求解约束优化问题的分组比较遗传算法

Deb提出的基于遗传算法求解约束优化问题的约束处理方法简单易用，但存在一些不足之处，通过考虑不可行解在优化过程中的作用，对Deb的方法进行了改进，提出了分组比较的约束处理方法，并将该法结合到一个改进的遗传算法中，数值实验和比较结果表明了这种方法的有效性。     

分组遗传算法用于图的着色

图的着色算法是一种典型的NP 完全问题 在系统地讨论了图的正常顶点着色、边着色以及全着色的有关理论的基础上 ,提出了基于分组遗传算法和启发式搜索的图的正常 k 点着色 ,正常k 边着色以及正常k 全着色的新型混合算法 ,提出了评价算法性能的标准 实验仿真结果表明 ,新型混合算法可以获得问题高质量的解 ,即对图进行着色所使用的颜色数接近图的色数     

基于遗传算法的分组算法

依据学生特征给定学生的初始值建立初始种群,根据"组内异质,组间同质"的分组策略构造适应度函数并进行迭代计算直至满足结束条件。适应度函数值最大的一个个体可以认为是合理的分组序列,该方法在实践教学中取得了令人满意的结果。     

基于分组排挤机制的遗传算法

利用遗传算法进行寻优有时候遗传操作会陷入局部寻优,造成早熟,使遗传操作收敛不到最优解.针对这一问题,提出一种基于分组排挤机制的遗传算法,将种群个体进行分组,引入基于海明距离的排挤机制,不仅可以防止早熟,而且可以加快收敛速度.最后用普通遗传算法与之进行比较,证明其可行性和有效性.     

分组遗传算法用图的着色

图的着色算法是一种典型的ＮＰ－完全问题。在系统地讨论了图的正常顶点着色,边着色以及全着色的有关理论的基础上,提出了基于分组遗传算法和启发式搜索的图的正常ｋ－点着色,正常ｋ－边着色以及正常ｋ－全着色的新型混合算法,提出了评价算法性能的标准。实验仿真结果表明,新型混合算法可以获得问题高质量的解,即对图进行着色所使用的颜色数接近图的色数。     

遗传算法在装备供应优化问题中的应用

在装备供应中,由于装备品种多、配套复杂,存储装备的仓库和需要装备的单位地域分布不同,担负的任务不同,对装备的品种、数量、时限要求不一样,如何使装备供应科学化、合理化,是一个涉及多变量、多目标的复杂系统问题.在综合考虑装备供应各项因素的基础上,建立了装备供应优化的数学模型,提出了基于遗传算法的解决方案,解决了采用传统优化...     

车辆路径问题中的遗传算法设计

车辆路径问题在物流管理的研究中受到大量关注。但由于车辆路径问题是一个NP-hard问题，使用传统优化方法很难得到最优解或满意解。这里使用改进的交叉算子和遗传算子，设计了基于自然数编码的遗传算法，求解车辆路径问题，获得了良好的效果。     

基于分组遗传算法的数据中心虚拟机节能映射

近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的 碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。 对云数据中心的虚拟机放 置(Virtual Machine Placement, VMP)进行优化能有效地提高资源利用率,同时,VMP 也是减少数据中心能耗的重 要技术之一;针对数据中心的能耗感知 VMP 问题,提出一种基于分组遗传算法的节能算法 EEGGA (Energy - Efficient Grouping Genetic Algorithm),算法将节能 VMP 问题视为装箱问题(Bin Packing Problem,BPP),并应用基于 分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标; 在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能 性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法 进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其 他算法。     

基于混合编码的遗传算法在神经网络优化中的应用

提出了一种结合浮点数编码与二进制编码的混合编码遗传算法,该算法在同一条染色体上同时使用浮点数编码与二进制编码,有机结合了两者的优点,并与BP算法结合用于优化神经网络的结构和系数,获得具有更好泛化能力的神经网络.仿真实验结果证实了这种混合编码遗传算法的有效性和优越性能.     

