大学考试时间表问题的混合遗传算法求解

考试时间表问题是一类典型的组合优化问题,也是NP难问题。分析了大学考试时间表编排的特点,给出了一种解决考试时间冲突的自动生成考试时间表的可行时段-查找算法。为进一步解决时间间隔问题,将可行时段-查找算法嵌入到遗传算法中形成混合遗传算法。实验结果表明,本文提出的混合遗传算法能快速、有效的解决大学考试时间表问题。     

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.     

基于改进的Memetic算法求解大学考试时间表问题

分析了大学考试时间表问题，给出了一种使用启发式重度变异算子的Memetic演化算法，讨论了该算法中的编码方案、约束条件以及各演化算子的实现等问题，实验结果表明：启发式重度变异算子的使用能有效提高算法性能，减少演化代数。     

基于混合遗传算法的控制受限热传导系统最优控制问题求解

混合遗传算法是用粒子群位移转移的思想改变遗传算法的变异规则,利用此算法求解控制受限热传导系统最优控制问题,获得了该问题的分段常量控制.混合遗传算法对热传导系统最优控制问题从时间和空间进行了离散,由有限差分方法得到其离散模型的递推方程,将热传导系统的积分区域划分为多段,每段的控制常量作为混合遗传算法中的基因.此算法不需要求解系统的伴随方程和计算梯度,整个求解过程易于实现,而且克服了梯度法容易陷入局部极值的缺点.应用实例证明混合遗传算法求解精度高于极大值原理算法.     

大规模物流配送车辆调度问题研究

研究大规模物流配送车辆调度问题,提出其整数规划数学模型,把大规模配送车辆调度问题(VRP)转化为配送区域划分问题和单车线路优化问题2个子问题,用改进的基地启发式分区算法(ILBH)解决配送区域划分问题,运用混合遗传算法(GA NS)解决分区域后区域内的配送车辆的单车线路优化问题.此改进的2阶段算法有效地解决了大规模配送条件下,在可行时间内得到近似解或满意解的问题,该方法已在某物流企业中成功应用并取得了显著的经济效益,其成果在城市配送系统中具有普遍的适用性和应用推广前景.     

解决影片递送问题的改进混合遗传算法

影片递送问题(简称FDP)是一个典型的NP-Hard组合优化问题.遗传算法是一种生物自然选择与遗传机理的随机搜索与优化方法.论文针对影片递送问题的特点,在遗传算法中引入新的交叉算子,同时对进化个体进行可行化及结合2-opt邻域搜索也提高了运算效率,设计出一种改进的混合遗传算法.具体实例测试表明在解决FDP时新算法的有效性.     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

人工免疫算法在电梯客流时段划分的应用

基于人工免疫数据聚类分析算法在电梯客流交通时段自动划分中的具体应用和分析.实例分析表明,该算法可以有效减少聚类数据的冗余信息,特别适合于解决分级聚类等传统方法不适应的大数据量聚类问题,对解决电梯客流交通时段的自动划分等数据聚类问题是可行的和有效的.     

多峰函数优化的混合遗传算法

研究了2种基于最速下降法和遗传算法的求解多峰函数优化问题的混合遗传算法,以Schaffer函数的全局优化问题和收敛概率、平均收敛时间和平均收敛值等评价指标检验了混合算法的性能.结果表明混合算法的性能优于单独的遗传算法或最速下降法,采用随机方式选择局部优化个体的混合遗传算法性能在总体上优于从每代群体中选择适应度高的个体进行局部优化的混合遗传算法.     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.