基于量子进化算法的批量生产问题

在现代制造业的供应链中,生产批量计划(Lot-sizing)问题是企业经济效益最大化的关键因素之一,其主要研究在给定批量产品的需求下,确定最佳的生产方案,使得制造成本、库存成本和调整成本的总和最小化或者利润最大化。近年来的群智算法如遗传算法和粒子群算法等为解决复杂的Lot-sizing问题提供了新途径,但是这些算法易陷入局部最优。为了获得全局,将量子算法融入经典进化遗传算法中,首先,运用量子理论中独特的概率幅和量子比特对计划产量的决策变量进行编码;然后在迭代过程中,通过动态调整量子旋转角度来控制基因的变异速度,保持最优个体的基因信息,以免陷入局部最优的陷阱。Lot-sizing问题的案例实证表明,与上述常见的群智粒子群算法相比,量子进化算法的求解精度更高、收敛速度更快,可以有效解决复杂多约束的Lot-sizing问题,提高企业的生产效率。     

Probability Simulation Optimization Approach Using Orthogonal Genetic Algorithm

0 IntroductionIn many practical engineering opti mization prob-lems ,stochastic phenomenonandfuzzy phenom-enon emerge when you make some decisions[1]. Asyou know,complex system with plentiful uncertainphenomenoncannot be expressed as the specificationformula of several objective functions and some con-straint conditions si mply,thatis ,theformof objec-tive functions cannot be given explicitly in terms ofdesign variables .For this class of complex system,traditional opti mization technology can…     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题,较难得到全局最优解．而采用改进的遗传算法,并运用数据库,通过对大量实际运算结果的统计分析表明：改进后遗传算法,能显著提高全局最优解的成功率．研究中发现,该类问题适应度的动态缩放技术具有最好的效果,并就该类问题提出了合适的参数取值．     

净月潭森林旅游现状与发展对策

介绍了净月潭国家森林公园的旅游资源特点及其资源开发利用现状,分析了存在的问题,并就管理、资金、基础设施优化以及精品促销等方面进行了有益的探讨,力求促进净月潭森林公园建设事业持续、快速、健康发展和经济、社会、生态三大效益相互协调,同时提出了加强森林生态旅游的发展对策。     

基于MATLAB遗传算法工具箱的PID参数优化研究

遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法,遗传算法工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具。针对传统PID的局限性,利用遗传算法工具箱对PID控制器参数进行优化。仿真结果表明:该方法几乎无超调,且过渡时间短,可获得比传统设计方法更优良的控制效果。     

贵州云台山喀斯特森林生态系统苔藓植物群落生物量研究

采用收获法对贵州云台山喀斯特森林苔藓群落生物量进行测定。结果表明:苔藓群落总生物量为0.067 t/hm2,其中石生苔藓群落为0.039 t/hm2,钙质土苔藓群落为0.019 t/hm2,木生苔藓群落为0.009 t/hm2。     

“森林转型”研究进展与展望

通过分析有关“森林转型”的文献, 归纳总结“森林转型”的概念与内涵、理论发展、分析框架、研究方法以及影响因素, 提出“森林转型”未来的研究重点, 为森林保护政策和可持续发展提供科学依据。主要结论如下: 1) “森林转型”指森林面积由减少至增多的趋势性逆转, 是社会-经济-环境系统相互适应的结果, 是土地利用的综合反映, 主要核心问题是趋势逆转的驱动因素与内在机理; 2) “森林转型”具有特殊性、偶发性和并发性, 具有非线性动态、明显转折和多维的特征; 3) “森林转型”具有多种路径(经济发展路径、森林稀缺路径、全球化路径、国家森林政策路径和农户土地利用集约化路径), 目前主要通过林地利用的相对地租、土地质量调整和社会生态反馈来解释“森林转型”发生机制; 4) 需要在更加综合的整体分析框架下, 集成多源数据与方法, 按照“概念-过程-机制-效应-应用”的思路研究“森林转型”, 注重系统性的尺度综合与异质性, 扩展案例研究范围, 加深跨学科研究, 并加强政策应用的实践。     

基于实数编码的遗传算法收敛性研究

基于群体搜索的遗传算法求解复杂优化问题具有独特的优势,现有遗传算法的研究大多集中在算法的设计和数值实验效果的比较上. 该文给出了求解一类复杂优化问题的遗传算法(RFGA)的基本框架,并用概率论的有关理论对RFGA的收敛性进行了研究,结果表明RFGA以概率1收敛到问题的最优解.     

