Combining Single（Mixed） Metric Approach and Genetic Algorithm for QoS Routing Problem

A hybrid algorithm for the delay constrained least cost path problem is proposed through combination of single(mixed)metric approach and genetic algorithm．Compared with the known genetic algorithm for the same problem，the new algorithm adopts integral coding scheme and new genetic operator，which reduces the search space and improves the efficiency of genetic operation．Meanwhile，the single(mixed)approach accelerates the convergence speed．Simulation results indicate that the proposed algorithm can find near-optimal even optimal solutions within moderate numbers of generations．     

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

基于Martins算法的联合运输最优路径规划

为了快速高效地找出最优的联运路径,在现有模型的基础上,考虑时间窗约束,建立了具有多目标、多运输方式、多货种的路径选择改进模型,并设计了2层搜索算法求解该模型.第1层在已知每条路径标签的基础上,根据时间窗删除规则并利用改进的Martins算法,计算出有效路径集;第2层将第1层的有效解作为其初始解,删除不满足货物运输总时间、中转次数和运输方式容量3个限制条件的路径,得到最优路径集合.根据货主的需求,采用序数偏好方法,组合不同的费用权重和时间权重得到综合权重值,找出对应最大综合权重值的最优路径.实例分析表明:相比已有的标签算法,改进算法增加了运算方式容量限制条件,缩小了解空间,避免了生成无效路径;相比拉格朗日松弛算法只能求得解的上下限,本文算法能够求得精确解,耗时在30 s以内,计算时间减少75%.      

�����Ŵ��㷨�Ż���·����·��

公路运输路径问题已被证明是高维非线性完全问题,实际中还会增加非流通图约束,使求解更复杂,研究价值较高.鉴于传统遗传算法在求解过程中容易出现早熟收敛、冗余迭代的缺陷,在初始种群生成、交叉变异及搜索操作方面提出改进,设计混沌遗传算法.采用遍历城市顺序的染色体编码,结合随机法与贪心法生成较优初始种群,避免出现大量非可行染色体,提高了后续的遗传效率.接着,执行优先保留交叉和平移变异操作,依次引入局部邻域搜索以及混沌搜索以加快算法收敛,还给出最优解的非连通公路约束满足判据.最后,实验结果验证了新算法的有效性,不但取得了较优解,而且子代种群离散程度较小,收敛性更好.     

�����Ŵ��㷨�Ĵ�ʱ��Լ���ij���·�������Ż�

基于遗传算法的车辆路径优化问题，虽然已经被提出过多种思想方法，但仍有较大的改进余地．而且具体的车辆路径优化问题，往往在时间和路程两方面都有限制和要求，而在这方面的研究相对较少．针对这种问题，在传统遗传计算基础上，加入了时间约束算法，对算法的实时实现作出保证；同时根据客户点的位置改进初始群，提高了变异率，减少低效计算，极大提高了寻优速度，为多计算点的遗传操作提供有力的支持．计算机仿真实现的结果和物流公司的实际运作都证明了算法的有效性．     

遗传算法在车辆路径问题中的优化

关于遗传算法的车辆路径优化问题，已经提出过多种思想方法，虽然有些也有实验结果，但仍大有改进余地。针对具体的车辆路径优化问题，对传统遗传算法作了多处关键性改进。针对多客户点基本均布于物流中心的特点，作初始群优化，降低交叉率，提高变异率，简化繁琐的染色体修正计算，极大地提高了寻优速度，减少了遗传操作的数量，为多计算点的遗传操作提供有力的支持。     

公交线网优化的算法研究

为缩短居民乘车出行时间以及减少公交运营投入,在公交线网优化过程中通常采用具有全局最优的遗传算法。针对基本遗传算法自身的一些缺点,提出了一种改进的遗传算法。该算法在公共交通路线优选过程中运用减少搜索空间、加入最佳保留策略和修正策略的方法,对基本遗传算法中的选择、交叉、变异算子及中止条件进行改进。改进遗传算法能够在保证种群多样性的同时加快收敛速度,较好地避免了基本遗传算法前期容易早熟和后期进化缓慢等现象。实例仿真计算表明,该算法具有比基本遗传算法更高的效率,是优化公交线网的一个有效途径。     

Structural Multi-objective Probabilistic Design for Six Sigma

Uncertainties in engineering design may lead to low reliable solutions that also exhibit high sensitivity to uncontrollable variations. In addition, there often exist several conflicting objectives and constraints in various design environments. In order to obtain solutions that are not only "multi-objectively" optimal, but also reliable and robust, a probabilistic optimization method was presented by integrating six sigma philosophy and multi-objective genetic algorithm. With this method, multi-objective genetic algorithm was adopted to obtain the global Pareto solutions, and six sigma method was used to improve the reliability and robustness of those optimal solutions. Two engineering design problems were provided as examples to illustrate the proposed method.     

