���ڻ���Ŵ��㷨�ij���·������

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。     

一类免疫优化算法及其应用

根据生物免疫系统机理推导出一类数学优化结构模型的免疫算法。此算法结合遗传算法的进化操作和生物免疫中的浓度机制，通过抗体的期望繁殖率实现对抗体的促进和抑制，改善未成熟收敛。该算法用于求解Rosenbrock函数，并且与遗传算法进行了比较，结果表明，该免疫算法不仅收敛，而且具有较高的全局和局部搜索能力和收敛速度。     

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。     

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.     

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．     

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。     

一种基于云计算环境的动态车辆路径问题解决策略

针对动态环境下车辆路径问题,以最小化车辆数和配送里程、最大化载货率为目标,建立动态车辆路径问题的数学模型,提出了云自适应遗传算法。针对车辆路径问题的特点,提出车辆分配链和配送货物顺序链的双链量子编码方法;针对遗传算法交叉和变异操作可能导致早熟收敛和后期多样性丢失的问题,利用云计算方法设计了云交叉算子和云变异算子,并进行操作,还提出改进的云自适应遗传算法。仿真调度算例验证了与其他算法相比较,所提算法能降低早熟概率和提高迭代搜索效率。     

改进的混合遗传算法及其应用

本文针对简单遗传算法的缺陷,设计了一种混合型搜索策略对算法进行改进。这种改进的算法归一化处理了复杂的约束条件,利用精英策略和轮盘赌策略选择最优个体,多点交叉和动态的变异操作使得种群保持多样性。通过改进,使得算法更小几率陷入局部最优,仿真实验表明,这种算法在稳定性、收敛精度上得到了较好的效果。     

一种基于灾变的单亲遗传算法

遗传算法存在着计算时间过长和易导致早熟收敛等缺点。单亲遗传算法不使用基本遗传算法常用的交叉算子,简化了遗传操作过程,且不要求初始群体具有广泛多样性,计算速度较快。但单亲遗传算法使用加快收敛速度的选择算子时,仍容易导致早熟收敛现象。模拟自然界中导致生物大规模灭绝的灾变现象,引入灾变的概念来保证解空间的多样性。提出灾变发生时机的判定方法。将此算法应用在旅行商问题上,实验结果证明了该算法的有效性。     

编组站配流的协调优化算法

为了提高编组站动态配流与静态配流协调优化算法的收敛速度,根据编组站解体方案树的构造规则,用解体序号矩阵进行解体方案编码,限制解的生成空间,避免了不必要的搜索.结合遗传算法与蚁群算法(genetic and ant algorithm,GAAA)的优势和配流问题的特点,设计了以GAAA为基础的协调优化算法.用遗传算法求出若干组优化解体方案,并生成初始信息素分布,用静态配流蚁群算法筛选出最优解体方案,在此基础上生成配流方案.实例表明:对阶段到发列车数不超过25列的编组站配流问题,本文算法均能在30 s内收敛到最优解或满意解.     

�����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.     

Robust Optimization of Hub-and-Spoke Airline Network Design Based on Multi-Objective Genetic Algorithm

In the process of designing hub network, the selection of hub airports is influenced by the change of the demand and cost. Under the condition of changing in demand, this may lead to large minimum cost deviation between the designed optimal network and real optimal network, respectively. To reduce the risk caused by the uncertainty in network optimization and get the optimal robust solution of hub network under the multi-possible conditions of demand and cost, a method based on multi-objective optimization genetic algorithm is proposed in this paper. The convergence of the algorithm has been proved, and the experimental results demonstrate the availability of the algorithm. First, multiple objective functions needing to be optimized simultaneously are formulated from different conditions of needs and cost, then a genetic algorithm is used to provide all possible routes of the network hub structure, and robust optimal network solution for multi-objective optimization is searched. The convergence of the search algorithms is proved to be effective by the numerical results.     

���ڶ�Ŀ���Ŵ��㷨����Ŧ���������³���Ż�����

枢纽航线网络在设计的过程中,容易受到需求和成本数据发生变化带来的影响。往往造成构建出来的最优网络,在需求发生变化的条件下,与实际对应的最优解存在较大的最低成本优化偏差。为了降低这种网络优化中的不确定性带来的风险,得到在多种可能的需求和成本条件下均可获得较好效果的鲁棒最优解,文中采用了一个多目标优化的遗传算法进行研究。首先将各种不同的需求和成本条件作为需要同时优化的多个目标函数,然后采用一个遗传算法来表示所有可能的枢纽航线网路结构,并搜索多目标优化的鲁棒最优网络解。最后本文对该搜索算法的收敛性进行了证明,数值实验结果表明了算法的有效性。     

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．     

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。     

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 A lgorithm,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.     

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．     

Optimal linear phase finite impulse response band pass filter design using craziness based particle swarm optimization algorithm

An efficient method is proposed for the design of finite impulse response (FIR) filter with arbitrary pass band edge, stop band edge frequencies and transition width. The proposed FIR band stop filter is designed using craziness based particle swarm optimization (CRPSO) approach. Given the filter specifications to be realized, the CRPSO algorithm generates a set of optimal filter coefficients and tries to meet the ideal frequency response characteristics. In this paper, for the given problem, the realizations of the optimal FIR band pass filters of different orders have been performed. The simulation results have been compared with those obtained by the well accepted evolutionary algorithms, such as Parks and McClellan algorithm (PMA), genetic algorithm (GA) and classical particle swarm optimization (PSO). Several numerical design examples justify that the proposed optimal filter design approach using CRPSO outperforms PMA and PSO, not only in the accuracy of the designed filter but also in the convergence speed and solution quality.     

随机需求下公交网络设计的期望值模型与求解算法研究

科学规划公交系统是解决城市交通拥挤问题的有效手段,公交网络设计问题更是公交体系规划的重点与难点。公交需求作为公交网络设计的输入条件,在现实中具有不确定性。鉴于此,假设不确定乘客需求具有随机特性,来研究随机需求下公交网络设计问题的优化方法。以乘客成本与运营成本最小化为优化目标,构建了多目标规划的期望值模型。将遗传算法与模拟退火算法相结合,设计了求解模型的遗传模拟退火算法。最后,通过算例验证了提出的模型与算法的有效性。