三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

煤矿首采面开工进度计划的智能优化

运用智能优化算法中的遗传算法(GA)、粒子群算法(PSO)和改进粒子群算法(MPSO)在网络图优化的基础上分别对平安五矿己二采区首采面开工的进度计划进行二次优化控制,其结果能够为煤矿相关管理和施工人员提供决策依据.整个优化过程包括两个部分: 其一是在原计划基础上,通过计划评审法(PERT)得到己二采区首采面各个工序的时间参数和相应的网络图;其二是在网络图的基础上, 以净现值NPV (Net present value)最大化作为进度安排目标, 以各工序的开工日期为决策变量,以各工序之间的先后顺序和时间关系为约束,分别用GA、PSO和MPSO进行二次优化. 结果表明:MPSO要优于GA和PSO并且优化后净现值比原计划多1497.4万元.     

一种基于神经网络和遗传算法的拟人智能控制方法

提出一种基于Hopfield神经网络(HNN)和遗传算法(GA)混合策略的拟人智能控制方法。首先利用拟人智能控制得到定性控制律(线性或非线性)，然后利用GA和HNN的混合优化策略实现定性控制律的定量化——首先，基于网格法产生GA的初始种群；然后，基于实数编码并采用最优个体保留策略、2／4择优选择以及引入控制经验的改进GA进行全局优化；最后，为了克服GA的后期收敛速度慢和局部优化能力缺乏，利用HNN的快速优化能力进行末段搜索，最终产生全局最优解。将该方法用于二级倒立摆系统的控制，仿真和试验结果均表明该方法有效。     

基于改进GA 的城市交通模糊控制研究

提出了基于相序优化的城市交通信号模糊控制算法,并用改进的遗传算法(GA)对模糊控制规则进行优化.以现实中常用的四相位交通信号控制为例,通过研究发现,在不改变原来四相位相序的前提下,通过灵活的相位优化,可以获得更好的控制效果,采用改进的GA对模糊规则进行优化,可以减少因专家经验的主观性而导致的模糊规则的不完备性.以典型的十字路口为对象,选择不同时段的交通流状况进行仿真实验,仿真结果表明,与传统交叉路口信号模糊控制的方法相比,文中提出的控制算法能有效避免交通流不平衡引起的拥挤堵塞,提高系统的实时性和控制精度,从而减少了车辆平均延误时间,是进行城市交通信号自适应控制的一种实用且有效的算法.     

雷达杂波反演低空大气折射率剖面的改进算法

提出一种基于多目标函数优化的低空大气折射率剖面反演的改进算法。以表面波导的两段两参数线性模型对大气折射率剖面建模,对反演中的不同电磁波频率时的目标函数特性进行分析。结果显示目标函数存在多个局部极值,且不同的频率其目标函数特性明显不同。以C波段(6 GHz)和X波段(10 GHz)接收到的雷达海杂波为例,用NSGAⅡ算法进行多目标函数优化反演,并与基于单目标函数优化反演的遗传算法(genetic algoritm, GA)进行统计分析。结果显示,多目标优化反演算法能获得具有更高的精度和稳定性的低空大气折射率。     

基于遗传算法的区域防空部署优化研究

对区域防空战斗部署进行了详细分析 ,建立了兵力优化分配的数学规划模型。为了获得部署问题的全局最优解 ,将遗传算法 (GA)用于区域防空部署优化研究中 ,并对传统遗传算法进行了改进 ,最后给出了模型求解的方法和步骤。经过应用实例的计算 ,该方法能够取得良好的部署效果 ,这表明该方法可为制定防空作战指挥自动化决策提供科学、有效的支持。     

两阶段双情景项目组合选择整体优化模型

通过实践分析,提练出两阶段双情景项目组合选择整体优化问题,建立了双层0-1整数规划模型,上层模型为确定性情景,以两阶段所选项目整体价值最大为优化目标;下层为不确定性情景,以下层选择项目期望值最大为优化目标,并采用方差与期望值比值作为风险约束条件。应用可能性理论对下层模型进行了确定性转化。在遗传算法(GA)基础上,结合路径再连接(Path Relinking,PR)局部搜索技术,设计了GA+PR算法,仿真测试验证了算法的有效性。实验得出了不同风险系数下的优化结果,并通过分析获得了较为鲁棒的核心选择项目,可以为企业进行项目组合选择决策提供参考。     

基于HPSO算法和GA的舰载机甲板布放方法比较

以戴高乐航母为研究对象,基于不同优化算法,对其舰面舰载机布放问题的解决方法进行比较,以此作为解决其他类型航母同样问题的参考。首先,分析了解决舰载机舰面布放调度问题的先决条件,包括舰面战位的设置;各战位间距离的测量计算;舰载机正常的出动流程分析;舰载机出动时间计算公式的设计。其次,将舰载机舰面布放调度问题转换为带有约束条件的多目标函数求最小解问题,并给出了数学模型。再次,给出了利用改进的粒子群优化 (honeybee particle swarm optimization,HPSO)算法和遗传算法(genetic algorithm,GA)对问题求解的解决思路。最后,对两种算法50次独立运算的结果,分别从平均最短出动时间、平均最短移动距离、标准偏差以及算法的收敛性和精确性等方面进行比较。结果表明,HPSO算法较GA更适合于解决该布放问题。     

基于GA-TS的开放式车辆路径优化算法及应用

针对带装载能力开放式车辆路径问题,提出了一种基于遗传算法和禁忌搜索(GA-TS)的混合优化算法,将GA的并行计算、全局优化与TS的禁忌技术、快速局部搜索等特性相结合。该算法根据服务点需求及车辆装载能力,采用自然数编码,进行GA全局优化,种群中个体以一定的概率进行TS局部搜索,即对同属一辆车配送的所有服务点进行局部TS路径优化。既保证了优化的全局性,又保证了运算的速度性。应用于郑州煤电物资供销有限公司煤矿物资运输的车辆路径优化中,得到了最经济的运输路径,节约了成本。     

