免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

用改进的遗传算法求解作业调度问题

作业调度问题JSP(Job Shop Scheduling Problem)是典型的组合优化问题.文中用改进的遗传算法来解决作业调度问题,在遗传算法中设计了一种调整算子,并证明了算法能够收敛到全局最优解;同时提出一种新的求解JSP问题的双目标函数、双种群遗传算子.每个种群侧重一个目标,各从不同侧面深度挖掘问题的信息,用以优化问题的解,两个种群再通过混合交叉得到更好的解,较大地提高了算法的收敛速度.     

基于NDP的遗传算法及其在JSP中的应用

遗传算法被广泛应用于求解车间作业调度问题(JSP),但遗传算法具有最优参数难以确定的问题。对此,该文提出了一种基于神经元动态规划(NDP)的遗传算法NDP-GA。该文将遗传算法用M arkov决策过程模型描述,建立了M arkov决策过程最优策略与遗传算法最优参数之间的联系。在此基础上,用神经元动态规划逼近M arkov决策过程的最优策略,并用学习到的策略指导遗传算法最优参数的选择。数值计算结果表明,该文提出的算法能自动收敛到最优遗传参数,并在求解JSP问题时能稳定地得到满意解。     

面向对象Flow—shop调度问题的遗传算法求解

以面向对象的程序设计方法，实现了用遗传算法求解Ｆｌｏｗ－Ｓｈｏｐ调度问题（ＦＳＳＰ），文中讨论了ＦＳＳＰ的不同存贮方式（ＵＩＳ，ＦＩＳ和ＮＩＳ），时限问题以及不同的交叉算子对算法的作用。     

遗传算法的改进及其在水库优化调度中的应用研究

遗传算法是通过对样本中个体的不断改进来寻找各类问题的最优解。由于标准遗传算法（SGA）存在收敛性及个体适应度求解方面的困难，在研究中，通过对SGA中遗传算子改进，特别是对选择算子的改进，提出了一种改进遗传算法（AGA），并将它应用于水库优化调度中。改变通常以水位变化序列为基础的遗传算法编码方案，通过数组存储水库库容状态，并以各库容状态对应的数组下标为基础进行遗传算法编码，通过实例，表明AGA对水库优化调度问题具有良好的适应性，同时结合数组存储理论的遗传算法编码方法简化了水库优化调度遗传算法的实现过程。     

基于改进遗传算法的多产品连续化工过程生产调度

多产品连续化工过程的生产调度具有组合和连续的生产特性，因此它的调度模型可归结为一混合整数非线性规划问题（ＭＩＮＬＰ）。对这一问题的求解，采用了改进的遗传算法，提出了几种多样性保护算子，从而可防止传统遗传算法易提前收敛问题。所提出的算法被应用于三个产品生产的例子，并与文献所给的结果进行比较，说明了该算法的有效性。     

改进算术优化算法求解考虑机器老化效应和工件释放时间的作业车间调度问题

研究考虑机器具有老化效应和工件带有释放时间约束的作业车间调度问题（job shop-scheduling problem, JSP）。建立以最小化最大完工时间为目标的调度优化模型,并设计1种改进的算术优化算法（improved arithmetic optimization algorithm, IAOA）对该问题进行求解。算法首先通过排序值转换规则将IAOA连续解空间映射到JSP的离散空间,并对JSP进行编码,然后使用插入式贪婪解码算法进行解码。提出了非线性数学优化加速函数和6种邻域搜索策略对标准算术优化算法（arithmetic optimization algorithm, AOA）进行改进。通过在33个JSP数据集上进行测试并与AOA、灰狼优化算法和算术三角函数优化算法进行对比分析,结果表明提出的IAOA具有较好的优化效果以及收敛能力,且该算法克服了AOA求解精度低、收敛速度慢的缺陷。     

水火电混合系统经济调度的双链态遗传算法

遗传算法（GA）为求解电力系统经济调度问题提供了一条新的途径．研究了基于双链态基因模型的遗传算法（DGA），给出了显性基因和隐性基因选优准则．应用DGA建立了电力系统经济调度的遗传算法模型，该模型易于考虑系统负荷平衡、用水限制和梯级水电厂之间的水流流达时间等约束条件．在pentium计算机上对由两个火电厂和含有四个梯级水电厂组成的系统进行了仿真计算，取得了满意的效果．     

水火电混合系统经济调度的双链态遗传算法

遗传算法（ＧＡ）为求解电力系统经济调度问题提供了一条新的途径。研究了基于双链态基因模型的遗传算法，给出了显性基因和隐性基因选优准则，应用ＤＧＡ建立了电力系统经济调度的遗传算法模型，该模型易于考虑系统负荷平衡，用水限制和梯级水电厂之间的水流流达时间等约束条件，在ｐｅｎｔｉｕｍ计算机上对两个火电厂和含有四个梯极水电厂组成的系统进行了仿真计算，取得了满意的效果。     

