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．     

求解具有恶化工件单机调度问题的改进遗传算法

为克服现有算法求解工件数较多的单机调度问题计算量大的缺点,分析了加工时间为阶梯函数的工件排序规则,以极小化最大完工时间为目标,提出了基于局部搜索的改进遗传算法,对基于工序编码方式的染色体设计了线性顺序交叉算子和融合工件排序性质的局部变异算子,并引入局部搜索策略,提高了算法局部搜索能力和收敛速度.算例测试结果表明:工件数为40件时,与模拟退火算法相比,本文算法求得的最大完工时间平均减少了56.6%,显著缩短了制造周期,并有效地避免了局部最优解,收敛速度显著提高.     

有容量约束车辆路径问题的多目标遗传算法

针对有容量约束车辆路径问题,提出了基于Pareto方法的多目标优化遗传算法.该算法引入基于擂台法的Pareto锦标赛选择算子,避免了求解非凸解的困难.采用最邻近算法和扫描算法构造初始种群及引入启发式交叉算子来加快算法的收敛速度.通过E-n30-k3算例实验表明:应用该算法得到的Pareto解集,为决策者提供了多种途径有效解决有容量约束车辆路径问题.     

一种基于模式搜索的自学习遗传算法研究

根据自学习遗传算法的原理,设计了基于模式搜索的学习算子.在此基础上与改进的遗传算法结合,提出了一种基于模式搜索的自学习遗传算法.通过对该算法在复杂函数优化情况下与传统遗传算法的对比测试表明,该算法的改进是有效的.     

多目标优化的新方法——幂加权和法及数值仿真

提出了一种新的评价函数,将多目标优化问题转化为单目标优化问题,并证明了由这种方法所得到的最优解是多目标优化问题的有效解.用混合罚函数法将约束问题变为无约束问题,将改进的模拟退火算法与单纯形法结合起来构造一种效率较高的全局优化算法,该算法具有模拟退火算法在全局搜索上的优点和单纯形法在局部搜索上的优点.用计算机语言编制了通用程序,给出了单目标优化和多目标优化的例子,数值仿真结果表明这种方法是可靠的.     

面向末端刚度提升的机器人手臂关节角路径优化

针对六自由度串联关节机器人手臂,采用D-H法对手臂的操作空间进行了描述,得到了正、逆解运动学模型,建立了机械臂运动学方程.在各运动角度优化指标下,优选末端关节角度来增加手臂的刚度和稳定性,从而实现机械臂路径规划的优化.引入目标函数和遗传算子,提出了一种基于遗传算法的多目标机械臂路径规划算法.通过Matlab工具箱进行仿真验证,证明了该算法的有效性与可行性.     

基于遗传算法和模拟退火算法的制造企业伙伴选择

针对制造企业的虚拟企业问题建立了伙伴选择的多目标模型.为了更好地解决该问题,通过分析遗传算法和模拟退火算法的各自特性,提出了将遗传算法和模拟退火算法两者结合来进行求解.同时,通过实例仿真结果表明了该模型和算法的可行性和正确性.     

一种改进的遗传算法在动态交通分配中的应用

以遗传思想为基础设计了新的启发式优化算法,针对动态交通分配问题,对遗传操作中的选择、交叉、变异算子进行修改,同时采用了模拟退火收敛准则,克服了传统遗传算法早熟收敛的弊端,并提高了全局寻优能力。仿真实验表明,该算法有快速高效的特点,提高了该动态交通分配模型的实用价值。     

小生境技术在动力学系统参数辨识中的应用研究

提出了基于小生境技术的动力学系统参数辨识方法.针对普通遗传算法收敛速度慢的特点,采用确定性选择机制、自适应交叉和变异算子以及归一化海明距离提高算法的运行效率,参数辨识和函数优化的实例表明小生境自适应遗传算法的搜索和优化能力得到很大提高.提出的参数辨识方法具有良好的多峰值寻优能力,可广泛应用于黑箱问题识别和系统优化的相关研究.     

