一种改进遗传算法及在多目标优化中的应用

基本遗传算法在求解大规模多目标优化问题时会出现早熟和搜索效率低等问题。针对这些问题,对基本遗传算法引入了邻域操作、自适应策略和混沌优化等多种改进策略,研究设计了一种有机结合各种改进策略的改进遗传算法流程。应用实例的仿真试验表明改进算法可行,且在求解大规模多目标优化问题时较基本遗传算法具有精度和速度优势。     

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.     

求解带时间窗取送货问题的遗传算法

首先介绍基于时差的插入法,进而设计求解带时间窗取送货问题的遗传算法.与传统求解该问题的遗传算法相比, 本算法有 以下特点:一是设计了基于时差插入法的交叉算子、R1变异算子与R2变异算子;二是采用非代际搜索策略. 应用56个标准测试算 例测试显示,其求解质量比已有文献报道的同类算法高.     

采用十进制免疫遗传算法求解高校排课问题

论文深入分析了高校排课问题, 建立了其数学优化模型, 构建了其基本求解框架. 针对高校排课问题的特点, 引入遗传算法来加以解决, 设计了多种改进方案, 包括: 十进制编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、 自适应交叉概率和自适应变异概率设计方案. 仿真结果表明该算法能够满足高校排课问题的多重约束条件, 能更有效地解决高校排课问题.     

求解项目调度中资源水平问题的近似算法

针对RLP与RCPSP的相似之处和自身特点，以求解PCRSP的遗传算法为基础，设计了一种求解RLP的基于分支定界策略的近似算法，搜索树的每一节点对应一个RCPSP，通过求解各节点RCPSP来求得RLP的最优调度计划，算法从具有基本资源需求水平的根节点开始，采用宽度优化顺序逐渐提高各种资源的可用量，既有利于资源的均衡利用，又可以通过定界策略有效地控制搜索树的节点数量，结合实例问题说明了基于分支定界策略的近似算法的求解过程，最后通过实例问题对该算法与遗传算法进行求解效果和时间效率的对经，分析了对比结果。     

同时送取货的随机旅行时间车辆路径问题方法

建立了同时送取货的随机旅行时间车辆路径问题(STT-VRPSPD)的机会约束规划模型,构建了分散搜索算法求解策略.分散搜索算法中,针对STT-VRPSPD问题的复杂特性,构造了解的改进策略、组合策略,并采用改进的节约算法构造分散搜索算法初始解,从而使文中设计的分散搜索算法更加适应STT-VRPSPD问题特有的负载波动性.仿真实验中,首先对分散搜索算法的参数设置进行分析,确定了最优参数组合;然后基于经典的Dethloff算例数据,构造了STT-VRPSPD的测试算例,并对分散搜索算法和遗传算法进行了对比分析,结果表明,分散搜索算法对于STT-VRPSPD的求解质量优于遗传算法.     

不可行染色体转换方法

染色体转换方法是遗传算法求解约束严组合优化问题的重要途径.探讨了转换方法设计及其性能问题,提出了对染色体转换方法的4项性能要求.在介绍综合作业调度问题(complete job shop scheduling problem,CJSSP)概念的基础上,设计了4种转换方法.实验结果表明,4种方法都是可行的,但具有明显不同的效率和质量,与观察结果和算法性能分析一致,为改进求解综合作业调度的遗传算法奠定了基础.     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象,提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后,用数学语言对影响问题求解的约束条件进行描述,建立了资源联合调度模型;从应用强化学习解决问题的角度,对求解的问题进行马尔科夫决策过程描述后,分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略,并建立了DQN求解框架。仿真结果表明：基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

机车二系弹簧载荷调整混合算法优化方法

针对机车二系弹簧支承载荷均匀性分配调整的复杂多变量优化问题，提出了综合运用遗传算法（GA）和蚂蚁算法（AA）的混合优化调整算法模型。该算法模型首先采用GA进行全局快速随机搜索，获得若干候选的近似优化解，以此生成蚂蚁算法初始信息素分布，再用AA求得全局优化精确解。论文给出了混合算法模型的设计。对SS3b和SS9机车的仿真计算结果表明，该方法应用于二系调簧的多维连续性空间优化问题，可获求解性能和时间效率的综合提高。     

