基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

用于函数优化的正交Multi-Agent遗传算法

将Multi Agent系统、遗传算法和正交试验设计方法相结合,提出了一种混合进化算法———正交Multi Agent遗传算法。它以Multi Agent系统为基础,通过Agent间的相互作用与每个Agent所具有的知识和自学习功能来提高算法的全局优化能力和收敛速度;同时利用正交试验设计方法产生较好的初始种群和设计正交交叉算子以获得更好的后代;针对正交试验设计产生初始化种群在函数维数很高时需很大存贮空间的缺点,提出了子空间分割法来产生所需的初始化种群,它只需要原来存贮空间的十分之一。首先,对维数为30或100的12个标准测试函数进行仿真试验,结果表明正交Multi Agent遗传算法具有很强的全局优化能力和较快的收敛速度;其次,算法对这些标准测试函数进行高维优化(高达200维),实验结果表明正交Multi Agent遗传算法具有较好的高维搜索能力。     

解旅行商问题的一个新的遗传算法

对旅行商(TSP)问题设计了一个新的遗传算法.首先,对n个城市的旅行商问题设计了一个新的编码方法,并且对这种编码方法,给出了简便的解码方法.其次,针对编码的特点,设计了一种新的、有效的杂交算子和变异算子,这些算子均能直接产生可行的后代.为提高杂交算子的搜索能力,结合了一个局部搜索技术来改进杂交算子.在此基础上,提出了求解TSP的一个新的遗传算法,并证明了其全局收敛性.为了验证算法的有效性,对10个国际标准算例(城市规模从14到1000)进行了计算机仿真,结果表明算法是有效的.     

采用混合单亲遗传算法求解一类资源-时间优化问题

针对资源有限最短时间的一类资源 -时间优化问题 ,提出了混合单亲遗传算法进行求解 .作为一类 NP完全问题 ,该问题求解难度相当大 ,尤其问题规模大时寻找最短时间优化解就更困难 .针对问题的特点本文引入的算法结合了启发式规则 ,给出了算法全局收敛的理论分析 ,并给出实际应用表明该算法的有效性.     

求解度约束最小生成树的单亲遗传算法

提出了求解度约束最小生成树问题的单亲遗传算法.该算法首先利用Prufer数对生成树进行编码;然后精心地设计了一个随机地产生初始种群的方法,用这种方法产生的初始种群,不会含有任何不可行解;在遗传操作中只使用选择和变异操作,共设计了三种变异操作,其中两种变异操作均不会产生不可行解,只有一种变异操作可能会产生不可行解,需要作树的度的检查和修改;这样就大大的降低了不可行解产生的机会,从而提高了遗传算法的效率;而且只使用变异算子,有效的避免了早熟收敛现象的产生;通过大量的数值试验,表明该算法简单,高效,收敛率高;最后对此算法做了适当推广,并给出了它求解TSP问题的具体步骤和实例。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

遗传算法平均截止代数和成功率与种群规模之间的关系

遗传算法的搜索效率在很大程度上取决于运行参数,如种群规模M、编码串长度l、交叉概率Pc、变异概率Pm、终止代数T、适应度函数f(M)等的设置.利用简单遗传算法和统计分析方法,通过对四个典型数学结构进行全局最优解搜索,得到了遗传算法平均进化截止代数和成功率R与种群规模M之间的关系,给出了相应的拟合公式.讨论了平均进化截止代数和成功率与种群规模和极值个数之间的关系.这种研究对于合理确定种群规模和进化终止代数,正确估计搜索到的满意解的最优程度等具有重要意义.     

基于蚁群-遗传混合算法的设备布局优化方法

以生产车间设备布局优化的最小物流费用为目标,建立了车间设备布局优化问题的二次分配模型,并采用蚁群-遗传混合算法来对这一模型进行求解.该混合算法将蚁群算法和遗传算法的优点相融合,以蚁群系统的解作为遗传算法的初始种群,克服了蚁群算法的收敛速度慢,容易陷入局部最优以及遗传算法的容易早熟收敛等缺陷,来实现模型的全局最优.本文以某机械厂制造车间为例,运用MATLAB编程实现算法求解,结果显示:应用蚁群-遗传混合算法设计出来的设备布局新方案比原始方案总物流费用节约了10.6%,同时,混合算法在求解车间设备布局优化问题时比蚁群算法或者遗传算法速度更快,效果更好.     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

基于遗传算法和最速下降法的函数优化混合数值算法

在遗传算法中嵌入一个最速下降算子，并定义适当的适应度函数和子代个体的选择算子，从而可结合遗传算法和最速下降法两者的长处，得到既有较快收敛性，又能以较大概率得到全局极值的新的用于连续函数全局优化的混合数值算法。数值计算结果表明了本文方法显著优于求解函数优化的遗传算法和最速下降法.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

基于分解技术的动态多目标引力搜索算法

为有效求解动态多目标问题,提出一种基于分解技术的动态多目标引力搜索算法.首先为在环境变化前,得到解集分布性和收敛性都较好的非支配解集,采用基于分解技术的静态多目标引力搜索算法求解环境变化前的静态多目标问题;当环境变化后,根据相邻子种群最优解的相似性与同一权重向量对应子种群最优解的相似性,提出一种新的对最优解的预测模型,以缩小环境变化后各子问题的搜索空间,提高算法的求解效率.最后与目前较先进的静态多目标算法和预测策略在四个测试问题上进行比较,实验结果表明,当待优化问题随时间变化时,本文方法能够取得收敛精度更高、解集分布性更好的最优解集.     

