遗传算法在运输问题中的应用

提出一种求解单目标问题的新算法。算法充分利用遗传算法内在的并行性,避免了用单纯形法求解该问题出现的并行性差,求解整数问题的矛盾。算法中设计的杂交及变异算子对使用遗传算法求解矩阵约束的优化问题有普遍的指导意义。     

铁路煤炭运输存在的问题及对策研究

从当前来看,在我国的铁路运输中煤炭运输占据着非常大的比重,但因为我国在煤炭资源上还有产业布局上并不平衡,所以铁路煤炭运输根本没有办法满足行业的需求,所以这就给煤炭企业生产还有销售上都造成了一定的影响。所以,主要从煤炭运输的角度,并结合铁路运输的实际情况,进一步探讨铁路管理体制对煤炭运输发展的制约因素,并提出相应完善煤炭铁路运输的策略。     

基于遗传算法的硕士生招生数Logistic预测模型

以区域范围内２０年研究生招生数的统计为对象,考虑到总体增长趋势和震荡规律,采用了Ｌｏｇｉｓｔｉｃ预测模型,并用遗传算法求得其待定系数,由此求得的模拟值与实际招生数拟合最好。在此基础上,提出了对湖北地区研究生教育的建议。     

基于改进遗传算法的物流配送点选址问题研究

在已知物流配送点数目的条件下,以最低送货运输费用为目标,利用最小二乘法推导出多物流配送点的选址模型及其迭代算法;根据遗传算法的基本思想,设计了求解已知物流配送点数目条件下的选址和物流服务分配问题的遗传算法.通过实例证明该模型及算法具有较好的应用价值.     

基于遗传算法的重载列车重量和开行密度的组配分析

在当今＂北煤南运,西煤东调＂的基本格局下,重载运输是我国铁路发展的一个方向,在介绍重载列车重量和开行密度组配存在问题的基础上分析重载运输的影响因素,运用遗传算法并结合实例进行其重量和开行密度组配问题研究。     

独立需求生产批量优化问题的遗传算法实现

生产批量问题是企业生产和管理中一个常见的约束批量问题,在假定问题中各产品的需求独立,同时满足能力约束和生产平衡的条件下,建立基于独立需求的遗传算法模型,实现使生产费用、生产准备费用和库存费用综合指标最小的生产批量算法。并通过对实际问题的计算验证该模型和算法的有效性和可行性。     

带时间窗车辆路径问题的启发式遗传算法

为了在运输生产中按时间要求合理安排车辆路径, 建立了带时间窗车辆路径问题数学模型, 用启发式遗传算法进行求解。先构造染色体, 产生初始群, 再对其进行优化, 根据个体生存能力的体现进行性能估计, 并计算优化值。运用VisualBasic编写相应计算程序, 设定迭代代数为100, 运算次数为10次, 对有时间窗限制的有1个中心仓库与8个分仓库的实际问题进行求解。模拟结果显示需要3辆车按照3条运输线路进行物流配送服务, 总运行距离为483km, 总运行时间为15.55h, 车辆未出现闲置时间, 且全部仓库得到及时服务。可见启发式遗传算法有效、可行。     

一类车站选址问题的非线性优化模型及遗传算法

分析了铁路枢纽辅助站选址问题的背景和由来, 讨论了辅助站的加入对枢纽地方车流作业选择的影响和修正, 构造了基于辅助站的选址和地方车流的优化组织为核心的数学模型。针对所建模型为大规模NP- Hard问题的特点, 提出了利用遗传算法求解模型的主要策略, 并进行了仿真计算     

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.     

对“铁路运输走向市场”若干问题的认识

“铁路运输走向市场”的第一层含义是铁路运输企业经营市场化，第二层含义是铁路运输作为市场经济的基础条件，必须起到保证整个社会主义市场经济运行的基础作用，在我国当前条件下，必须把提高运输能力作为铁路运输走向市场的出发点和归宿。在提高运输能力过程中，必须科学处理运输能力与运输效率的关系。以市场经济和社会基础性的眼光看，我国铁路运输能力与运输效率并不一定是一件好束。铁路运输走向市场可以采取“重点突破”，整     

���ڸĽ��Ŵ��㷨������ͨ�ź���ʱ�Ż�

针对城市网络的区域信号配时,本文建立了旨在最小化网络总延误的双层规划模型.在考虑出行者出行需求的基础上,以信号相位绿灯时长为控制变量,实现总延误最小化.在对用户出行需求的路径分配上,将流量分配模型转化为均衡路径问题,进而实现出行用户均衡.由于区域信号配时的变量随着网络规模的增加而增加,因此在求解多变量优化模型时,本文采用改进的遗传算法对该多变量优化问题进行分析和求解.以典型的城市区域交通网络为例,对该问题进行分析和算法的验证.算例表明,改进的遗传算法在城市区域网络中,能够有效地实现信号配时方案的优化,对于城市交通信号配时优化和管理有积极的启示.     

