带性能约束布局问题的不干涉遗传算法

针对卫星舱设计中的带性能约束优于问题,给出了并证明了矩形图元布局优化不干涉性的判别定理,依该定理构造了求解布局问题的不干涉遗传算法,数值结果表明了该算法的正确性和实用性。     

求解带平衡约束矩形布局问题的混合算法

以卫星舱布局为背景,针对二维带平衡约束的矩形集在圆容器内的布局问题,提出了一种混合算法,即带压缩策略的动态匹配算法,并与粒子群优化算法结合起来.对于给定的圆容器,将整个布局过程分为4个阶段,相应地将圆容器分成8个区域.每次放置矩形时,动态匹配算法先根据系统质心动态选择装填区域,然后在该装填区域中根据排序函数选择待布矩形.压缩策略用来压缩圆容器,粒子群优化算法用来优化排序函数的参数.在测试集上的计算结果表明:相对于已有算法,提出的混合算法更加有效.     

工作地中设施布局问题的改进遗传算法

针对工作地中设施布局问题的现有遗传算法的不足,提出了一种对数学编码方式、变异操作等方面进行改进的遗传算法。该算法不仅使问题的表达方式更趋合理、显著减少进化过程中不合理后代的产生,而且通过采用动态分行技术,摆脱了现有算法存在的单维优化的局限性,在两个维度上对布局问题进行优化。实例研究结果表明:此算法不但具有良好的全局搜索能力,而且具有较快的收敛速度。     

一类带性能约束的二维几何布局优化

提出一类带性能约束的二维几何布局优化问题模型及其求解算法．该算法分三个 阶段处理，即嵌入阶段、可行初始布局阶段和优化布局阶段，并给出每个阶段相应的几 何布局质量的评价标准函数、算法和结束准则。在具体的求解过程中；综合运用了拟 物原理、广义力矢量松弛法原理、有向树搜索原理来构造布局优化的算法．给出一种 在可行布局范围内不断压缩几何体布局的范围同时进行迭代改善布局过程的方法来寻 找最聚集的优化几何布局．用Ｆｏｒｔｒａｎ语言编制了相应算法及图形显示的程序，文 后给出了算例的验证结果。     

基于改进遗传算法的车间布局重构

以车间设备的多行布局为研究对象,建立以设备序列和间距为决策变量、以最小化车间物流总费用为目标的车间布局重构数学模型.采用遗传算法进行求解,对染色体编码和遗传算子进行了改进.结合某凸轮轴加工车间实例,剖析该车间现有布局存在的问题以及重构的必要性,比较布局重构前后的物流费用,验证了车间布局重构数学模型和改进遗传算法的有效性.     

求解带性能约束凸多边形布局的混合算法

针对带性能约束的凸多边形布局问题,设计了一种波纹探测启发式定位算法(REHA),并将其与广义模拟退火算法(GSA)相结合,形成混合算法.波纹探测启发式算法模拟波纹的现象,以圆形容器的圆心为中心,构造同心圆,逐步增大同心圆半径向外探测,根据同心圆与质心临界多边形的交来确定布局物的放置位置.该算法同时兼顾布局问题的紧凑性和静平衡约束,是一种定位启发式方法,其解的质量受布局顺序的影响.利用广义模拟退火算法优化布局顺序,形成混合算法,并将其与经典的模拟退火算法作分析对比,数值试验验证了提出算法的有效性.     

用并行遗传/Powell/蚁群混合算法求解卫星舱布局问题

卫星舱布局优化设计问题数学上属NP-hard问题．较有效的求解途径之一是研究混合算法,为此构造了并行混合PGA-Powell-蚁群算法（简称PGPAHA）．该算法以并行遗传算法为基本框架,根据各子群体收敛速率的快慢来决定它们之间迁移的时机,在收敛后期加入Powell法作为并行遗传算法的算子来加快收敛速度,并利用蚁群优化算法提高计算的精度．最后应用该算法求解了简化的三维带性能约束的国际商用通讯卫星的卫星舱布局设计问题,数值实验结果表明,该算法与并行遗传算法（PGA）相比,在计算精度、计算效率及计算稳定性方面较优。     

具有性能约束布局问题的优化算法及收敛性

研究了二维布局优化问题,建立了具有性能约束的二维布局半无限优化模型.应用图论、群论等,把该问题分解为有限多个子问题,在每个子问题中克服了优化变量的时断时续性质,并将子问题松弛化,利用极大极小函数给出了松弛子问题的最优性函数,该函数在其零点使松弛子问题的一阶必要条件成立.利用最优性函数构造了松弛子问题的优化算法,并证明了算法的收敛性.     