一种改进的车间调度算法

为了解决考虑生产总成本的车间调度问题,对引入加工成本、库存管理成本和拖期惩罚成本的车间调度问题进行了研究,提出了一种改进的遗传算法求解该问题。论述了改进遗传算法的编码、初始化、选择、交叉和变异操作,通过与基本遗传算法的仿真比较,验证了该算法在收敛速度和最优解值上的优越性。     

一种混合遗传算法在云计算负载均衡中的应用研究

遗传算法(GA)被广泛用于解决科学与工程中的复杂问题,然而传统的GA在求解高维函数优化问题时存在很多限制因素,因此无法在云计算中直接应用.提出了一种多智能体与遗传算法混合的多Agent遗传算法(MAGA).首先论证了MAGA较传统GA的优越之处,然后采用MAGA建立了基于虚拟化资源管理的负载均衡模型,解决云计算中的负载均衡问题.与Min_min策略对比实验结果表明,多Agent遗传算法能够达到更加优越的负载均衡效果.     

一种基于遗传算子优化组合的TSP问题求解方法

一般遗传算法求解旅行商问题时,存在着搜索速度与求解质量之间的矛盾.针对此问题提出了一种逆序与对偶组合算子,用以增强遗传算法的局部搜索能力.将其与具有良好全局搜索模式的均匀杂交算子优化组合应用,采用自然数和二进制相互转换的编码方式,构造了一种对TSP问题进行求解的遗传算法,保证了算法的全局收敛性.仿真实验结果表明,该求解方法具有良好的搜索效率和求解质量.     

基于附加隐性遗传效应遗传算法的约束优化问题研究

遗传算法是一种模拟生物进化论的自然选择和遗传学的基因遗传机理而发展出来的一种全局优化算法.本文作者提出附加隐性遗传效应遗传算法,通过具体算例,对基本遗传算法与附加隐性遗传效应遗传算法的优化结果进行比较分析,证明了附加隐性遗传效应遗传算法在求解优化领域的约束优化方面,表现出更好的算法性能.     

间歇化工过程生产调度系统优化的新算法

简述了间歇化工过程领域中化工系统工程的研究课题。提出了间歇化工过程生产调度优化问题的一个新算法──遗传算法。     

遗传算法求解TSP的进化策略

本文提出用遗传算法（ＧＡ）求解旅行商问题（ＴＳＰ）的一整套进化策略，包括染色体的编码、反向运算、循环运算、交换运算．其中除反向运算外，均与通常的ＧＡ算法所采用的策略不同．文中解释了它们的几何意义．用该算法求解中国３１个城市的ＴＳＰ问题得到了１５４０４公里的新的路径长度．计算结果表明整个算法是有效的     

遗传算法在生产作业调度中的应用

归纳总结了生产作业调度问题的数学模型,详细分析了模型中的目标函数。并在此基础上讨论应用遗传算法解决生产作业优化调度问题的过程及算法中相关参数的选取原则,最后通过算法模拟验证了遗传算法在解决生产作业调度问题上的全局近优性和高效性。     

考虑多种时间因素的作业车间调度优化

为了简化模型和研究的需要,在大部分作业车间调度研究中,加工时间是主要考虑对象,但是统计表明非加工过程时间在生产制造过程中的占比超过90%。车间生产过程的调整时间、运输时间和故障时间等辅助时间在调度中有着重要作用,时间因素的忽略导致很多调度结果不能在实践中得到良好的应用。针对这个问题,根据作业车间生产实际过程,从调度的应用出发,综合分析了运输时间、调整时间、等待时间、故障时间、加工时间等多种作业车间时间,研究了多种辅助时间条件下的作业车间调度问题,建立其调度模型并设计了改进遗传算法进行求解。最后验证和比较了作业车间经典调度用例,结果显示,考虑时间因素对作业车间调度优化性有较好的改进。     

基于遗传算法的区域雷达网优化布站方法

为提高区域雷达网探测能力和抗综合电子干扰、抗隐身技术与隐身飞机的威胁,抗低空、超低空突防及抗反辐射导弹(ARM)能力,提出了一种基于遗传算法的雷达网优化布站方法.建立区域雷达网优化布站的数学模型,给出遗传算法在该优化问题中的求解过程和步骤,为加快求解速度对遗传算法进行了改进,并进行了雷达组网仿真,将分析结果与应用模拟退火算法计算的结果进行了比较,结果表明该方法能够快速得出多种优化布站方案,并具有易操作性.     

遗传算法在水污染控制系统最优规划中的应用

针对水污染控制系统最优规划中存在的问题，提出应用遗传算法求解区域最优化模型，充分利用遗传算法全局搜索的能力，快速获得最优解。结果表明，这种算法可以克服试探法分段优化的不足，使规划结果更合理，投资费用更节省，为求解区域最优化模型提供了一种新方法。     

基于改进小生境免疫遗传算法的船体建造板材图形排样

讨论了基于改进小生境免疫遗传算法的不规则图形排样问题,提出一种基于排挤机制的小生境技术结合传统改进免疫遗传算法的方法.通过实例比较,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对排样问题的解决和优化.经过船体建造板材套料实验研究,在大规模不规则图形排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的应用中,具有较好的全局寻优表现和收敛速度,该算法是有效、可行的.