一种新的伪并行遗传算法在车间调度中的应用研究

提出了一种改进的伪并行遗传算法(Improved Pseudo-Parallel Genetic Algorithm,简称IPPGA),将改进遗传算法与SGA伪并行操作(采用并行思想,在同一台机器上完成操作),保证了种群多样性,防止局部早熟收敛;改进算法对部分遗传算子做了改进,采用迭代交叉,多父代产生多子代,让多个染色体中优秀基因段组合产生子代,大大加快收敛速度;设定一个最优个体保存序列库,防止最优解的丢失.采用实际算例进行仿真试验,数据表明改进的伪并行遗传算法(IPPGA)较标准遗传算法(SGA)快速、有效.     

蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

多段交叉遗传算法在连续刚构桥测点优化中的应用

阐述了基于动力检测的传感器优化布置准则和方法,提出了一种应用改进遗传算法,该算法改进了遗传算法交叉的规则,将原来的两点交叉改进为多段交叉。并将该方法具体应用到某大桥的动力检测中,通过计算对比分析,发现多段交叉的遗产算法有效的可以防止了传统遗传算法收敛过早、陷入局部最优解等现象,能更好的利用初始种群的多样性,多段交叉遗传算法计算结果要优于传统遗传算法。     

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.     

基于遗传算法的交货期Job-shop调度问题研究

研究遗传算法求解非传统的交货期Job-shop调度问题,其染色体编码采用基于工序的编码。为了减少搜索空间,利用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,运用一种优先交叉操作POX(precedence operation crossover)和设计了一种子代产生模式的遗传算法。将提出的遗传算法求解交货期调度问题,试验结果验证提出算法的有效性。     

基于遗传算法收敛特性的停机准则

关于遗传算法及改进遗传算法收敛问题的研究表明,理论上分析各类不同结构遗传算法的收敛性是可行的.对已被证明收敛的遗传算法,在计算过程中最突出的问题便是如何判断当前计算结果已经到达最优解从而停止迭代.文中从遗传算法收敛特点及不同种群中最优个体适应值的一致性、种群的多样性出发,提出判断算法自动停止迭代的依据.     

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.     

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.     

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。     

量子遗传算法的改进及其应用

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题，提出了一种改进的量子遗传算法(IQGA)．这种改进的量子遗传算法采用了已搜索到的最佳个体更新量子门和群体灾变策略．典型函数的测试结果表明，IQGA比QGA的收敛速度更快，且能有效地克服QGA易“早熟收敛”的不足．应用结果表明，IQGA的性能优于QGA和其它遗传算法．     

Improved Genetic Algorithm for Job-Shop Scheduling

Introduction Job shopschedulingproblem(JSP)isoneofthe well knownhardestcombinatorialoptimizationprob lems,andmanysolutionsbasedongeneticalgorithms(GAs)havebeenproposedbymanyresearchersso far[13].SincethedemonstrationofapplicationofGA toschedulingproblemsb…     

一种新型的动态矩阵控制算法

对无约束动态矩阵控制（ＤＭＣ）算法进行了改进，提出了一种新的ＤＭＣ控制算法，即用遗传算法对ＤＭＣ的设计参数进行在线寻优，由优化结果来计算实际控制作用，与一般的定参数ＤＭＣ相比，其闭环性能更好，能有效地处理各种约束。仿真实例表明了该方法的有效。     

自组网中基于能量约束的QoS多播路由优化算法

在分析基于能量优化多播路由算法的基础上,提出了一种QoS多播路由的网络模型,并在网络模型的基础上,结合能量模型、极值元素组合和改进的遗传算法提出了一种基于能量的QoS多播路由优化算法EQMROA.仿真结果表明此算法是可行和有效的.它为移动Ad Hoc 网络QoS多播路由技术提供了一种新的有效途径.     

基于遗传算法求解车间设备布局优化问题

车间设备布局问题,是一个NP难问题.许多学者利用启发式算法来求解并取得了一定的成果,但在模型中存在距离定义不合理的情况,均采用绝对距离的方式,存在不符合实际和计算不准确的情况;本文对距离的定义进行了改进,并利用遗传算法对改进后的模型进行求解,效果良好,达到了预期目标.     

遗传算法的定式及其收敛性研究

从算法论与数理逻辑的角度给出了新的遗传算法定式,其中包括生物遗传并法的定式与通俗遗传算法的定式,在此基础上进一步讨论了遗传算法的收敛性,提出了遗传算法收敛性公理。     

遗传算法在图像分割中的应用

图像分割是图像分析的预处理阶段,被认为是计算机视觉中的一个瓶颈.基于扩展的Otsu最优阈值图像分割方法,提出用一种改进遗传算法进行图像分割的方法,并给出了遗传算法中参数的设定.仿真结果表明,改进算法的计算速度不仅明显优于传统的Otsu方法,而且算法的分割效果也很好.     

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。     

边远海域救援船舶与直升机联合搜救优化

以救援船舶行驶路线、释放救援直升机时刻与救援直升机搜索方案为优化内容,以搜救时间最短和发现概率最大为目标,建立了海空联合搜救双目标优化模型,并结合地理信息系统和智能算法设计了模型求解算法; 利用地理信息系统模拟了复杂海洋环境中风、浪因素影响下的救援船舶和遇险船舶运行状态,采用自适应混沌搜索替代随机搜索,改进了传统粒子群算法; 以从南海永兴岛出发前往边远海域执行搜救任务为算例,验证了搜救优化模型。研究结果表明:利用地理信息系统与智能算法结合的海空联合搜救方法得到的搜救行动总时间为4.4~16.9 h,发现概率可达45.12%~99.76%;与传统的粒子群算法相比,改进后的粒子群算法在发现概率分别为85.00%、90.00%与95.00%的情况下,搜救总时间分别减少1.5、1.3与1.1 h,减少幅度分别为18.07%、14.28%与10.57%,改进后的算法在计算速度、计算稳定性与结果优化方面均效果良好; 海空联合搜救方案优化与传统的多目标路径优化问题有所不同,需要建立特定的海空联合搜救模型,结合新的技术手段开展研究; 未来建议发展不同船型、机型参与的海空联合搜救优化方法,以适应不断提高边远海域搜救行动效率的发展要求。      

均匀设计和遗传操作并行的遗传算法

针对简单的遗传算法稳定性较差，容易发生早熟收敛的不足之处，提出了将均匀设计和遗传操作相结合的遗传算法，通过编码在问题的解空间和算法的搜索空间之间建立一个映射，对其进行交叉操作，变异操作和均匀设计操作，用典型的测试函数进行测试，证明了该算法是可行的，与单纯遗传算法相比，计算精度和收敛速度更高。     

�Ŵ��㷨�ڶ�̬·���յ�ϵͳ�е�Ӧ��

提出了以随机A*算法为基础，运用遗传算法来求解不满足先进先出原则的动态网络中最短路径问题的思路，其中通过运用提出的随机Dijkstra算法解决了将遗传算法应用于最短路径问题中的最大障碍－初始种群的产生。最后，以广州市电子地图为基础，对提出的算法进行了验证，试验结果表明遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题。