基于遗传算法的装配线平衡

平衡问题是装配线设计中要考虑的一个重要方面。文章给出基于遗传算法的启发式程序来解决装配线的平衡问题，设计特殊的遗传操作算子，提高算法的可行性、有效性和程序的搜索能力。对于给定的实例，计算的结果表明遗传算法是一种有效的解决装配线平衡问题的工具。     

基于遗传算法的多级目标非平衡指派问题求解

给出了一个基于遗传算法的多级目标非平衡指派问题的求解方法.首先把一个非平衡指派问题转化为一个组合优化问题.在此基础上,给出了编码策略、目标函数和适应度函数、选择算子、交叉算子和变异算子,还给出了交叉概率、变异概率的定标方法.最后采用遗传算法成功地解决了非平衡指派问题.     

用遗传算法解决生产线调度Job—Shop问题

在分析国内外各种解决生产线作业调度疸方法的基础上,引出生产线调度Job-Shop问题的数学模型。针对该模型,用遗传算法对其进行优化调度。首先针对优化目标进行染色体编码,定义群体规模,然后设计适应度函数,最后通过选择、交叉、变异等操作,得到目标的全局较优解。本文针对某一工程实例,给出了此调度算法的仿真结果。     

利用遗传算法求解多项目资源平衡问题

基于遗传算法的基本原理,针对多项目资源平衡问题本身的特点,通过建立适当的数学模型,提出了解决多项目资源平衡问题一种全新的精确解法,并通过实际算例表明该算法的有效性.     

平衡装载问题的优化模型和算法

根据运输条件和铁路现场实际情况，建立了以平衡配装为主要约束、车辆利用率最大化为目标、多批货物多车配装问题的数学模型，并详述了用遗传算法求解的关键技术．文章假设货物都是长方体的，并适于装在封闭容器中．长方体货物装载优化问题是NP完备的，问题本身具有重要的理论价值，并在交通运输、工业生产和空间规划等领域有着广泛的实际应用背景．     

基于遗传算法的交通信号动态优化方法

针对典型的城市多车道双向交叉路口的交通流分布，以四相位信号控制为例，建立了以控制周期内路口的总延误车辆数最小为控制目标、以信号相位绿灯持续时间和信号周期时长为控制变量的交通信号动态配时模型。并用基于实数编码的遗传算法对信号周期和相位4绿信号时间等控制变量同时进行优化。为检验算法的优化效果，针对实际交叉路口高峰小时的实测交通流量数据，进行了大量次数的仿真计算，并对仿真结果进行了分析。     

基于遗传算法供水系统优化调度模型

研究了含有调速泵的供水系统直接优化调度问题.根据给水系统的网络特性,以测压点压力宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程,并以每一泵站每时段应有水泵运行求得的出水量和管网求得的需水量相等的条件建立了混合泵站供水系统的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解,提出了对各种约束条件处理的方法,针对遗传算法容易早熟等的不足,综合采用遗传算法和模拟退火技术以及自适应交叉和变异率的方法.最后算例计算表明该算法具有较强的适用性.     

基于遗传算法的模糊免疫控制器设计

运用模糊李亚普诺夫综合法设计模糊控制器来模拟免疫系统中的反馈机理,应用遗传算法对控制系统响应的快速性及稳定性的参数进行了优化,实现了免疫控制器的合理设计。采用此方法设计平衡梁系统控制器,仿真结果表明,控制器性能优于常规控制器,且系统具有良好的鲁棒性。     

基于遗传算法的模糊优化研究

针对约束条件、系数和优化变量均为模糊数形式的线性和非线性全模糊优化问题 ,利用模糊数积分排序方法 ,提出了基于遗传算法的模糊优化问题求解方法 ,在该方法中对优化变量采用模糊数编码(每个变量用三个实数编码 ,对应三角模糊数中的 a,b,c) ,最后通过全模糊线性和非线性优化算例 ,验证了方法的有效性.     

基于遗传算法的制造流程价值优化

为解决最短路线动态规划的维数障碍及模式欺骗性问题，提出了一种数组链染色体编码方式及基于自适应性变异概率和模拟退火惩罚函数法的适应性遗传算法（AGA），仿真测试验证了该算法的有效性．针对某发动机壳体制造工艺流程优化问题，采用质量功能展开法得到了各工艺方案的价值，以工艺路线的总价值最大为目标函数、总成本为约束条件，采用AGA得到了一条最佳工艺路线．     

基于多层规划的单边多目标装配线平衡调度模型

平衡汽车装配线能够提高企业生产效率、稳定产品质量、降低生产延迟; 缩短装配线总作业时间可以提高汽车装配数量.根据单车型单边装配工艺要求, 以最大工位持续时间最小和总作业时间最短为目标, 建立了基于多层规划的多目标混合整数规划平衡调度模型, 得到了平衡率最高且总作业时间最少的调度方案.通过分析模型的寻优思想, 得到了一个快速、有效的装配线平衡调度模型.算例证明了该模型求解速度的高效性和所得调度方案的有效性.     

