改进的量子遗传算法在车间调度中的应用

在对车间作业调度问题及其调度方法进行描述的基础上,提出改进量子遗传算法(IQGA)并用于解决车间调度问题,改进的量子遗传算法用路由选择算法来选择染色体,进行编码,并用最优个体来更新量子旋转门,旋转角是自适应调整的,这样使算法更好的收敛到全局最优解,经过仿真,验证了算法的有效性.     

云自适应量子遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的动态性和不确定性特点,提出一种基于云计算和量子理论的遗传算法.设计自适应调整旋转角的量子遗传算法来获取初始解,利用云模型的随机性和稳定倾向性来自适应调整旋转角,从而提高获取解的质量和获取最优解的效率.借鉴物理学的量子交叉和量子变异特性来保证种群的多样性,以克服早熟收敛的缺陷.通过数值实验表明,提出的算法拥有良好的性能,可以获取较理想的解.     

改进的遗传算法求解柔性作业车间调度问题

以柔性作业车间调度问题为研究对象,最小化最大完工时间为性能指标,提出了一种基于改进遗传算法的柔性作业车间调度方法.该方法对初始种群进行了改进,即初始种群在进行机器选择时采用轮盘赌方式,以提高种群初始化质量,并保证了初始种群的多样性,同时采用了精英保留策略,以保证优良个体可以遗传到下一代.通过与基本遗传算法的仿真比较,验证了该算法在最优值和收敛速度上的优越性.     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限,将一种改进的遗传算法--"双链遗传算法"应用于求解作业车间生产调度问题.与简单遗传算法相比,双链遗传算法在解决作业车间调度问题上,显著提高了搜索效率,还增强了避免早熟的能力.对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结,编制了双链遗传算法求解作业车间调度问题的程序,通过调度例子测试表明了算法的有效性和可行性.     

双链遗传算法在作业车间调度中的应用

针对简单遗传算法在解决作业车间生产调度问题时存在收敛效率低与过早收敛的局限，将一种改进的遗传算法——“双链遗传算法”应用于求解作业车间生产调度问题．与简单遗传算法相比，双链遗传算法在解决作业车间调度问题上，显著提高了搜索效率，还增强了避免早熟的能力．对双链遗传算法求解作业车间调度问题的某些策略和基本步骤作了简要的归纳和总结，编制了双链遗传算法求解作业车间调度问题的程序，通过调度例子测试表明了算法的有效性和可行性。     

改进的病毒进化遗传算法应用研究

针对车间调度中典型的作业车间调度问题（Job Shop Scheduling Problem）,提出了一种改进的病毒进化遗传算法．该算法选取主群体中较优秀的个体生成部分初始病毒个体,提高了病毒个体的适值和感染能力,从而也就提高了整个主群体的平均适值,并引入了静态繁殖理论,有效的避免了问题最优解的丢失,同时,将基于优先规则的启发式算法与传统的病毒进化遗传算法相结合,加快了算法的收敛性能和收敛速度．最后给出了该改进的病毒进化遗传算法的试验仿真结果．     

改进的病毒进化遗传算法应用研究

针对车间调度中典型的作业车间调度问题(Job Shop Scheduling Problem),提出了一种改进的病毒进化遗传算法.该算法选取主群体中较优秀的个体生成部分初始病毒个体,提高了病毒个体的适值和感染能力,从而也就提高了整个主群体的平均适值,并引入了静态繁殖理论,有效的避免了问题最优解的丢失,同时,将基于优先规则的启发式算法与传统的病毒进化遗传算法相结合,加快了算法的收敛性能和收敛速度.最后给出了该改进的病毒进化遗传算法的试验仿真结果.     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器-人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化.最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性.     

