基于遗传算法的路径安排

讨论了城市道路中的路径安排问题,对遗传算法的编码问题进行了改进,并使用了一种新的编码机制.最后,运用VC 解决了城市道路的最短路径问题.     

基于遗传算法的港口布局优化

针对武钢工业港铁矿石布局问题采用遗传算法进行仿真优化计算,提出了换位交叉方法,避免了不可行解的产生,仿真优化结果符合生产实际情况。     

遗传算法在车辆路径问题中的优化

关于遗传算法的车辆路径优化问题,已经提出过多种思想方法,虽然有些也有实验结果,但仍大有改进余地。针对具体的车辆路径优化问题,对传统遗传算法作了多处关键性改进。针对多客户点基本均布于物流中心的特点,作初始群优化,降低交叉率,提高变异率,简化繁琐的染色体修正计算,极大地提高了寻优速度,减少了遗传操作的数量,为多计算点的遗传操作提供有力的支持。     

基于遗传算法的孔系加工路线优化

在数控机床上对大量的孔进行加工时,加工路线的优化程度将直接影响机床的使用效率.通过对在数控机床上对孔系进行加工的典型工艺路线的分析,建立了加工路线优化的数学模型,利用遗传算法,对孔系加工路线的排序进行了优化计算,并用一个算例证明了该算法的可行性.     

基于遗传算法的军事运输路径优化

在建立军事运输路径优化模型的基础上，设计了求解最小广义权路径的遗传算法；针对军事运输中的必经点和节点保序问题，构造了特殊的染色体编码规则和交叉、变异的处理方法；提出通过对初始种群染色体的预处理来提高算法的性能．最后，进行了算法的比较实验和结果分析，以验证算法的可行性和有效性．     

基于遗传算法的交叉口信号配时多目标优化

为了提高城市交叉口通行能力和减少机动车尾气排放,提出了利用遗传算法实现多目标优化的方法,开发了基于遗传优化的城市交通微观仿真模型,并进行了仿真试验.仿真结果表明:这种多目标优化方法可以获得更好的交通信号控制效果和改善环境.     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。     

基于改进遗传算法的多客户航空货运路径选择问题研究

文章结合数学模型,对多客户航空货运路径选择问题进行描述.针对标准遗传算法中的编码问题及交叉、变异后出现大量的非可行解,本文提出了新的可行方法--两代竞争、稳态遗传算子设计.最后给出了基于改进遗传算法的模型求解方法和步骤.实例计算表明该方法可为路径选择问题在航空货运系统中的决策提供科学、有效的支持.     

基于自适应遗传算法的水面舰艇航行路径优化

将水面舰艇航行路径分成若干个航路点,将各航路点位置的纵坐标与航速作为遗传参数.对航行路径的影响因素进行分析,确定适应度函数及约束条件.在遗传算法中采用自适应交叉概率和变异概率的方法来控制交叉和变异操作,加快收敛速度,利用自适应遗传算法的全局寻优对航行路径进行选择.通过算例验证方法的有效性.     

基于布尔可满足性的动态路径优化算法

在对现有的经典路径优化算法性能进行分析基础上,指出现有算法的缺点。通过对布尔可满足性理论的研究,提出基于布尔可满足性的路径优化算法,并结合记忆机制,将其应用在动态路径优化中,减少最短路径的搜索时间和不必要的重复搜索,体现该算法的优势。最后,利用该算法对一简单路网进行验证。     

�����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.     

基于遗传算法的某款汽油车油耗和排放综合优化

利用AMESim软件建立整车模型,并以各级传动比为设计变量,燃油消耗量最少以及整车的污染物排放量最小为目标函数,设定各级传动比的范围和整车动力性为约束条件,采用遗传算法对传动比进行优化。优化结果表明:优化后整车的燃油经济性和排放性能得到一定改善。     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

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。     

遗传算法在电力系统无功优化中的应用

详细介绍了浮点数编码遗传算法的编码、选择、交叉、变异等操作.该编码不仅可以降低算法的搜索空间,而且可以避免初始化及在遗传操作中生成的不可行解.将该算法用于IEEE30节点系统,结果表明,该方法降低了网络损耗,实现了电力系统的无功优化,得到了满意的结果.     

遗传算法用于控制器参数的满意优化

对于控制器参数的多指标优化问题，提出了一种新型优化设计方法。通过分别设计的各个性能指标的满意度函数，反映出各性能指标对控制系统的具体要求；并用综合满意度函数的设计，反映出对控制目标的综合要求。由此给出了一种优化模型。应用遗传算法自动搜索，实现控制器参烽的优化。仿真实验效果良好，表明了本文方法的灵活实用性。