独立需求生产批量优化问题的遗传算法实现

生产批量问题是企业生产和管理中一个常见的约束批量问题,在假定问题中各产品的需求独立,同时满足能力约束和生产平衡的条件下,建立基于独立需求的遗传算法模型,实现使生产费用、生产准备费用和库存费用综合指标最小的生产批量算法。并通过对实际问题的计算验证该模型和算法的有效性和可行性。     

������ɢ����µĹ��������мƻ��Ż��о�

提出飓风等自然灾害条件下运用公交车进行居民紧急疏散的优化模型. 最优公交车疏散运行计划问题可转化为不确定性需求的选址—路径优化模型,目标函数是使总疏散时间最小. 选址—路径优化模型用于确定最有效的公交车集结点服务区域和将人员从受灾区域转移到指定避难所或安全地区的最优线路,并设计遗传算法、神经网络算法和爬山算法结合的混合启发式算法. 通过美国密西西比州格尔夫波特市的实际数据对所提出的模型进行验证. 实验结果表明,混合遗传算法在求解效果和效率上都优于传统的遗传算法.     

Optimal linear phase finite impulse response band pass filter design using craziness based particle swarm optimization algorithm

An efficient method is proposed for the design of finite impulse response (FIR) filter with arbitrary pass band edge, stop band edge frequencies and transition width. The proposed FIR band stop filter is designed using craziness based particle swarm optimization (CRPSO) approach. Given the filter specifications to be realized, the CRPSO algorithm generates a set of optimal filter coefficients and tries to meet the ideal frequency response characteristics. In this paper, for the given problem, the realizations of the optimal FIR band pass filters of different orders have been performed. The simulation results have been compared with those obtained by the well accepted evolutionary algorithms, such as Parks and McClellan algorithm (PMA), genetic algorithm (GA) and classical particle swarm optimization (PSO). Several numerical design examples justify that the proposed optimal filter design approach using CRPSO outperforms PMA and PSO, not only in the accuracy of the designed filter but also in the convergence speed and solution quality.     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合。拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小。     

两阶段混合粒子群优化聚类

为解决数据集样本维数较高时已有粒子群优化K均值算法计算速度较慢且聚类结果不稳定的问题,利用第1阶段聚类层次凝聚聚类获得准确率较高的子簇集合,作为粒子群优化K均值聚类算法初始聚类中心的搜索空间,进行第2阶段聚类.提出了一种简化的粒子编码方法,以减小样本维数对计算复杂度的影响;引入混沌的思想,以保持粒子种群的多样性,从而避免粒子群优化算法可能出现的早熟现象.通过两阶段聚类,有效地融合了粒子群优化、层次聚类与划分聚类算法的优点.在多个UCI数据集上的聚类结果表明,与几种对比算法聚类结果的最优值相比,其纯度分别提高了1%~8%,且耗时减少50%以上.      

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。     

Learning Bayesian Networks from Data by Particle Swarm Optimization

Introduction Bayesian networks are a graphical representa-tion of a multivariate joint probability distributionthat exploits the dependency structure of distribu-tions. Bayesian networks are directed acyclicgraphs(DAG), where the nodes are random vari-abl…     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

集装箱船舶贝内配载和堆场装船顺序协调优化

针对集装箱船舶贝内配载和堆场装船顺序协调优化问题，以堆场贝位和船舶贝位翻箱次数之和最小为优化目标，考虑堆场装船要求和船舶适航性等多种约束条件，建立数学模型. 鉴于问题的NP特性，提出混合演化策略算法(HES)求解模型，设计二维实数编码，提出基于力矩平衡和逐列装载的解码方法. 基于三点交叉互换的重组算子，单点突变的变异算子和互换的局部搜索策略对算法进行改进. 通过计算证明，对不同规模算例，HES算法均能求解出较优的贝内配载方案和堆场装船顺序.HES 算法与传统演化策略算法(ES)、粒子群算法 (PSO)、基于规则的启发式算法(HA-MBSCC)进行对比，进一步验证了算法的优越性.     

A Discrete Bat Algorithm for Disassembly Sequence Planning

Based on the bat algorithm (BA), this paper proposes a discrete BA (DBA) approach to optimize the disassembly sequence planning (DSP) problem, for the purpose of obtaining an optimum disassembly sequence (ODS) of a product with a high degree of automation and guiding maintenance operation. The BA for solving continuous problems is introduced, and combining with mathematical formulations, the BA is reformed to be the DBA for DSP problems. The fitness function model (FFM) is built to evaluate the quality of disassembly sequences. The optimization performance of the DBA is tested and verified by an application case, and the DBA is compared with the genetic algorithm (GA), particle swarm optimization (PSO) algorithm and differential mutation BA (DMBA). Numerical experiments show that the proposed DBA has a better optimization capability and provides more accurate solutions than the other three algorithms.     

多层次多模式综合交通网络设计研究

基于多层次多模式研究如何设计可持续的综合交通网络. 根据交通网络层次特征定义了层次因子,结合交通负外部性定义了广义路径费用,构建了多层次多模式综合交通网络Logit-随机均衡的非线性规划模型,并构造了多层次多模式交通网络设计算法;通过算例网络的数值试验,着重分析了网络广义费用总量的层次结构弹性与需求弹性,以及模式分离参数对不同层次结构网络的广义费用总量的影响,与模式分离参数取定不同值的情况下平均广义费用的需求弹性;分析表明,在考虑层次性的情况下所设计的综合交通网络能更好地适应需求的增长,且层次结构网络对模式分离参数是不敏感的.     