不确定条件下的作业车间多目标调度模型及其遗传优化

针对不确定条件下的作业车间特点,区别于传统调度模型采用决策系数策略,提出了一种新的不确定条件下的多目标车间调度模型,新模型为两维调度模型,不仅处理了生产过程中的应急调度问题,还在调度目标为作业时间最短的基础上,从库存、机器一人资源约束、生产效率三个方面归纳了企业相关成本调度指标,具有很高的实用性;采用改进的遗传算法求解新模型,得到一组Pareto最优解,可以在兼顾机器使用率的同时使生产成本最小化．最后采用某机车厂的部分生产数据对改进的模型及算法进行了仿真实验,结果证明了模型和算法的有效性．     

车间作业调度中基于领域搜索的混合遗传算法

车间作业调度问题是一个 NP完全问题,很难用一般的方法解决.遗传算法(GA)作为全局搜索算法广泛应用于各种寻优操作中,并己成为求解车间作业调度问题(JSP)的主要方法.本文针对遗传算法应用的局限性,把领域搜索的思想应用到变异操作中,提出了一种应用于车间调度中基于领域搜索的混合遗传算法,该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和稳定性.     

基于遗传算法的模糊控制器设计

研究了基于遗传算法的模糊控制器的设计,用以解决生产过程中的实际问题.在具体实施中,首先解决了模糊控制器的设计问题.其次,对如何利用遗传算法对模糊规则寻优的问题进行研究,通过遗传算法,设计和动态优化模糊控制规则.解决模糊控制器的瓶颈问题.     

基于GA-FC的船舶减摇鳍控制仿真研究

根据船舶减摇鳍控制系统在不同海情下的期望减摇效果,设计了不同的性能指标,运用遗传算法离线优化设计模糊控制器,组建控制系统知识库.控制程序根据船舶实时的运行情况,调用系统知识库中相应的控制器,并在线修正GA-FC控制器的比例因子,进一步增强系统的自适应能力.仿真结果表明,基于遗传模糊算法的船舶减摇鳍在线控制系统,具有很好的减摇控制效果,并减缓了鳍角饱和概率和转鳍角速度,从而降低了鳍伺服系统的功耗.     

基于量子遗传优化算法的图像稀疏分解

为了减少图像稀疏分解的计算量,提出了一种基于量子遗传算法与匹配追踪相结合的图像稀疏分解快速算法.量子遗传算法能用较小的种群规模实现较大的空间搜索,全局寻优能力强,基于匹配追踪的图像稀疏分解是最优化问题,因此可用量子遗传算法快速实现.仿真结果表明,每步分解所需计算的图像或图像残差与原子的内积仅4 000次,由分解结果重建的图像具有较好的主观质量.     

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．     

基于遗传算法的PID智能控制器设计

根据实际应用的需要,设计出一种基于遗传算法的PID控制器．该控制器首先采用遗传算法优化PID控制器的参数,得到一组参数的最优值,在实际控制过程中利用遗传算法不断优化PID参数,从而提高PID控制器的控制性能和自适应能力．以确保系统的动态和稳态性能最优．根据设计结果采用Matlab对此进行仿真,仿真结果表明：与常规的PID控制器相比,这种基于遗传算法优化的PID控制器用于实际控制系统可达到良好的动、静态性能和自适应能力．     

基于爬山法和遗传算法的联合搜索算法

遗传算法受到局部极小值的吸引,通过改变计算参数、算法结构和运算规模依然不能保证每次都收敛到全局最优点,本文对遗传算法每次的结果加以比较,消除次优值,保留最优值,用这种爬山算法和遗传算法相结合,可以保证算法的收敛性。仿真结果证明了上述结论。     

高速公路路面养护决策混合遗传优化方法

为了提高高速公路路面养护决策的效率与稳定性,降低养护成本,分析了传统数学规划优化方法与遗传算法的适用性,引入伪并行、最优保存和自适应参数调整策略,提出了高速公路路面养护决策混合遗传优化方法。仿真结果表明:混合遗传算法不但收敛速度和搜索能力优于简单的遗传算法,有效地避免了决策的早熟现象,而且可以对任意多个高速公路路面养护方案进行养护资金的优化分配,养护资金总额是没有限制的,因此,混合遗传算法很好地解决了高速公路路面养护决策优化问题。     

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．     

利用遗传算法的结构优化设计

利用遗传算法,首次提出“取刚架截面形状和尺寸规格为设计变量,结构体积为目标函数,求全局最优解”这一优化模型,通过对各个计算环节的研究,确立了可行的计算方法,编制计算程序,并以算例证明该方法的有效性。