模糊规划及其程序实现

利用遗传算法和模糊模拟求解以下两类模糊问题：其一是在模糊条件下要求一个清晰目标函数达到极大或极小，其二是在模糊条件下要求一个模糊事件的可能性达到极大，采用基于模糊模拟的遗传算法进行求解．     

基于遗传算法的目标规划求解

首先讨论了遗传算法的优点，然后提出了将遗传算法应用于带有约束优化问题的求解，并进一步将其运用于一目标规划的优化设计中，计算机数值仿真结果表明该方法的有效性     

多目标整数规划中的遗传算法

以下料问题为例建立了多目标整数规划的数学工业描述了用遗传算法求解多目标整数规划问题的方法。这种算法较圆满的解决了既费用又考虑需求的下料问题，具有广阔的应用价值。     

基于遗传算法的多目标规划的求解

文章用遗传算法求解了一道数学建模竞赛题,并与其它算法进行了比较,体现了遗传算法解决多目标优化问题的优越性．     

模糊规划及其程序实现

利用遗传算法和模糊模拟求解以下两类模糊问题:其一是在模糊条件下要求一个清晰目标函数达到极大或极小,其二是在模糊条件下要求一个模糊事件的可能性达到极大,采用基于模糊模拟的遗传算法进行求解.     

求解整数规划的混合遗传算法

整数规划问题是NP困难问题，在决策变量和约束条件很多时，用常规的求解法效率很低。针对遗传算法存在的缺陷，提出了遗传算法和混沌的结合。在此基础上，设计了用于求解整数规划的混合遗传算法，算例表明，此算法能大幅提高计算效率。     

一类二层多目标规划的混沌遗传优化算法及其应用

针对求解一类二层多目标规划问题,首先将其转化为等价的单目标规划问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明,算法是有效可行的.     

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。     

采用退火遗传算法的配电网优化方法

在分析多约束多目标配电网优化模型基础上,针对传统遗传算法求解时静态稳定性和鲁棒性不强、爬坡能力弱、收敛速度慢等问题,引入网络拓扑简化方法,决策变量多参数编码和退火动态罚因子处理约束,提出了基于退火遗传算法的配电网模型求解方法。通过实际农网决策工程验证表明,退火遗传算法适应度爬坡能力明显加强,稳定于1的几率提高,收敛于全局最优次数增多,运行时间缩减,而且综合费用比传统遗传优化方案减少了近50万元,从而达到了进一步优化的目的。     

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．     

基于改进遗传算法的水库群优化调度研究

提出一种基于自适应遗传算法的水库群优化调度问题的求解方法,并对其性能进行了分析。结果表明,该方法可以随个体适应度的大小及群体的分散程度自动调整遗传控制参数,较好地克服了标准遗传算法由于采用固定遗传控制参数带来的若干问题,能够在保持群体多样性的同时,加快收敛速度,提高遗传算法的全局寻优能力,为高精度水库群优化调度提供了一个新的途径。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

遗传算法在区域水污染控制系统规划中应用

针对传统最优化方法求解区域水污染控制系统的非线性规划问题难度较大,以及很难保证得到全局最优解的问题,给出一种求解非线性水污染控制系统规划的遗传算法(GA),由于GA方法具有全局搜索能力,从而快速获得最优解.实验证明GA方法在通用性、有效性及可靠性方面均具有一定的优越性,为区域最优化模型提供了一种新方法.     

车辆路径问题的改进遗传算法研究

在现有的物流管理系统中,车辆路径问题(vehi-cle routing problem,VRP)研究在物流配送过程中的作用显得尤为重要.VRD最早是在1959年由Dan-ting和Ramser[1]提出,其研究的问题可以描述为:有n个商品需求点(可以称之为顾客),各个顾客之间的距离以及商品需求量事先已知,要求从中心仓     

指派问题的遗传算法研究与实现

提出了用遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）进行运筹学中指派问题（ＡｓｓｉｇｎｍｅｎｔＰｒｏｂｌｅｍ）优化的新方法。根据优化问题的性质，设计了两种编码方案，以及适合此类问题的复制、交换、倒位、变异四种遗传操作符。在此基础上，完成了整个优化算法及程序框图，并用Ｃ语言实现。计算结果表明，算法设计正确，程序灵活可靠，是解决此类问题的一种行之有效的方法。     

工程结构优化设计的CGA算法研究

工程结构优化设计是一个复杂的非线性多目标优化问题，针对传统优化方法的局限性，以及遗传算法的缺陷，提出了一种新的智能优化方法——复合遗传算法(CGA)，对CGA的关键问题进行了阐述，并进行了理论分析，说明了其全局寻优的可能性；对于失效概率的处理问题，采用在计算适应度值的同时，计算出条件值——失效概率，再与此限值相比较的方法；最后通过实例验证了本提出方法的可行性。     

可重复自然数编码遗传算法的最优群体规模

研究了可重复自然数编码遗传算法的最优群体规模，证明了最优群体规模存在性，并给出了最优群体规模的一个下限值．本文对研究自然数编码遗传算法具有一定的意义．     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

一种新的次优多用户检测器

针对码分多址接入（CDMA）系统中最优多用户检测器的指数计算复杂度问题，从组合优化的角度，提出了一种基于遗传算法和局部最小算法的次优多用户检测器，这种多用户检测器，通过遗传算法进行初步选择，再用局部最小算法进行局部优化，可避免单纯使用遗传算法时收敛速度慢，易于出现早熟收敛等缺点，且计算复杂度小，计算机仿真结果表明，该检测器的比特误码性能接近最优多用户检测器。     

应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。