多目标混流装配线再平衡模型与算法

当新产品引入时, 混流装配系统常常需要再平衡以保持各工作台上的负荷均衡. 文章考虑混装线再平衡时的调整成本和生产效率, 提出了度量调整成本的新方法, 建立了混流装配线再平衡问题的多目标优化模型, 并采用多目标遗传算法对该问题进行了求解. 通过对经典问题的计算实验, 以及与Merengo等提出的混装线平衡算法的对比分析, 结果表明多目标遗传算法可以有效地求解混装线再平衡问题.     

考虑需求波动和产能调整成本的混流装配线平衡问题

混流装配系统面对的市场需求经常受各种因素影响而上下波动,当实际需求与预期不同时,企业需要采取加班等临时措施调整产能. 然而现有装配线平衡研究大都是按照确定的预期需求量配置的,少数考虑随机需求的研究也都忽视了平衡方案后续进行产能调整的成本和难易程度. 文章针对需求不确定环境下的混装线平衡决策,考虑了维持日常产能的人工成本和加班带来的产能调整成本,建立了数学模型,提出了一种估计总成本下界的方法并设计了启发式算法. 计算实验表明算法能在较快时间内获得较好的结果.     

基于遗传算法的生物网络自适应负载平衡实现

自适应性网络环境将成为未来Internet的不可缺少的重要构成部分,而生物网络由分散的、自治、移动的个体组成,能够自我调整、适应和生存。在提出的生物网络框架中设计了一种特殊的生物实体——调度生物实体,利用调度实体来指导生物实体的移动,以期获得生物网络的负载平衡。然后提出了一种基于遗传算法的负载平衡算法,该算法以网络负载平衡为优化目标,使实体相对均衡地提供服务,达到合理利用生物网络资源,增强其自适应性的目的。最后,对网络服务使用进行仿真,实验结果证明了算法的有效性。     

基于遗传算法的目标优化分配模型

结合我国防空武器的现状,根据现代防空混合配置的特点,提出了基于遗传算法的目标优化分配模型,有效地解决了目标优化分配这一复杂而困难的问题,从而提高了地空导弹武器系统的防空作战效能。     

用多能工应对需求波动的混流装配线平衡问题

在混流装配线中,需求波动会造成工位负荷的变化并可能产生过载,利用多能工协助装配是解决过载问题的常见方法.多能工的引入会改变装配线平衡的约束,同时平衡方案也会影响应对需求波动所需的多能工数量,然而现有的平衡研究还没有讨论过多能工带来的影响.本文研究了使用多能工应对需求变化的混装线平衡问题,决策者需要决定多能工和普通工人的数量及任务分配.以最小化人工成本并满足不同情境的需求.文章建立了数学模型,分析了问题的复杂性和成本下界,并提出了启发式和精确算法来求解,最后使用数值实验证明了算法的有效性.     

多重群体遗传算法的特点及应用

建立了多重群体遗传算法模型并成功地用于实际研究工作。多重群体遗传算法采用了标准化的独立的基因／染色体模型及由种群和繁殖群体组成的多重群体模型，并采用了积累方式建立初始种群，求解效率和对不同类型问题的适用性有明显的改善和提高。多重群体遗传算法模型求解优化问题的基本过程分为建立初始种群、适应与进化、进化成熟后的处理等内容。     

基于遗传算法的动态聚类方法

针对常规动态聚类方法对初始聚类中心的敏感性以及聚类结果与样本输入次序有关等问题,本文另辟蹊径,提出了一种基于ＧＡ 的动态聚类方法,并将它应用到数据库的数据分析中． 计算结果表明,该方法是一个具有全局最优解的动态聚类方法,其结果明显好于Ｋ－均值聚类算法．     

基于遗传算法的系统辨识方法研究

针对从样本数据进行系统辨识的问题,提出一种由典型数学模型相互组合构成系统模型的新的辨识方法,将系统结构辨识问题转化为组合优化问题,并采用遗传算法同时实现了系统的结构辨识与参数辨识,模拟仿真与实际系统辨识结果验证了系统辨识方法的合理性与求解算法的有效性.     

并行遗传算法在一类计算机网络可靠性优化问题中的应用

对于成本约束下的网络可靠性优化这一个 NP难题 ,针对已知的网络拓扑结构 ,提出了在 k种交换设备和 m种传输介质中选择合适的设备组合方案的粗粒度并行遗传算法 ,在满足成本预算的同时 ,优化网络的可用性 .仿真结果表明 ,对比传统的串行遗传算法 ,粗粒度并行遗传算法不但加速比高 ,而且能有效地提高优化质量.