平面张弦梁结构的优化分析

将BP神经网络引入平面张弦梁结构的优化分析,并针对离散变量结构的拟满应力法加以改进,与遗传算法相结合从而构成一种新型组合优化方法,并将该法应用于平面张弦梁结构算例的优化分析,结果表明了算法有效可靠,最后对算法的计算精度和速度进行了讨论。     

张弦梁结构的优化设计方法研究

利用神经网络的强大映射功能,采用拟满应力法分析杆件截面变量的离散性.同时与遗传算法相结合而构成的一种新型组合优化方法,经平面张弦梁结构算例优化分析表明,计算速度快捷、有效可靠且能够满足工程精度要求.     

张弦梁结构的优化设计方法研究

利用神经网络的强大映射功能,采用拟满应力法分析杆件截面变量的离散性,同时与遗传算法相结合而构成的一种新型组合优化方法．经平面张弦粱结构算例优化分析表明,计算速度快捷、有效可靠且能够满足工程精度要求。     

一种克服满应力振荡的新算法：协调耦合优化法

振荡是满应力设计中一个尚未彻底解决的难题。本仔细分析了产生振荡的根本原因，求出了设计变量之间的应力耦合值，并用网状分解法系统级的协调优化思想来协调满应力设计变量之间的应力耦合，从而使满应力设计的振荡得到了有效的控制。几个具有代表性的算例也证明了这一算法的稳定性与先进性。     

�����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.     

混合遗传算法在结构优化设计中的应用

基于邻域搜索的自适应遗传算法和标准遗传算法的一种离散变量结构优化设计的混合遗传算法,既能发挥邻域自适应算法省时、高效、成熟收敛的特点,又能发挥遗传算法全局最优的特点.优化设计结果表明:改进后的混合遗传算法的收敛性得到了很好的改善,使个体既能沿着当前种群优势方向前进,又能跳出局部最优,寻求全局最优.     

求解带硬时间窗车辆路径问题的改进UMDA 算法

针对带硬时间窗的车辆路径问题(VRPHTW)求解,提出了一种混合单变量边 缘分布算法(hybrid UDMA,hUDMA),改进了基本UMDA的概率模型.统计节点按路径分 布的概率,使其能够在解空间上找到节点-路径的分布关系,提高了UMDA的全局搜索 能力.采用两阶段插入法进行最佳节点搜索和路径分配完成UMDA采样操作,通过种群 进化来获取最优解.计算Solomon 100 客户的6 类问题56 个算例的实验结果表明：在最优 解的取得方面,C类算例能够全部取得最优解,R、RC类算例能以50%左右概率取得最优 解;在平均误差方面,C类算例计算结果与已知最优解一致,R、RC类算例计算误差率与 已知最优解比较接近,平均误差率为1.03%.     

基于组合算法的易腐货物多式联运路径优化

为解决易腐货物多式联运路径优化问题,考虑时间窗约束,建立一种总成本最低的易腐货物多式联运路径优化模型.因遗传算法全局搜索能力强,禁忌搜索算法依赖初始解与领域结构的特点,设计了遗传-禁忌搜索组合算法,来求解最佳运输方式下的低成本最优路径.为验证多式联运的优势,特举实例将多式联运与单一运输方式进行对比;实例可知,组合算法有...     

系统工程理论与方法基于混合遗传算法的车辆路径问题

在详细分析遗传算法的局限性的基础上,构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法. 这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间,可以有效地避免遗传算法易出现"早熟"收敛的问题. 然后,分别用混合遗传算法和遗传算法对同一实例进行求解,并对求解结果进行对比分析. 结果表明该混合遗传算法的求解结果比遗传算法收敛速度快,更加接近最优解.     

带时间窗的车辆路径混合遗传算法

基于标准遗传算法，将每一个染色体与分组信息相结合，使染色体结构包含有更多信息，辅以λ-交换局部搜索技术，构造了一种新的混合遗传算法，对带时间窗约束的车辆路径问题进行了求解，并与标准遗传算法的求解结果进行了对比研究，发现使用混合遗传算法，总行驶里程为162km，而使用标准遗传算法，总行驶里程为182km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解，所需的行驶里程缩短，有效降低运输企业的车辆运行成本。     

一种改进的遗传算法及其在作业车间调度的应用

基于遗传算法容易产生早熟的现象,提出了一个概念清楚、运算量小的评价种群过早收敛程度的指标,并利用该指标提出了一种新的调整策略.仿真实例表明,该方法能及时反映种群在进化过程中的过早收敛程度,不仅能加快计算速度,而且还能增强算法的全局收敛性.     

量子进化和模拟退火的混合优化算法

将量子算法和模拟退火算法相结合,提出一种量子进化和模拟退火的混合优化算法。本算法同时利用了量子算法的并行搜索能力和模拟退火算法的串行搜索能力,和量子算法相比有更快的收敛速度和更好的全局寻优能力。仿真实验也表明本算法有更好的搜索性能。     

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．     

多种搜索算法在医学图片彩色迁移上的应用与分析

通过对真彩图像与灰色MRI(核磁共振图像)切片在亮度及纹理等特征上进行配准而实现灰度MRI切片的彩色化,可以得到有效的符合真实人体器官组织的真彩仿真图片。对多种搜索算法如穷举法、随机法、粒子群算法和遗传算法与点邻域亮度分布纹理和局部颜色结构分布相结合并应用于Welsh图像彩色化的算法进行研究和分析。着重分析和修正遗传算法在Welsh彩色化上的应用。该算法将源图像块和目标图像块的亮度特征以及纹理特征构成适应度函数,并依据代数的增加而降低交叉和变异的概率以减少进化后期的跳跃性。其搜索的彩色特征种群经过选择、交叉和变异等操作后逐代进化而得到最终彩色化图像点。最终彩色化的MRI切片的三维重构模型能多层次清晰地反映器官组织的分布和构造。     

基于粒子群的车牌定位识别的神经网络方法

在对车牌定位识别中采用传统算法进行特征提取的时候, 当目标图像质量较差或者有较大的退化时, 不是很有效.遗传算法作为一种新兴的智能算法,近年来被应用于许多社会生活领域中,并比较好地解决了相关领域的优化问题,近年来,有些学者应用遗传定位算法来解决车牌定位问题.     

混合蚁群算法求解物流配送路径问题

蚁群算法具有较强的发现较好解的能力，但同时也存在一些缺点，如容易出现停滞现象、收敛速度慢等．将遗传算法和蚁群算法结合起来，在蚁群算法的每一次迭代中，根据信息量选择解分量的初值，使用变异操作来确定解的值．通过实例与其他优化方法的结果进行比较．结果表明，该算法有较好的收敛速度及稳定性．     

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。     

求解TSP问题的一种启发式遗传算法

TSP问题是著名的NPC问题，在组合优化中有许多应用。讨论如何应用启发式遗传算法求解此问题，并设计一种启发式交叉算子和换位变异算子，主要特点是给出算子在程序中的实现技巧，提高搜索的速度。经实例分析，算法性能较好，能较快得到问题的满意解。