装填布局拓扑模式变换的遗传算法

在布局优化中需给出初始点以构成初始布局，用构造非同胚布局拓扑模式的方法给出若干非同的初始布局，是缓解组合爆炸，求得全局最优解或较好的局部最优解的关键。用遗传算法的思想来实现布局拓扑模式变换，生成非同胚布局拓扑模式的不同初始布局。     

基于分区的改进的遗传算法求解TSP问题

针对解决大规模TSP问题的求解效果在时间以及路径寻优上所存在的问题,提出一种基于分区的改进的遗传算法,并对PR144城市的TSP问题进行求解,所得最优路径结果比TSPLIB公布的已知最好解更短,实验结果显示出了本文算法求解大规模TSP问题时能求解出最优解,时间性能也很好。     

基于多目标进化算法的低轨区域通信星座优化设计

研究利用进化算法实现低轨区域通信星座的多目标优化设计。首先分析、确定低轨星座优化的轨道控制参数，然后将基于Pareto最优概念的多目标进化算法引入星座优化中。结合星座覆盖性能的评价准则，给出了一种利用非劣分层遗传算法(NSGA—Ⅱ)实现星座轨道控制参数优化的框架。最后对具体实例进行了优化仿真，结果表明，该方法可以获得一组分布合理的Pareto解，为星座方案决策提供了有力的支持。     

基于遗传算法求解复杂时间-空间布局问题

给空间布局问题加入时间约束的多目标、多约束化布局问题(复杂时间-空间布局问题)是NP完全问题.探讨了遗传算法在求解这一复杂问题过程中的应用,提出用分层型遗传算法处理复杂时间-空间布局问题,给出了有效的编码形式和解码运算.根据混合原则和算例,该算法优于普通的遗传算法.     

使用人工生命模型解决时变优化问题

针对传统的进化算法因群体基因型多样性的丢失,难以跟踪系统极值点状态突变的问题,提出一种使用种群比较规则解决时变优化问题的人工生命模型(TOAL:Time-varying Optimization using Artificial Life).在此模型中,由于不规定全局进化方向,通过个体之间的相互作用反映系统的进化,从而避免了多样性丢失.该方法将人工生命方法应用到时变优化问题上,使用自行提出的种群比较规则,能够在一定程序上解决时变优化问题.通过一个典型例子的模拟实验表明,TOAL算法与传统遗传算法相比,整体性能的平均适应度可从0.86提高到0.96.     

基于单亲遗传算法的多行设备布置方法及仿真

机器设备布置问题是制造系统中常见的问题之一,基于单亲遗传算法构造了生产车间中常见的多行设备布置问题的优化算法.以总储运费用最小化为目标,通过单亲遗传算法的基因换位操作,从任何初始布置状态出发都能够容易地收敛到全局最优解.进一步,仿真试验结果及与传统遗传算法的比较证明了这一算法对大规模机器布置问题的有效性.     

变粒度协同进化设计算法及其在卫星舱布局设计中应用

采用进化算法求解复杂卫星舱布局问题时,算法容易陷入局部最优,且干涉计算复杂度高,计算耗时长.为提高对复杂解空间的搜索能力,基于协同进化算法,将问题分解为若干子问题求解;为减少计算耗时,子问题求解时采用了一种设计变量的变粒度策略.称上述方法为变粒度合作式协同进化算法(CCEA-CFG).卫星舱布局优化数值实验表明,与目前常用的几种布局求解算法(遗传算法、协同进化算法以及遗传/粒子群算法(QPGP))相比,CCGA-CFG(基于GA的CCEA-CFG)具有较好的计算质量、计算效率和计算鲁棒性.     

A GA approach to vehicle routing problem with time windows considering loading constraints

As a new variant of vehicle routing problem (VRP),a finished vehicle routing problem with time windows in finished vehicle logistics (FVRPTW) is modeled and solved.An optimization model for FVRPTW is presented with the objective of scheduling multiple transport routes considering loading constraints along with time penalty function to minimize the total cost.Then a genetic algorithm (GA) is developed.The specific encoding and genetic operators for FVRPTW are devised.Especially,in order to accelerate its convergence,an improved termination condition is given.Finally,a case study is used to evaluate the effectiveness of the proposed algorithm and a series of experiments are conducted over a set of finished vehicle routing problems.The results demonstrate that the proposed approach has superior performance and satisfies users in practice.Contributions of the study are the modeling and solving of a complex FVRPTW in logistics industry.