找子种群邻域中的潜在优秀个体，提升算法局部搜索能力。最后，通过与经典GA的对比实验，验证了所提算法的有效性和可靠性。     

基于混合遗传算法的JIT投产顺序计划研究

JIT管理方式是实施CIMS工程中的一种重要的生产管理方式 ,以消除制造过程中的一切浪费为宗旨 ,消除和降低企业生产经营中的各种浪费 ,降低产品的成本 ,从而给企业带来了巨大的效益。JIT管理方式近来被广泛地应用于企业的生产经营管理中。在JIT生产方式中如何设计最佳的投产顺序计划问题一直是一个难题。在前人研究成果的基础上 ,使用把原有算法和自调整参数遗传算法相结合的混合遗传算法来求解这个问题。仿真结果表明这种算法是行之有效的。     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

遗传算法在电力系统经济负荷分配中的应用

针对考虑阀点效应的电力系统经济负荷分配问题的特点，将遗传算法与传统基于梯度的数学优化方法相结合，提出一种求解电力系统经济负荷分配问题的混合遗传算法。通过极大熵理论将经济负荷分配问题近似为可导问题，并将SQP法引入遗传算法提出SQP算子，以提高遗传算法的寻优速度与局部搜索能力．基于优化设计理论应用均匀设计确定初始种群．同时，利用单纯形交叉算子的多点交叉特性使种群逐步趋近全局最优点．实例研究结果验证了方法的有效性。     

基于混合遗传算法的配电网络重构优化

以网损最小为目标函数,电压降、线路电流值和电源容量的限制为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将该问题转化为无约束问题.针对遗传算法的局限性,对适应函数进行了调整,实施了最优保留策略,改进了交叉和变异操作,并结合了模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛.优化过程中考虑了配电网自身特点,提高了计算效率.重构算例说明,该优化方法有效、实用.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

遗传算法在离散变量优化问题中的应用研究

针对实际应用中大量存在的离散变量优化设计问题,研究了利用一般连续变量方法进行离散变量优化设计的不足。结合离散变量优化问题与遗传算法的特点,提出离散交叉算子和离散变异算子,使遗传算子真正在离散空间中进行搜索。基于线性搜索思想提出离散引导算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优。通过对两个实际离散变量优化设计问题的应用研究,验证了本方法解决离散变量优化设计问题的有效性。     

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。     

一类仓库作业优化问题的混合遗传算法研究

针对自动化立体仓库固定货架系统中拣选作业优化问题的特点, 分析并设计了一种新型高效混合遗传算法。提出了多起点2-最近点搜索算法进行初始种群的构造,采用了一种新的自适应启发式变异方法,显著改善了原有遗传算法的搜索能力。仿真结果表明该算法从执行时间和优化效果两方面均能够很好地满足作业要求。     

基于多值编码的混合遗传算法的小波神经网络优化

采用多值编码方式构造染色体结构，对小波神经网络的结构和参数进行编码，可以同时确定小波神经网络结构和优化网络参数，简化了问题的求解过程。在遗传算法中嵌入一个梯度下降算子，使得混合算法既有较快的收敛性，又能以较大概率得到全局极值。仿真表明，利用该算法训练小波神经网络，能使网络具有简单的结构形式，较快的收敛速度，较高的逼近精度和较强的泛化能力。     

基于提前/滞后Flow Shop调度问题的混合微粒群算法

提出了一种混合微粒群算法,通过引入禁忌搜索算法和动态设置惯性权重等方法,提高了算法搜索全局最优解的能力并且能够有效避免早熟收敛问题。并将这种算法应用于求解实际的提前/滞后F lowShop调度问题,仿真实验结果表明了混合微粒群算法的可靠性与实用性。     

求解作业排序问题的通用混合遗传算法研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向 ,由于其固有的计算复杂性( NP-Hard) ,一般无法利用经典方法求出最优解。本文针对一般作业排序问题 ,将遗传算法与启发式方法相结合 ,建立了一种混合算法框架 ,利用遗传算法改进启发式方法的求解性能 ,同时利用启发式方法引导遗传搜索过程 ,以提高其搜索效率。通过对完工时间与平均延误时间等不同优化目标的计算分析与比较表明 ,该方法对不同类型的排序问题均具有相当满意的求解效果.