�����Ŵ��㷨�������߽�β�������������о�

针对国内目前实行的完全依据管制员经验生成尾随间隔(MIT)的不足,在现行统计预测和流量管理的基础上,提出一种基于遗传算法的扇区边界尾随间隔管理的方法. 在流量与容量匹配的前提下,基于实际管制的规则和习惯并加以改进,以控制时段内的流量大小为性能指标,建立了以扇区边界尾随间隔的整数规划数学模型和基于遗传算法的尾随间隔算法,同时在模型中提出扇区接收能力等概念,最后通过实例对模型进行实用性验证. 结果表明：执行该尾随间隔管理方法生成的尾随间隔值后,在避免了可能会发生的扇区饱和的同时,最大程度利用了空域容量,并符合实际管制要求,证明该方法实用可行.     

用遗传算法求空间点列的最小包容球

建立了求空间点列包容球的数学模型,将求最小包容球问题转化为函数优化问题,并用遗传算法解决了函数最优解的求解问题.     

基于遗传算法的扇区边界尾随间隔管理方法的研究

针对国内目前实行的完全依据管制员经验生成尾随间隔(MIT)的不足,在现行统计预测和流量管理的基础上,提出一种基于遗传算法的扇区边界尾随间隔管理的方法. 在流量与容量匹配的前提下,基于实际管制的规则和习惯并加以改进,以控制时段内的流量大小为性能指标,建立了以扇区边界尾随间隔的整数规划数学模型和基于遗传算法的尾随间隔算法,同时在模型中提出扇区接收能力等概念,最后通过实例对模型进行实用性验证. 结果表明：执行该尾随间隔管理方法生成的尾随间隔值后,在避免了可能会发生的扇区饱和的同时,最大程度利用了空域容量,并符合实际管制要求,证明该方法实用可行.     

基于自适应小生境遗传算法的混合交通网络设计双层规划模型

在现有的交通网络设计问题研究基础上,采用双层规划模型来描述混合网络设计问题,其中上层模型综合考虑网络阻抗、投资额以及CO的排放总量三方面因素,建立起以三者之和最小为目标的优化函数;下层模型为用户均衡模型。根据所建模型的特征,利用一种基于自适应方法和小生境技术的改进遗传算法进行求解。实例计算证明：此模型和算法是研究混合交通网络设计问题的有效方法。     

ƽ��װ���е�ģ���˻����Ŵ��㷨�о�

由于车辆运输式半挂车运输危险性高、效率低,提出使用铁道平车对车辆进行运输.铁路输送中的多型号平车装载问题旨在满足运输和安全的要求下,提高铁路平车利用率,节省铁路运输资源.针对平车优先的平车装载问题,建立数学模型,将改进的自适应遗传算法、模拟退火算法思想、优先适应降序算法结合,提出了一种自适应混合遗传算法;给出了算法的编码,遗传算子的设计、适应度函数的定义、交叉概率和变异概率的自适应改变算法.进行仿真实验,得出适应度变化曲线和装备装载顺序.与混合遗传算法解决该问题的最优结果对比,模拟退火混合遗传算法的运算过程快,且优化程度高.     

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．     

遗传算法与极大熵相结合解多目标规划问题

采用极大熵解法，将多目标规划转化为一般的可微规划，鉴于转化后的目标函数和约束条件都是高度非线性的，采用遗传算法求解多目标规划，取已有的典型算例运用文中提出的方法，则得到了较好的精度。     

基于遗传算法的交通信号优化控制研究

通过对信号交叉口延误模型的研究,提出了一种新的相位配时优化算法。此算法是将遗传算法引入到延误模型中,以信号交叉口车辆的平均延误最小为目标,考虑交叉口服务水平等多方面的限制,建立新的模型算法,并将其应用于常州市的典型交叉口,获得较好的优化结果。     

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．