优化普零货物拼箱配装的遗传算法

应用遗传算法, 考虑货物装载重量、装载容积、优先装箱及非同时配装等约束条件, 采用适当的个体编码方法, 并构造合理的适应值函数, 优化铁路集装箱运输中的普零货物拼箱配装。结果发现以42件货物装入10t箱, 利用遗传算法得到的集装箱装载重量利用率为83 8%, 优化了装载结果, 达到了装载要求, 这说明该方法是可行的。     

一种基于VOD集群服务器的遗传均衡算法的研究

本文根据VOD集群服务器的特点,结合遗传算法的优点,对基于VOD集群服务器的负载均衡技术进行了分析和探讨,提出一种遗传均衡算法。     

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.     

�����������������Ŵ��㷨

网络设计问题来源于道路网络的规划，网络设计问题的算法研究对于交通规划的工程实践具有重要的实际意义。本文概述了网络设计问题，指出了网络设计问题数学模型算法研究的复杂性和重要意义。以连续网络设计问题为主要研究对象，分析了连续网络设计问题双层规划数学模型的结构特点。以现代遗传算法为基础，设计了适于解决连续网络设计问题的计算方法。以一个具体的连续网络设计问题为例，证实该算法不仅具有很好的收敛性而且算法所求得的最优解也是可靠的。本文的思想方法亦可运用于其它类型的网络设计问题。     

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．     

A Multiobjective Optimization Algorithm for QoS-Aware Path Selection in DiffServ and MPLS Networks

Introduction The enlargement of the Internet user commu-nity has generated the need for IP-based applica-tions requiring guaranteed quality of service (QoS)characteristics. For providing per-flow serviceguarantees without a per-flow state in the corerouters, the integration of DiffServ and multi-pro-tocol label switching (MPLS)[1]architecture hasbeen proposed. The MPLS architecture provides adistributed way for resource reservation and QoSpath setup through the use of a Label Distribut…     

解TSP的有序遗传算法

根据生物进化原理，提出了一种求解ＴＳＰ的有序遗传算法。利用有序编码规则，通过有序交叉算子和有序变异算子的作用，保证该算法不仅能获得ＴＳＰ的有效解，而且能可靠地获得全局最优解。计算机模拟实验表明，该算法具有收敛速度快，易获得最优解等特点。     

Identification Simulation for Dynamical System Based on Genetic Algorithm and Recurrent Multilayer Neural Network

Introduction　　Inpracticalapplication ,thereexistmoreorlessnonlinearphenomenainamajorityofphysicalsystems .Inordertostudythesekindsofphysicialsystems ,anonlinearsystemmodelmustbesetupfirstofall,andthensomeparametersidentificationofthepredefinedmodelmustb…     

一种模糊自适应遗传算法

为克服标准遗传算法的早熟现象,提高算法的全局收敛性和收敛速度,采用并行遗传算法的思想,将整个种群分为几个子种群,分别用不同的遗传算子进行遗传操作;并根据它们各自对进化的贡献,利用模糊推理的方法,对其所作用的子种群的规模作出调整．对函数优化的仿真结果表明,该算法能较好地克服早熟现象,取得较为满意的优化效果．     

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．     

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。     

基于改进遗传算法的公交线网整体优化方法

先进公交系统(APTS)是智能交通系统(ITS)的重要组成部分,也是目前的研究热点问题.本文讨论的公交网络优化问题则是实现先进公交系统的先决与基础.然而,对于实际规模的问题,传统的技术难以经济有效的解决.为此,我们提出了新的优化模型,设计了改进的遗传算法用以求解该模型.改进的算法有两个特点:基于优先级的编码和多染色体的结构.     

量子遗传算法的改进及其应用

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题，提出了一种改进的量子遗传算法(IQGA)．这种改进的量子遗传算法采用了已搜索到的最佳个体更新量子门和群体灾变策略．典型函数的测试结果表明，IQGA比QGA的收敛速度更快，且能有效地克服QGA易“早熟收敛”的不足．应用结果表明，IQGA的性能优于QGA和其它遗传算法．     

基于遗传算法的流量差值预测模型

随着高速公路网络以及联网收费技术的发展,路网中心需对各收费站进出流量差异进行分析及预测.该文应用ELMAN神经网络,运用相关站点历史数据逼近的方法,建立了流量差值预测模型;运用遗传算法对神经网络进行优化.预测模型能基本反映流量差值的变化趋势.     

改进的量子遗传算法在车间调度中的应用

在对车间作业调度问题及其调度方法进行描述的基础上,提出改进量子遗传算法（IQGA）并用于解决车间调度问题,改进的量子遗传算法用路由选择算法来选择染色体,进行编码,并用最优个体来更新量子旋转门,旋转角是自适应调整的,这样使算法更好的收敛到全局最优解,经过仿真,验证了算法的有效性。     

集装箱船舶支线运输航线优化算法

以枢纽港船舶限制时间和支线船舶容量为基础, 分析了轴-辐式网络运输模式。以船舶最小总航行时间为目标函数, 建立了混合整数规划支线集装箱运输模型。通过设计巡回路线方法实现杂交和变异, 更新了解的构成, 运用遗传算法求解模型。计算结果表明: 当船舶容量为150 TEU时, 在160次迭代后, 总航行时间为708.6 h, 航线数量为8条; 当船舶容量分别为100、150 TEU时, 在150次迭代后, 总航行时间为714.6 h, 航线数量为9条; 对枢纽港船舶限制时间和支线船舶容量进行方差分析, F检验统计量的概率值均明显小于0.05;对支线船舶容量和运营成本进行敏感性分析, 增大船舶容量能够减小航线数量和运行时间, 但增大了运营成本, 增大枢纽港船舶限制时间能够减小航线数量; 考虑航行时间和运营成本, 当船舶容量为150 TEU时最合理。     

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。     

货物列车编组计划的自适应遗传算法研究

货物列车编组计划是铁路货物运输管理的重点和难点之一,而我国铁路目前运能紧张,优化货物列车编组计划便能部分地解决这个问题。考虑到分组列车能减少集结耗费、加速车辆运行等优点,在分析了分组列车的技术效益的基础上,整合了优化模型,并设计了自适应遗传算法求解了该问题。通过与单组列车编组计划和最佳单组列车编组计划考虑其分组方案的情况的对比,测试结果表明整体优化后的编组计划具有更大的技术效益。     

基于遗传算法的道路车辆自组织网络源路由机制

在当前基于交叉路口的城市车辆自组织网络(VANETs)路由协议中，道路上数据包传输大多采用基于地理位置的贪婪转发策略，当数据量较大时，个别节点负载较重，极易引起传输延迟增大乃至丢包的情况.本文提出了一种基于遗传算法的源路由机制，通过记录单体车辆的驾驶信息而非传统方法中的车流均值数据，来预测道路上车辆网络的连通情况，并借助遗传算法，首次基于道路连通性、节点负载和连接跳数这3 点综合考虑，计算得出道路上最佳的源路由节点序列.仿真实验结果表明，在传输率与延迟时间上，性能均优于传统的贪婪路由机制，尤其在车流量为250 veh· lane-1· h-1时，传输率提升约13%.该研究可为智能交通信息通讯提供可靠助力.     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。