基于遗传算法的公路纵断面优化

提出了一种基于遗传算法的纵断面优化方法，这种方法可以在一个可行域中自动搜索一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域，通过编码建立染色体与实际设计变量之间的一一对应关系，然后对可行域中的可能解用一个评价函数(适应度)进行度量，利用遗传算法在可行域中选择最优解。实践表明：该方法具有全局解空间搜索能力，从而实现了全局寻优的目的，对道路优化设计是有效的，可行的。     

基于遗传算法的单线列车运行调整体系

针对单线列车运行的特点，提出了“相邻列车”的概念，根据此概念建立了单线列车运行调整模型，并推导了列车运行图偏差函数作为模型调整目标．鉴于列车运行调整问题的解空间太大，用一般的运筹学方法难以有效地求解，提出了基于遗传算法的优化求解算法．该算法根据被调整列车的等级将原问题分解成若干子问题，并在对每个子问题求解的过程中，运用遗传算法在解空间中寻优．仿真结果显示了该模型和算法在应用于实际运行调整时的有效性和实时性．     

神经网络与遗传算法结合在结构优化设计中的应用

利用神经网络对有限元计算的样本数据建立起结构设计参数与位移，应力等的全局性映射关系，以获得遗传算法求解结构优化问题所需的目标函数值，从而进一步获得问题的优化解，５杆桁架等例表明，此方法可以在较少的有限元分析次数下获得的较好的优化解。     

约束优化问题的多参量遗传算法

约束优化问题的传统求解方法是拉格朗日乘子法，函数的可导性和多峰性常常成为求解过程中的难题。遗传算法的并行搜索为这类问题的求解提供了一种新的途径。为了提高计算效率，有学者提出用两级遗传算法分别解决拉格朗日乘子入及优化参数的求解问题。用多参量遗传算法可以同时解决两级优化的遗传算法，把分级优化的参数同时编码，就把两级优化转化为一级优化。经试验该算法虽不能使优化算法的计算时间大大降低，却可以使程序设计工作相对简化，同时使遗传算法程序更具通用性。     

均匀设计和遗传操作并行的遗传算法

针对简单的遗传算法稳定性较差，容易发生早熟收敛的不足之处，提出了将均匀设计和遗传操作相结合的遗传算法，通过编码在问题的解空间和算法的搜索空间之间建立一个映射，对其进行交叉操作，变异操作和均匀设计操作，用典型的测试函数进行测试，证明了该算法是可行的，与单纯遗传算法相比，计算精度和收敛速度更高。     

���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。     

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

遗传算法在铁路客车横向稳定性多参数优化中的应用

以典型铁路客车的动力学模型为研究对象，以车辆最大可行速度为目标函数，采用遗传算法对其横向稳定性参数进行了最优化的计算研究。结果表明：遗传算法在求解车辆动力学系统的参数优化问题中具有很好的适用性。尤其是对于多参数，多峰的非线性问题，该法提供了求解问题全局最优解的可能性。     

带时间窗的车辆路径混合遗传算法

基于标准遗传算法，将每一个染色体与分组信息相结合，使染色体结构包含有更多信息，辅以λ-交换局部搜索技术，构造了一种新的混合遗传算法，对带时间窗约束的车辆路径问题进行了求解，并与标准遗传算法的求解结果进行了对比研究，发现使用混合遗传算法，总行驶里程为162km，而使用标准遗传算法，总行驶里程为182km。结果表明混合遗传算法的求解结果比标准遗传算法更加接近最优解，所需的行驶里程缩短，有效降低运输企业的车辆运行成本。     

遗传算法在飞剪机结构参数优化设计中的应用

在对飞剪机结构参数的优化设计中，应用了一种新兴的高效寻优方法-遗传算法。文中对基于遗传算法的参数优化过程进行了全面和简要的说明。实例计算表明，该方法可以获得比较满意的优化设计结果。     

城市公共交通系统中双目标换乘优化模型及实证研究

城市公交换乘是多目标约束路径问题,具有重要应用价值和实际意义. 基于小生境复制技术的遗传算法利用染色体之间的相异性来保持种群的多样性,并保持针对多目标的多个较优染色体,从而可得到问题的Pareto解集.基于这一思想, 建立了城市公交换乘的一种双目标优化模型,并用基于小生境复制技术的遗传算法求其Pareto解集.最后,给出了一个计算分析实例.     

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.     

浮点遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题,利用浮点遗传算法适应值的分布和实数编码的特点,通过缩小、移动搜索空间的方法,将整体和局部寻优能力有机地结合起来,求得非线性方程组的高精度的解．数值模拟结果表明浮点遗传算法的有效性。     

改进的遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题,利用遗传算法适应值的分布和二进制编码的特点,通过缩小、移动搜索空间的方法,求得非线性方程组的高精度的解．同时,数值模拟表明改进后的算法的提高了遗传算法在演化后期的局部寻优能力。     

具有中间弹性支承的网架桥

在结构工程中，空间网架已广泛地用于大跨屋盖结构。本文在阐述空间网架结构的优点及现有桥结构平面受力机理的基础上，分析了网架用于桥梁工程的可能性及合理结构形式（如具有中间弹性支承的网架系杆拱桥和网架斜拉桥）。计算和分析表明，网架用作桥梁结构具有整体性好，刚度大，受力均匀，抗震性好和用钢量少的特点。     

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.     

双重不确定下应急物资多式联运可靠路径优化

为按时、可靠地将应急物资运达目的地，综合考虑需求和运输环境的双重不确定性、节点疫情感染风险、成本约束、班期限制和转运能力限制等，构建以可靠度最大为目标的应急物资多式联运可靠路径优化模型。同时针对所求问题的NP-难特点，设计蒙特卡洛自适应遗传算法和模拟退火遗传算法进行求解，并引入优劣解距离法对算例的运行结果进行分析。研究结果表明：蒙特卡洛自适应遗传算法较模拟退火遗传算法在求解质量和求解时间方面更优，在交叉概率为0.80，变异概率为0.08，种群大小为50的最佳参数组合下，得到的优化路径最大可靠度为85%，且求解出来的最优路线均未经过存在疫情感染风险的节点，求解结果较好。参数分析表明：在交叉概率相同的条件下，两种算法的平均运行时间均随着变异概率的降低而减少，随着变异概率的增加而增加；多式联运路径优化的决策会受水铁班期的影响。     

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.     

多目标演化算法在混合电动车设计和控制中的应用

以混合电动车(HEV)的性能仿真软件ADVISOR为平台，应用一种高效的多目标演化算法——非占优排序遗传算法(NSGA-II)，将一辆并联HEV的百公里油耗和HC，CO，NOx的排放等4个目标同时进行了优化，优化变量同时包含了部件尺寸参数和能源管理策略参数，得到了一组Pareto解．针对该Pareto解集的分析表明，在不牺牲动力性的前提下，NSGA-I大大提高了原车的经济性能和排放性能，并且为HEV的设计与控制提供了一个较宽的选择范围．     

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。