遗传算法在CDMA/PRMA协议中的应用

为了在参数众多、分析复杂的最优信道接入求解问题中找到一个简单、直观的解决方法。提出了采用遗传算法与码分多址／分组预约多址协议相结合的方法解决最优信道接入函数的问题，它只依赖于对业务特性的模拟程度，避免繁琐的数学推导。计算机仿真证明，这种解决方案是直接而有效的，并且可以保证结果的最优性。     

利用遗传算法求解大学课表问题

课表问题是一个多因素的优化决策问题,在分析大学课表问题的基础上,设计了一种全新的、基于三维数组的二进制编码方式及几个优化目标评价函数,用遗传算法求解,并通过实验证明这种方法大大提高了遗传算法的效率。     

面向对象Flow-shop调度问题的遗传算法求解

以面向对象的程度设计方法,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     

一种改进的遗传算法求解旅行商问题

针对在解决旅行商问题时标准遗传算法效率不高,很容易陷入局部最优解的问题,提出了一种改进的遗传算法. 根据种群个体的多样性和分布情况,提出了判定遗传算法截止代数的方法. 研究结果表明,通过加入了初始化信息,改进交差算子,可提高遗传算法的精确性和收敛性.      

求解多峰值问题的改进混合遗传算法

由于遗传算法解决问题时容易陷入局部极值点,根据遗传算法全局搜索能力强和模拟退火算法局部搜索能力优的特点,将它们混合使用,同时改进初始群体产生方法,使随机产生的初始群体之间有较明显的差别,能均匀分布在解空间,并采取与进化代数相关的多精英保留策略及改进的自适应选择与变异操作.模拟退火算法的结束条件改进为当连续五代个体与前一代适应值无变化或当前温度小于结束温度.仿真实验表明新算法在求解多峰值问题时改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.     

求解0-1背包问题的混合遗传算法

对于0-1背包问题设计一种价值密度,并在此基础上提出求解0-1背包问题的混合遗传算法.经大量数值实验比较该方法与传统方法及简单遗传算法,结果表明算法能有效求解0-1背包问题.     

用遗传算法解决下料问题

“下料问题”在工程技术和工业生产中有着重要和广泛的应用。解决此问题的经典方法需要很大的计算量,为了减少计算量,提出基于块组合的树形表示和一种很好被采用的遗传算法,即在使用树形表示切割方式的同时也结合别的不同的切割方式,并通过组合交叉、变异算子来实现混合切割。最后提出了这种方法的实现形式。     

一种基于基因遗传算法的诊断问题求解方法

基因遗传算法是一种基于达尔文进化论思想的新的优化算法，它是对生物进化过程中繁殖、变种和自然选择等规律的模拟。作为一种进化论的数学模型，基因遗传算法在解决大空间的搜索和组合优化问题等方面具有独到的功效。本文在概率因果诊断模型的基础上，应用基因遗传算法解决了诊断中具有组合瀑炸数的多故障同时性诊断问题。     

加强的混合遗传算法求解能力约束弧路径问题

为了在可接受的时间里求解具有NP-hard性质的能力约束弧路径问题(CARP),提出了加强的混合遗传算法(EHGA). 该算法是在遗传算法框架里嵌入加强的局域搜索算子来强化搜索,充分发挥了遗传算法的全局搜索能力和加强的局域搜索算子的局域搜索能力. 同时,在进行种群替代时,二元锦标赛替代被提出,并使用了种群管理来保持种群的多样性.测试了标准CARP算例,并给出了算法效果比较. 结果表明,加强的混合遗传算法胜出一般的Memetic算法,是有效的求解CARP的方法.     

一种基于自适应分组排挤的遗传算法

为防止进化种群早熟收敛,并考虑保持种群多样性,加快寻优进程,提高寻优效率,提出一种基于自适应分组排挤的遗传算法,在寻优过程中将种群个体进行分组,在分组的基础上基于海明距离引入自适应的排挤机制,最后将该算法与基于海明距离排挤算法和简单遗传算法进行比较,证明其可行性和有效性.