考虑技术突破与技术升级的能力规划问题研究

技术进步与市场需求不确定性,都是制造业能力规划问题需要面对的最重要因素.以往研究仅考虑技术突破而没有考虑技术升级,较多考虑能力扩张而较少考虑能力更替,本文首次提出了一种同时考虑技术突破和升级的设备采购与替换的集成能力规划模型.在需求和技术进步双源不确定性条件下,采用Scenario方法建立了多计划期能力规划的集成决策模型,探求能力扩张、替换、维护的期望总成本最低.面对该决策问题所建立的非线性混合整数规划模型,本文为该NP complete问题设计了一种基于遗传算法框架的启发式求解算法,即通过增加变换操作的方法将该问题转换为可以随机进化求解扩张方案最优化求解替换方案的一个等价问题.在种群初始化过程中采取仅选择能力扩张决策进行染色体部分编码策略,然后用经典优化方法针对每个个体精确求解最优能力替换决策,将扩张和替换整体成本作为个体适应度参与个体评价与种群进化.实验结果表明,技术升级在不同需求变化情景下都可以有效降低能力规划的成本,且本文提出的启发式算法对于求解此类规划问题具有很好的收敛稳定性和性能稳定性.     

基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

基于混合蚁群优化的天地一体化调度方法

天地测控资源一体化调度问题是一个典型的大规模组合优化问题,优化过程极其复杂,采用单一优化机制的传统蚁群算法求解这类问题时,存在求解效率低且求解性能差的缺陷。鉴于此,提出了采用两种不同融合策略的新型遗传蚁群优化方法(genetic ant colony optimization hybrid algorithm, GA-ACO)求解问题。该方法利用遗传算法的快速搜索、群体性能等优势生成初始蚁群信息素分布,提高了蚁群算法由于运行初期信息素更新较慢导致的较低求解效率和后期早熟引起的较差求解质量。仿真结果表明,相比于基本蚁群算法和遗传算法,混合蚁群算法的寻优性能更好,求解效率更高,更适合解决天地测控资源一体化调度问题。     

遗传算法中自适应伸缩搜索空间的方法

在求解优化问题时,与进化策略和进化规划不同,遗传算法依赖于所给定的搜索空间。但对于大多数实际问题,并不知道最优解所在的区域,因而无法给出适当的搜索空间,大大影响了遗传算法的性能。针对这一问题提出了一种自适应伸缩搜索空间的方法,它包括扩展阶段和收缩阶段。前者能够快速找到一个包含全局最优解但较为粗糙的搜索空间,后者则不断地细化这个空间。文中方法可以从任意初始空间出发并很快获得较为精确的上下界。同时,当应用到动态环境时,也能够迅速地适应新的适应度曲面。仿真实验证明了其优越性能。     

QoS multicast routing algorithm based on GA

1 .INTRODUCTIONTheprovisionofquality of service (QoS) guaranteesisofutmostimportanceforthedevelopmentofthemulticastservices .Multicastroutinghascontinuedtobeaveryimportantresearchissueintheareasofnet worksanddistributedsystems.Ithasattractedtheinterestsof…     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

多种资源在多项目间分配的两层决策方法

分析多种资源在多个项目间的最优分配问题，提出用两层决策方法建立该问题的数字模型。将遗传算法这种全局优化方法运用到最优解的搜索中，给出了具体的算法步骤。计算实例表明，本文建立的模型和提出的优化方法能有效地求解多种资源在多个项目间最优分配问题。     

区间分解优化的遗传算法及其在Internet环境下实现

为解决遗传算法面对复杂多模态函数优化问题时易陷入局部极值的问题,提出一种区间分解优化思想。通过区间分解,可以找到问题的多个局部最优解和全局最优解。同时,将算法在Internet环境下实现,既减少了算法的寻优时间,又节约了算法的运行成本。实验表明,区间分解优化方案能有效克服遗传算法陷入局部极值,大幅度提高算法的寻优性能。     

植物多向生长模拟算法

针对整数规划问题提出了一种以植物向光性为启发式准则的智能优化算法——植物多向生长模拟算法. 改进了植物生长激素的分配方式并将随机选择机制引入新枝生长方向的选择,更符合植物生长的自然机理. 利用马尔可夫链描述算法迭代过程,证明了算法的收敛性. 利用无约束和有约束两类具有多个全局最优解的非线性整数规划实例测试了植物多向生长模拟算法的性能,并与基本植物生长模拟算法、填充函数法、罚函数法以及基于遗传算法的混合算法进行了对比. 植物多向生长模拟算法不仅提高全局寻优能力,增加解的多样性和准确性而且提高收敛速度.