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。     

森林遗传管理的现代基础理论与技术——林木遗传育种学

林木遗传育种学是以现代生物科学、现代林学及有关自然科学的成就为基础的一门应用科学,是森林遗传学的重要基础。森林遗传学的研究提供了树木个体或群体遗传特性的信息,确定树木之间或树种之间的遗传关系,为森林资源的保存、开发和利用提供理论基础。林木育种是营林技术的组成部分,其目的是为了提高和维护森林的生产力、再生能力和生物多样性。在国土生态环境建设和林业产业体系建设中,对森林或林木的遗传性进行有效的管理、控制和改造,是促进林业高效和可持续发展的重要技术措施。     

基于双层启发式遗传算法的三维装箱问题

三维装箱问题是一类组合优化问题,多用于物流运输业的货物装载,具有重要的实践意义。它的最优解受多种条件因素的影响,求解形式复杂且计算量较大,所以常用启发式算法来解决。以空间分割为原则的启发式算法融入遗传算法中并结合二层规划的思想,提出一种基于双层启发式遗传的三维装箱算法。通过双层启发式遗传策略分别对可行解进行广度和深度的搜索来提高寻优效率,从而得到最优的三维装箱方案。在此基础上利用具体算例进行运算和分析,证明该算法在空间利用率和稳定性上都有较好的效果,同时装箱方案可以依托计算机技术进行三维可视化,可为三维装箱问题的信息可视化提供理论依据。     

遗传算法研究综述

近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注。本文介绍了有关遗传算法理论的研究现状,包括:编码方式、遗传算子、适应度函数以及常用混合遗传算法,指出了遗传算法的研究方向。     

双UAVs辅助的混合能量收集MEC系统资源分配策略

针对用户从环境射频源收集能量较少的问题,提出了一种双无人机辅助的混合能量收集边缘计算系统的资源分配策略。通过部署2个具有混合太阳能和射频能量收集功能的无人机,当用户的计算任务较大时,可以将计算任务卸载到搭载边缘服务器的无人机。当用户从环境射频源收集的能量不够用时,另一个无人机飞到用户上方,为其近距离充电。联合考虑无人机和用户的能量消耗,将系统资源分配问题建模成一个混合整数非线性规划问题,在满足用户和无人机计算能力和能量消耗的约束条件下,最小化系统总能耗。通过引入量子行为粒子群优化算法,获得次优解。仿真结果表明,与其他几种方法相比,采用量子行为粒子群优化算法消耗的能量更少。     

一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

基于变量分析和粒子群优化加权随机森林的交通事件检测方法

为了提高高速公路交通事件检测的效果,首先从交通流基本参数、交通流组合参数、不同区间交通流参数对交通事件参数的变化进行全面的分析,构建交通事件初始特征变量集,并利用AdaBoost算法、梯度提升树(GBDT)算法、随机森林(RF)算法对初始特征变量进行筛选,通过三种方法综合比较分析得出最终的重要变量.对随机森林中的决策树进行加权计算,构建加权随机森林,并利用粒子群(PSO)算法优化加权随机森林模型.通过采集的高速公路交通事件数据进行对比分析,实验结果表明,在交通事件初始特征变量中筛选出重要变量,对检测的精度有所提高,加权随机森林的检测性能也要优于传统的支持向量机(SVM)和随机森林.     

一种新量子遗传算法及应用

基于量子位测量的二进制量子遗传算法,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率。针对这一问题,提出了一种基于量子位相位编码的量子遗传算法。该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异。在该方法中,由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性。以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法。     

基于并行量子遗传算法的QoS组播路由方法

通信网络时延受限且满足带宽要求的最小代价组播树问题是NP完全问题,传统方法难以求解,一般采用启发式方法求解.提出了一种基于并行量子遗传算法的服务质量(QoS)组播路由算法,算法中将各个子群体独立地并行进化,并通过相邻子群体间的信息交换实现克服早熟,避免局部收敛的目的,还提出了一种新的动态旋转角调整策略,使算法具有更好的种群多样性和全局寻优能力.仿真实验表明,新算法在求解性能上优于遗传算法(GA)和采用静态旋转角的量子遗传算法(QGA).     

复杂函数全局最优化的改进遗传退火算法

针对复杂函数的最优化问题 ,首先提出了一种基于邻域函数的尺度参数自寻优的改进模拟退火算法 ,进而通过设计多操作的基于概率接受思想的变异操作 ,结合混沌序列 ,在遗传算法中引入灾变操作和改进模拟退火算法 ,最终提出了改进遗传退火算法。基于典型算例的仿真结果验证了改进算法对高维复杂函数最优化的有效性 ,其性能明显优于传统的遗传算法、模拟退火、改进的进化规划方法以及遗传 -AL OPEX算法。     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法是求解大规模任意目标函数优化问题的强有力工具,二者各有优势,又都存在不足,本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法自身的优势与不足,提出一种将二者混合使用的求解网络优化问题的算法．这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法应用于实际的网络设计问题．最后用香港２００６ 年规划数据进行实例研究．