改进的自适应遗传算法及其在作业车间调度中的应用

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优的不足，引入了一种新的调节交叉概率和变异概率的方法，并提出了一种新的交叉方式，该算法很好地增强了自适应遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

基于遗传算法的供应链联盟伙伴选择

在建立供应链联盟伙伴选择多目标决策模型的基础上，提出了一种求解供应链联盟伙伴选择优化问题的自适应遗传算法，并给出了算例．该算法设计了自适应交叉概率和变异概率，使每个个体在遗传过程中对环境变化具有自适应调节能力．算例结果表明，用该方法能以较快的速度收敛于全局最优解．     

基于自适应遗传算法的水面舰艇航行路径优化

将水面舰艇航行路径分成若干个航路点,将各航路点位置的纵坐标与航速作为遗传参数.对航行路径的影响因素进行分析,确定适应度函数及约束条件.在遗传算法中采用自适应交叉概率和变异概率的方法来控制交叉和变异操作,加快收敛速度,利用自适应遗传算法的全局寻优对航行路径进行选择.通过算例验证方法的有效性.     

改进DNA遗传算法求解车间调度问题

针对DNA遗传算法高计算量、收敛速度慢的缺点,该算法采用基因转移进行交叉,动态的变异概率进行变异.对动态变异概率公式的系数作调整来提高变异后DNA序列的合法性,对变异的父本进行设计来保持种群的多样性并产生新的基因信息,对进化过程中可能出现种群中最好的染色体没有改变的情况做了应变调整.对DNA遗传算法的步骤作了详细设计,并将改进后的算法应用到车间调度问题中.实验表明,该方法能有效地提高收敛速度和减少编码给算法带来的高计算量.     

基于贪心策略的混合遗传算法在TSP中的实现

由于标准遗传算法初始种群是随机产生的,可能导致算法的收敛速度较低,并陷入局部最优解.为了解决这一问题,提出了一种改进的遗传算法.改进后的遗传算法先用贪心算法产生初始种群,使算法能够更快地达到最优解.选择操作时采用竞标赛方法,在每代进化结束后立即采取了末尾淘汰机制,从而使适应度高的个体被选中的概率增大.并用模拟退火算法改善其局部搜索,通过仿真实验可以看到,提出的邻近倒位变异以及新的非零递减自适应函数可以进一步提高算法的运行效率.     

改进型遗传蚁群混合算法求解旅行商问题

针对原有遗传蚁群混合算法的遗传算法特性不突出,容易过早收敛的缺陷,提出一种带有基因数量控制的遗传蚁群混合算法,有效地提高了遗传算法部分的基础基因数量,提高了全局最优解能力.通过动态分析基因适应度,生成动态变异概率,提高了最优解的生成概率.精英交叉原理的使用,能保护优秀基因不受交叉变异的影响堕化.     

改进型遗传蚁群混合算法求解旅行商问题

针对原有遗传蚁群混合算法的遗传算法特性不突出,容易过早收敛的缺陷,提出一种带有基因数量控制的遗传蚁群混合算法,有效地提高了遗传算法部分的基础基因数量,提高了全局最优解能力.通过动态分析基因适应度,生成动态变异概率,提高了最优解的生成概率.精英交叉原理的使用,能保护优秀基因不受交叉变异的影响堕化.     

改进的压缩关键路径遗传算法在车间调度中的应用

针对车间调试中标准遗传算法的过早收敛问题,提出一种基于压缩关键路径的遗传算法的交叉机制,试图将关键路径上的作业合理安排,增加了交叉成功的概率,使得遗传算法在运行到后期时,可以有效的得到近似最优解.     

变点交叉多目标遗传算法在作业车间调度中的应用

针对传统多目标遗传算法在求解作业车间调度问题时收敛速度慢和容易陷入局部最优化的不足,提出一种采用变点交叉方式的多目标遗传算法.运算初期采用多点交叉的方式,在于提高收敛速度.在运算后期逐步减少交叉点,直至采用两点交叉、单点交叉的方式,避免丢失最优解导致早熟收敛.同时设计一种交互权重将多目标问题变为单一目标问题,体现决策者...     

求解Job-Shop车间作业调度的混合算法

提出了一种解决车间作业调度最短完成时间的有效的混合算法.基于考虑到遗传算法的早熟收敛问题和禁忌搜索算法的自适应优点,该算法结合了遗传算法和禁忌搜索算法对Joh-Shop车间作业调度问题的解进行编码,通过实例表明该算法是可行和有效的.