基于智能优化算法的T-S模糊模型辨识

将智能算法应用在T-S模糊模型的辨识方面,是模糊系统辨识的一种新途径。文中对几种智能优化算法,如遗传算法(genetic algorithm, GA)、粒子群(particle swarm optimization, PSO)算法、菌群优化(bacterial foraging optimization, BFO)算法等的优化原理和在模糊辨识方面的应用现状进行了综述和分析,并给出了它们在T-S模糊模型辨识中对参数进行优化的过程。最后将这些优化方法用于一非线性动态系统的建模,并对仿真结果进行了对比和详细的分析,为进一步了解这几种优化方法在模糊模型辨识参数优化方面的作用提供了仿真实验依据。     

群延时均衡器的遗传算法优化设计

在已有文献报道中多采用Powell法设计均衡网络,但Powell法是确定性优化方法,结果的好坏与初始点的选择关系密切,并易陷入局部极值点。由于遗传算法是一种全局随机搜索方法,即使定义的适应性函数不可导或不连续,它也可能以很大的概率求得全局最优解,因而在工程领域中将有十分广泛的实际应用前景。将一种新的实数码遗传算法应用到群延时均衡器的设计中,并给出了巴特沃斯滤波器群延时均衡器的设计实例,结果表明提出的方法十分有效。     

基于遗传算法的地空导弹装备备件优化模型

对影响战备可靠度的各种因素进行分析，指出备件优化是提高地空导弹武器装备战备可靠度的唯一有效途径；根据地空导弹武器系统的组成和工作特点，建立了战备可靠度和备件优化模型；依据遗传算法的特点，提出了将遗传算法用于求解备件优化问题的方法，并给出了求解过程，从而有效地解决了备件优化这一复杂而困难的问题，保证地空导弹武器系统具有高的战备可靠度。     

遗传算法在模糊系统优化设计中的应用研究

在模糊系统的变节点自适应模糊神经网络实现的基础上,提出一种混合GA优化算法。该算法采用混合编码策略,利用GA对模糊规则和隶属函数同时优化,而对结论参数则用最小二乘法估计。算法综合了GA强大空间搜索能力和传统优化方法的快速收敛和高精度的优点,在保证全局优化能力的条件下,综合考虑了模糊控制器的复杂程度、训练速度和控制精度。仿真结果及应用表明了该算法的有效性。     

基于遗传算法的导弹稳定控制回路参数设计方法

本文利用遗传算法（ＧＡ）来优化设计控制系统参数。文中在简要阐述遗传算法的机理及实现的基础上，将遗传算法应用于Ｘ型导弹的弹上稳定回路的参数设计，仿真结果表明了所提方法的可行及有效性。     

解Job-Scheduling调度问题的一种遗传算法

带有截止期的作业调度问题是企业管理、操作系统中重要而又基本的问题之一。利用遗传算法解决了操作系统中单机、无资源约束 ,且每个作业可在等量时间内完成的作业调度问题。在系统地讨论了带有截止期的作业调度有关理论的基础上 ,设计并实现了该问题的一种新型算法———基因型算法。最后给出了算法的一些运行结果。实验仿真结果表明 ,该算法具有很强的鲁棒性。     

GA与ST在防空导弹总体参数优化设计中的应用

遗传算法 (GA)是一种方便好用的鲁棒全局优化算法 ;逐步宽容法 (ST)是一种物理概念清晰、适合工程应用特点的多目标优化方法。将二者有机地结合起来 ,应用于防空导弹总体参数优化设计。实践证明 ,其寻优速度较之传统的优化算法大为提高 ,优化结果的最优可信度高。     

基于自适应量子粒子群算法的FIR滤波器设计

针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。     

基于混合蚁群优化的天地一体化调度方法

天地测控资源一体化调度问题是一个典型的大规模组合优化问题,优化过程极其复杂,采用单一优化机制的传统蚁群算法求解这类问题时,存在求解效率低且求解性能差的缺陷。鉴于此,提出了采用两种不同融合策略的新型遗传蚁群优化方法(genetic ant colony optimization hybrid algorithm, GA-ACO)求解问题。该方法利用遗传算法的快速搜索、群体性能等优势生成初始蚁群信息素分布,提高了蚁群算法由于运行初期信息素更新较慢导致的较低求解效率和后期早熟引起的较差求解质量。仿真结果表明,相比于基本蚁群算法和遗传算法,混合蚁群算法的寻优性能更好,求解效率更高,更适合解决天地测控资源一体化调度问题。     

实时仿真飞行管理系统的研究

对在基于网络的实时仿真系统上建立可行的仿真飞行管理系统进行了研究。在满足实时性要求前提下，实现了飞行管理系统中控制显示组块（ＣＤＵ）的动态图形仿真。对横向飞行剖面的生成进行了讨论，并实现了实时运行环境中横向飞行计划的生成。给贞了一种航线导航的控制率设计方法。建立了一个通用的、基于网络连接的飞行管理系统模型。     

基于遗传算法的ATM网络中VCC路由选择方法

针对遗传算法强大的全局寻优和并行处理能力 ,提出了一种改进的遗传算法调度ATM网络动态路由的新算法。综述了使用遗传算法进行通信网络节点选择的问题 ,指出了原有算法进行遗传算法优化时存在的不足 ,并提出一种新的基于动态惩罚的解决策略 ,其思想是在进化的过程中 ,逐渐减小对可行解惩罚的力度 ,使网络向可行解逼近。通过简单模型的仿真 ,验证了动态惩罚策略的可行性和有效性。