Polyphase orthogonal sequences design for opportunistic array radar via HGA

Opportunistic array radar (OAR) is a new generation radar system based on the stealth of the platform, which can improve the modern radar performance effectively. Designing the orthogonal code sets with low autocorrelation and cross-correlation is a key issue for OAR. This paper proposes a novel hybrid genetic algorithm (HGA) and designs the polyphase orthogonal code sets with low autocorrelation and cross-correlation properties, which can be used in the OAR system. The novel algorithm combines with simulated annealing (SA) and genetic algorithm (GA), adds in keeping best individuals and competition in small scope, and introduces grey correlation evaluation to evaluate fitness function. These avoid the premature convergence problem existed in GA and enhance the global searching capability. At last, the genetic results are optimized to obtain the best solution by using greedy algorithm. The simulation results show that the proposed algorithm is effective for the design of orthogonal phase signals used in OAR systems.     

几类非线性双层规划问题的混合遗传算法

针对几类具有特殊下层结构的非线性双层规划问题,提出了一种混合遗传算法。首先利用单纯形法的思想设计了新的杂交算子,使杂交个体与种群中好的个体组杂交,从而产生尽可能好的杂交后代;其次对每个相对固定的上层变量值x,通过计算下层最优解y来提高种群个体的可行性,并分析了下层最优解的计算误差对算法性能的影响;最后对于下层存在多个最优解的情况,通过求解一个单层规划,给出了下层最优解的选择方法。数值结果表明该算法是有效的。     

遗传算法在电力系统经济负荷分配中的应用

针对考虑阀点效应的电力系统经济负荷分配问题的特点，将遗传算法与传统基于梯度的数学优化方法相结合，提出一种求解电力系统经济负荷分配问题的混合遗传算法。通过极大熵理论将经济负荷分配问题近似为可导问题，并将SQP法引入遗传算法提出SQP算子，以提高遗传算法的寻优速度与局部搜索能力．基于优化设计理论应用均匀设计确定初始种群．同时，利用单纯形交叉算子的多点交叉特性使种群逐步趋近全局最优点．实例研究结果验证了方法的有效性。     

求解作业排序问题的通用混合遗传算法研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向 ,由于其固有的计算复杂性( NP-Hard) ,一般无法利用经典方法求出最优解。本文针对一般作业排序问题 ,将遗传算法与启发式方法相结合 ,建立了一种混合算法框架 ,利用遗传算法改进启发式方法的求解性能 ,同时利用启发式方法引导遗传搜索过程 ,以提高其搜索效率。通过对完工时间与平均延误时间等不同优化目标的计算分析与比较表明 ,该方法对不同类型的排序问题均具有相当满意的求解效果.     

基于混合遗传算法的配电网络重构优化

以网损最小为目标函数,电压降、线路电流值和电源容量的限制为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将该问题转化为无约束问题.针对遗传算法的局限性,对适应函数进行了调整,实施了最优保留策略,改进了交叉和变异操作,并结合了模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛.优化过程中考虑了配电网自身特点,提高了计算效率.重构算例说明,该优化方法有效、实用.     

基于遗传算法的无线传感器网络覆盖控制优化策略

针对节点高密度部署的无线传感器网络中优化工作节点集的选取问题,提出了一种基于遗传算法的覆盖控制优化策略：设计了密度检测机制优化初始种群,保证种群质量;采用精英操作,提高优化速度;引入禁忌思想,设计了两种禁忌操作,实现局部有效搜索,优化全局搜索。仿真实验及分析表明,该策略快速有效地实现了工作节点数目少、节点集覆盖率高的工作节点集的优化选取,在获得较高覆盖质量的条件下休眠了更多的冗余节点,可有效地降低能耗,延长网络生存时间。     

信息化条件下海上编队区域防空目标分配方法

针对现代海上编队作战是基于信息系统的体系作战客观要求,对信息化条件下海上编队区域防空目标分配问题进行了研究,提出了对空防御拦截水平的概念,建立了多层防御模式下的编队区域防空目标分配模型.为了有效求解模型,综合运用交互式决策思想和遗传算法,提出了一种基于遗传算法(GA)的交互式求解模型的方法.在GA设计中,通过对染色体编码、初始化种群、适应度函数以及遗传运算、选择策略等环节的合理设计,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度.仿真结果表明了模型和算法的有效性,从而为有效解决现代海上编队体系作战的区域防空目标分配问题探求了一条新途径.     

一种基于遗传算法的最优空间布置方法

空间布置问题是工业生产中的瓶颈问题,因为存在太多的可能组合,容易陷入局部最小解。本文提出一种在空间布置问题中基于遗传算法把空间位置进行编码并通过遗传操作算子进行重定位和改变有限旋转方向策略的全局搜索方法。种群中每一个个体是一种有效的空间分配方案,在遗传算法进化过程中为减少计算时间,提高空间利用率,采用了多种启发式信息如原点策略、边策略、避免重复定位点策略和无悬挂策略等来加速收敛到全局最优解。最后,仿真例子说明了所提方法是工业应用中一种可选方案。