基于代沟信息的可变种群规模遗传算法

针对遗传算法种群规模难以估计的问题,提出了一种基于代沟信息的可变种群规模遗传算法。利用相邻几代群体间的极优解差异信息,在遗传算法发生早熟现象时根据逻辑斯蒂模型来改变种群规模,能以较小的计算代价获得与其它遗传算法性能相近的解。实验结果证明了算法的有效性。     

遗传算法在电力系统无功优化中的应用

详细介绍了浮点数编码遗传算法的编码、选择、交叉、变异等操作.该编码不仅可以降低算法的搜索空间,而且可以避免初始化及在遗传操作中生成的不可行解.将该算法用于IEEE30节点系统,结果表明,该方法降低了网络损耗,实现了电力系统的无功优化,得到了满意的结果.     

一种基于遗传算法的最优阈值图像分割算法

为了提高图像分割效率,提出一种基于遗传算法的最优阈值搜索方法OTSGA.OTSGA算法对图像的灰度级进行二进制编码,生成初始种群,求出每个个体的二维最大熵,然后根据设定的寻优准则进行相应的遗传操作以搜索阈值最优解.为了避免在求解过程中出现早熟现象,OTSGA算法将交叉操作得到的个体群与上一代种群混合,得到新的种群进行遗传操作,避免了个别个体在遗传运算的最初迭代时就在种群中占据主导地位,导致求解过程的过早收敛.实验结果表明,OTSGA最优阈值搜索方法不仅降低了运算开销,而且获得了满意的图像分割效果.     

Novel Local Search Method for the Traveling Salesman Problem

A new local search method for the traveling salesman problem based on an original greedy representation of solution space and neighborhood structure is proposed. First, a partial closed route that only consists of three cities is given; then other cities are added to this route by a greedy procedure successively. Implemented on a personal computer, this algorithm finds optimal solutions for 24 out of 27 standard benchmarks, and outperforms the Full Subpath Ejection Algorithm (F-SEC) proposed by Rego in 1998.     

Improved Kernel Possibilistic Fuzzy Clustering Algorithm Based on Invasive Weed Optimization

Fuzzy c-means(FCM) clustering algorithm is sensitive to noise points and outlier data, and the possibilistic fuzzy c-means(PFCM) clustering algorithm overcomes the problem well, but PFCM clustering algorithm has some problems: it is still sensitive to initial clustering centers and the clustering results are not good when the tested datasets with noise are very unequal. An improved kernel possibilistic fuzzy c-means algorithm based on invasive weed optimization(IWO-KPFCM) is proposed in this paper. This algorithm first uses invasive weed optimization(IWO) algorithm to seek the optimal solution as the initial clustering centers, and introduces kernel method to make the input data from the sample space map into the high-dimensional feature space. Then, the sample variance is introduced in the objection function to measure the compact degree of data. Finally, the improved algorithm is used to cluster data. The simulation results of the University of California-Irvine(UCI) data sets and artificial data sets show that the proposed algorithm has stronger ability to resist noise, higher cluster accuracy and faster convergence speed than the PFCM algorithm.     

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.     

带平衡约束三维装箱问题的双层混合遗传算法

针对带重心平衡约束的三维装箱问题,基于框架式布局思想,设计双层混合遗传算法进行求解.根据装载物的特性定义核心货物元素及进行核心堆的构造,再结合极点、锚距等概念提出适合货物平衡装载的布局过程;在典型布局形成初始框架基础上,通过双层混合遗传算法的内、外层搜索分工与协作,获得货物最优装载方案.基于标准算例的实验及对比分析,证明所提出方法在提高装载率及实现重心平衡方面取得了较好效果.     

多端点不成对机车周转图模型与算法

针对不成对列车运行图编制，在考虑最优性的要求条件下，本文提出适用于多端点不成对机车周转图的实用三步算法，即，首先确定机车交路成对时部分初始解，再分别确定每一个尚未匹配到达车次初始附挂方案，最后进行结果优化．文末提供一个算例，算例证明算法有效。     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

基于遗传算法的公路纵断面优化

提出了一种基于遗传算法的纵断面优化方法，这种方法可以在一个可行域中自动搜索一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域，通过编码建立染色体与实际设计变量之间的一一对应关系，然后对可行域中的可能解用一个评价函数(适应度)进行度量，利用遗传算法在可行域中选择最优解。实践表明：该方法具有全局解空间搜索能力，从而实现了全局寻优的目的，对道路优化设计是有效的，可行的。     

基于RBM-GASA-BPNN 的潜在高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.     

基于RBM-GASA-BPNN的潜在 高价值旅客预测

针对用BP神经网络(Back Propagation Neural Network, BPNN)进行潜在高价值旅客预测时出现的特征表达能力弱、稳定性差、易陷入局部极值的不足,提出一种新颖的基于 RBM-GASA-BPNN的潜在高价值旅客预测方法.该方法首先通过聚类算法划分旅客类别,设置类别标签;然后利用受限玻尔兹曼机(Restricted Boltzmann Machine, RBM)提取旅客行为特征并确定最优BPNN 初始权值和偏置的寻优范围,又利用遗传模拟退火算法(Genetic Algorithm-Simulate Anneal, GASA)对BPNN参数进行精调,确定了最优的BPNN初始权值和偏置;最后,利用优化后的BPNN对旅客进行分类预测.实验结果表明,本文提出的方法克服了基于BPNN的分类预测方法的缺陷,具有更高的分类预测准确率和潜在高价值旅客预测能力.