基于模拟退火遗传算法的内河港口船舶进出港调度方法

综合考虑基于模拟退火遗传算法的内河港口进出港调度方法，充分发挥两种算法的优势，增强模型的全局搜索能力。构建模拟遗传退火算法模型，利用船舶调动的规则，对遗传算法中的交叉算子和变异算子进行了优化。通过港口的船舶潮汐数据和泊位情况，对模型进行验证，实验结果证明，该模型可以较好的完成船舶进出港调度的任务。将该算法与其他算法进行对比，分别考虑调度船舶数量分别为20艘、30艘和40艘的情况。实验结果证明，该算法具有较好的收敛能力，在船舶的总体等待时间方面，优于其他常用调度算法和其他遗传算法。     

城市道路两相邻交叉口信号控制组合优化研究

以两个单点信号控制交叉口组成的简单绿波系统为例,建立一个以干线车辆行程时间最短为目标,各相位有效绿灯时间、饱和度及周期时长为约束条件的非线性函数模型,分别运用遗传算法和遗传退火算法对目标函数进行优化,实现了对绿波系统各交叉口信号配时的优化设计,并以实例加以论证,其优化效果良好。结果表明:遗传退火算法更能快速、准确地寻找出全局最优解。     

路网最优费率的双层规划模型及算法

为寻求系统、科学的路网最优费率测算方法,提出用双层规划模型描述路网管理者、收费道路经营者和车辆用户三者在费率决策中的博弈关系,其中上层以路网用户盈余最大化为目标,下层是弹性需求下的多车型随机用户均衡模型,设计了遗传-模拟退火混合优化的求解算法。计算发现路网收费收入目标的高低将直接影响测算所得费率的高低,进而影响各车型OD出行量,且时间价值低的车型用户比时间价值高的车型用户受费率变化的影响要更为显著,表明双层模型在费率决策过程中能兼顾相关各方的利益,建模时考虑车型分类能更合理地反映现实情况;与遗传算法、模拟退火算法相比,遗传-模拟退火算法计算结果最优。     

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。     

遗传-模拟退火算法在数据库查询优化中的应用

将遗传算法与模拟退火算法相结合,导出了一种基于遗传0模拟退火算法的多连接查询优化算法．该算法将查询计划的一棵语法树看作是一个染色体,对于语法树上的连接操作后序遍历生成一个编码．在所有编码构成的种群进行完选择、交叉、变异操作之后,在其中引入模拟退火机制,从而进一步调整优化了种群,保持了群体的多样性,减少了用户查询的响应时间．     

城市单点交叉口信号配时优化

为了缓解城市交通拥挤,分析了城市单点交叉口交通流特性与通行能力,建立以平均延误时间最短、平均停车次数最少为目标,以相位有效绿灯时间、饱和度及周期时长为约束条件的城市单点交叉口信号配时优化非线性函数模型,用遗传算法及遗传模拟退火算法对其进行求解。求解结果表明,遗传算法及遗传模拟退火算法均可将平均延误由现状的40.394 s优化至10-3s,减少了平均停车次数,获得较为理想的效益值,将各交叉口服务水平由C级提升到A级。     

云遗传算法

为了克服传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，借鉴遗传算法的思想，利用云模型云滴的随机性和稳定倾向性的特点，提出了一种新的遗传算法——云遗传算法（CGA）．该算法由正态云模型的Y条件云发生器实现交叉操作，由基本云发生器实现变异操作．最后，进行了函数优化实验，并与标准遗传算法（SGA）和自适应遗传算法（AGA）进行了比较，以证明其有效性．     

带回送和时间窗的车辆路径问题的模型及算法

在分析具有回送运输和时间窗的车辆路径问题特点的基础上，建立了该问题的优化数学模型，并通过设置与发货点距离为零的虚拟集货点使问题简化．在此基础上，构造了求解问题的改进遗传算法．在算法中，结合问题的特点设计了确保个体编码有效性的OX交叉算子，并采用基于Metropolis判别准则的复制算子，确保个体多样性和避免算法过早收敛．算例表明算法有效可行．     

基于混合算法的编组站到发线模型算法研究

本文分析了编组站到发线占用特性,在前人对于到发线运用建模的基础上,建立更适合于编组站到发线的运用模型。由于到发线的安排属于NPC问题,本文综合遗传算法与模拟退火算法的优点对该模型进行求解,采用混合算法——模拟退火遗传算法（SAGA）,来提高运行效率和解的质量,并在目标函数上以及在约束条件上提出新的理论,引入惩罚因子以加快算法模型的收敛。丈中阐述了该算法的具体实现过程,并通过模拟仿真对算法进行了验证,结果表明该模型算法是可靠和有效的。     

有约束的随机最短路问题模型及算法

针对不确定网络,研究具有随机参数的最短路径问题,采用随机数表示路径权值的不确定性, 建立有约束的期望最短路模型. 基于随机模拟方法,设计了一种融合退火技术的遗传算法,引入退火机制处理有约束的优化问题.在进化过程中,动态调节对不可行解的惩罚力度,使不可行解逐步被淘汰出去, 最后收敛到问题的全局最优解. 给出的数值实例验证了该算法的有效性.