组团城市换乘枢纽选址模型

针对一元解析法和多元最优化方法用于组团城市换乘枢纽选址时,结果可能集中个别组团的问题,以路网总成本最小、组团间联系强度最大为上层模型,以用户均衡交通量分配模型为下层模型,构建了组团城市换乘枢纽的双层规划选址模型,设计了求解该模型的遗传算法.算例表明,用于4 个组团、20 个节点的组团城市换乘枢纽选址时,在每个组团最多只布设1 个换乘枢纽的约束下,遗传算法比SAB算法收敛速度快50 s,稳定性高9%,验证了该模型在描述问题时的正确性及求解问题的优越性.     

���ζ�ģʽ�ۺϽ�ͨ��������о�

基于多层次多模式研究如何设计可持续的综合交通网络. 根据交通网络层次特征定义了层次因子,结合交通负外部性定义了广义路径费用,构建了多层次多模式综合交通网络Logit-随机均衡的非线性规划模型,并构造了多层次多模式交通网络设计算法;通过算例网络的数值试验,着重分析了网络广义费用总量的层次结构弹性与需求弹性,以及模式分离参数对不同层次结构网络的广义费用总量的影响,与模式分离参数取定不同值的情况下平均广义费用的需求弹性;分析表明,在考虑层次性的情况下所设计的综合交通网络能更好地适应需求的增长,且层次结构网络对模式分离参数是不敏感的.     

求解柔性Job-shop调度问题的混合粒子群算法

针对柔性Job-shop调度问题,提出了一种混合粒子群算法,该算法对设备分配和工序调度采用不同的编码方法和更新方式,提出了基于设备的初始化算法和基于工件序列的初始化算法来提高PSO初始种群的质量,同时提出了4种不同的邻域结构,分别实现了基于此四种邻域结构的模拟退火搜索算法,将它与粒子群算法进行有效混合来提高粒子群算法的局部搜索能力,实验表明HPSO的有效性.     

Location and design decisions of facilities in a distribution system with elastic customer demand

This paper describes a bi-level programming model that seeks to simultaneously optimize location and design decisions of facilities in a distribution system in order to realize company’s maximal total profit subject to the constraints on the facility capacity and the investment budget. In the upper-level problem, two-echelon integrated competitive/uncompetitive capacitated facility location model, which involves facility location and design, is presented. In the lower-level problem, customer is assumed to patronize store based on facility utility which is expressed by service time cost in the store and its travel cost to customer. Customer’s facility choice behavior is presented by a stochastic user equilibrium assignment model with elastic demand. Since such a distribution system design problem belongs to a class of NP-hard problem, a genetic algorithm (GA)-based heuristic procedure is presented. Finally, a numerical example is used to illustrate the application of the proposed model and some parameter sensitivity analyses are presented.     

集装箱码头岸桥调度优化模型及算法

为弥补集装箱码头岸桥调度问题的传统优化方法仅适用单船舶情况的不足,以总费用(所有岸桥使用费用和船舶停靠费用)最小为优化目标,考虑岸桥不可穿越性和安全距离约束条件,建立了了面向多艘船舶的集装箱码头岸桥统一调度和卸船任务分配问题的混合整数规划优化模型.使用任务网络图方法,搜索影响卸船任务最终完成时间的关键任务及其相应的限制任务路径,设计了基于限制任务路径进行邻域搜索的双层模拟退火算法求解模型.12个不同规模的算例结果表明:与分支定界法和遗传算法相比,本文算法节省时间6.32%~18.36%,近似最优解的质量更高,而且最优解目标值之间的差距仅为0.38%~2.20%;考虑岸桥之间的安全距离约束导致系统运营成本增加3.41%~11.21%.      

遗传算法在货物配送问题中的应用

应用遗传算法(GA)来解决起终点固定的货物配送问题(可抽象为起终点固定的TSP问题,以下简写位ST-TSP).针对问题的特性设计了编码方式和适应度函数,并借鉴GA研究TSP问题的方法设计了选择、交叉和变异算子,试验结果数据显示该方法具有良好的搜索性能和录棒性.此外,论文还开发了基于Visual C++语言和MapX控件的实用物流货物配送软件平台.     

物体表面重建轮廓拼接的改进遗传算法

为解决物体表面重建中的轮廓拼接问题，将其转化为在有向图中寻求最优路径问题．提出了基于遗传算法的适用各种目标函数的轮廓拼接算法，其中对初始种群的产生、交叉算子和变异算子等做了改进，以确保产生的个体均能代表有效解．算例模拟结果表明，该算法简单可行，在优化性能、收敛速度及鲁棒性等方面优于模拟退火算法．     

IIR数字滤波器设计的搜寻者优化算法

为进一步提高无限冲击响应(IIR)数字滤波器的性能,提出了一种基于搜寻者优化算法(SOA)的IIR数字滤波器设计方法.SOA基于模拟人的随机搜索行为,由利用位置变化评价得到的经验梯度确定搜索方向,由采用简单模糊规则的不确定性推理确定搜索步长,通过搜寻者在搜索空间的位置更新,实现对优化问题的求解.2个典型设计实例的仿真结果表明,与差分进化算法(DE)和3种改进的粒子群算法(PSO)相比,SOA具有较好的全局寻优能力和较快的收敛速度,能有效地应用于IIR数字滤波器的没计.