遗传算法在铁路客车横向稳定性多参数优化中的应用

以典型铁路客车的动力学模型为研究对象，以车辆最大可行速度为目标函数，采用遗传算法对其横向稳定性参数进行了最优化的计算研究。结果表明：遗传算法在求解车辆动力学系统的参数优化问题中具有很好的适用性。尤其是对于多参数，多峰的非线性问题，该法提供了求解问题全局最优解的可能性。     

一种多目标优化进化算法研究

提出了一种基于多性别遗传算法(MSGA)的多目标优化进化算法，在同一性别种群的进化中采用了线性排名选择算子，给出了一种求解非劣解的算法，并以两个算例作了对解决多目标优化问题有效性的验证。     

双重不确定下应急物资多式联运可靠路径优化

为按时、可靠地将应急物资运达目的地，综合考虑需求和运输环境的双重不确定性、节点疫情感染风险、成本约束、班期限制和转运能力限制等，构建以可靠度最大为目标的应急物资多式联运可靠路径优化模型。同时针对所求问题的NP-难特点，设计蒙特卡洛自适应遗传算法和模拟退火遗传算法进行求解，并引入优劣解距离法对算例的运行结果进行分析。研究结果表明：蒙特卡洛自适应遗传算法较模拟退火遗传算法在求解质量和求解时间方面更优，在交叉概率为0.80，变异概率为0.08，种群大小为50的最佳参数组合下，得到的优化路径最大可靠度为85%，且求解出来的最优路线均未经过存在疫情感染风险的节点，求解结果较好。参数分析表明：在交叉概率相同的条件下，两种算法的平均运行时间均随着变异概率的降低而减少，随着变异概率的增加而增加；多式联运路径优化的决策会受水铁班期的影响。     

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规划数据进行实例研究。     

���ڻ���Ŵ��㷨�ij���·������

在详细分析遗传算法的局限性的基础上，构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法。这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间，可以有效地避免遗传算法易出现“早熟”收敛的问题。然后，分别用混合遗传算法和遗传算法对同一实例进行求解，并对求解结果进行对比分析。结果表明该混合遗传算法的求解结果比遗传算法收敛速度快，更加接近最优解。     

考虑随机需求和时间约束LIRP联合协同优化

针对多节点多层次多功能的供应链管理中整体效益亟待提高的问题，结合某连锁超市的单一供应商、多分销中心、多零售店所构成二级分销网络，建立以系统总成本和供货时间为目标的多目标选址-库存-路径问题（location-inventory-routing?problem，LIRP）集成规划模型. 利用线性加权法将其转化为单目标规划模型，提出遗传算法和节约里程法相结合的两阶段启发式算法并求解模型，第1阶段用遗传算法求解选址-库存问题，第2阶段用节约里程算法求解车辆路径规划问题. 并结合某连锁超市实例，对不同总成本权重下的不同决策方案的分销网络进行LIRP集成优化，优化后的系统方案比原文献的总里程减少了3 606.9 km，系统总成本减小了6 526.2 元，缺货成本降低了124.6 元，只有19.7元，验证了模型和算法的有效性.      

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

遗传算法在制造网格资源调度中的应用

在网络化制造环境下为解决制造网格中的资源调度问题，提出了基于遗传算法的网格资源调度算法。结合用户对多目标优化问题的要求，设计了基于遗传算法的制造网格资源调度算法。该算法将多目标优化问题转化为单目标优化问题，并以数字制造业中零件加工过程的资源优化调度为算例，验证了算法的有效性。     

遗传算法在运输问题中的应用

提出一种求解单目标问题的新算法。算法充分利用遗传算法内在的并行性,避免了用单纯形法求解该问题出现的并行性差,求解整数问题的矛盾。算法中设计的杂交及变异算子对使用遗传算法求解矩阵约束的优化问题有普遍的指导意义。     

遗传算法在目标规划中的应用

利用遗传算法用于项目群优化数学模型进行了新研究，提出了多目标遗传算法。计算结果说明遗传算法是求解多目标问题的有效方法。