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。     

变点交叉多目标遗传算法在作业车间调度中的应用

针对传统多目标遗传算法在求解作业车间调度问题时收敛速度慢和容易陷入局部最优化的不足,提出一种采用变点交叉方式的多目标遗传算法.运算初期采用多点交叉的方式,在于提高收敛速度.在运算后期逐步减少交叉点,直至采用两点交叉、单点交叉的方式,避免丢失最优解导致早熟收敛.同时设计一种交互权重将多目标问题变为单一目标问题,体现决策者...     

求解车辆路径问题的改进混合遗传算法

针对车辆路径问题提出一种新的混合遗传算法。在遗传各个阶段引入不同交叉、变异策略的扩大对解空间搜索,提高遗传算法的寻优能力,避免单一交叉、变异策略的遗传算法"早熟"收敛。在进化后期对个体进行低温退火,提高遗传算法的求解精度。通过对国际标准测试数据的仿真,表明该算法是有效的。     

遗传算法交叉率与变异率关系的研究

基本遗传算法给出了选取交叉率与变异率的推荐范围。两种概率的选取是相互独立的，文中研究了交叉率与变异率之间的关系。得到了以提高遗传算法效率为目标，交叉率与变异率存在最优组合的结论。应用表明，这一结论对于合理选取交叉率与变异率有一定的指导意义。     

基于改进遗传算法的旅游线路选择问题

针对旅游线路选择问题,在编码、交叉、变异等遗传操作上,对遗传算法作了改进,并用MATLAB编程实现.结果表明,改进的遗传算法能够较好地求解旅游线路选择问题.     

基于改进遗传算法的柔性制造车间等量分批调度问题

针对柔性制造车间等量分批调度问题,提出了改进遗传算法的求解方法。利用改进的适应度函数,增加了个体的区分度。针对染色体的交叉和变异方式继承亲代特征不足的问题,在交叉过程中使用保留亲代交叉机床基因策略。在变异过程中采用混合变异的方式选择加工机床,在维持种群多样性下防止个体因变异而破坏。通过自适应交叉变异概率提高算法的寻优和收敛速度,采用标准遗传算法与改进算法进行算例测试对比,结果表明改进算法缩短了加工周期。     

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.     

求解软硬时间窗共存配送路径问题的改进遗传算法

探讨用于求解软硬时间窗共存情况下的车辆路径问题的改进遗传算法。对基本遗传算法的交叉、变异操作的交叉概率和变异概率进行改进,使之更加具有自适应性,能根据种群染色体的优劣程度自动进行调整。通过算例证明改进的算法比原算法在计算软硬时间窗共存配送路径问题上更具有效性。     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．     

改进的遗传算法在车辆路径问题中的应用

通过对车辆路径问题的深入分析,针对遗传算法中“种群多样性”和“选择压力”两个最重要因素,对“交叉算子”和“变异算子”进行了改进,并和一般的遗传算法进行了比较,通过计算结果证明：在算法性能方面,改进的算法收敛速度较快,所求得的最优解质量较高,且计算结果稳定;在车辆配送路径方面,改进算法得到四条最优配送路线,并且四条线路没有交叉,完全形成回路,又同时满足车辆满载率的限制,而一般的遗传算法得到五条配送路线,最低装载量仅为3．1t,并不能达到车辆相应的满载率,因此,改进的遗传算法明显优于传统的遗传算法．