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。     

改进的混合遗传算法及其应用

本文针对简单遗传算法的缺陷,设计了一种混合型搜索策略对算法进行改进。这种改进的算法归一化处理了复杂的约束条件,利用精英策略和轮盘赌策略选择最优个体,多点交叉和动态的变异操作使得种群保持多样性。通过改进,使得算法更小几率陷入局部最优,仿真实验表明,这种算法在稳定性、收敛精度上得到了较好的效果。     

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．     

基于改进遗传算法的旅行商问题的求解

用遗传算法解决旅行商问题(TSP)时,经常面临过早收敛和遗传漂移等问题.文章分析了产生此类问题的原因,并针对其主要原因对经典遗传算法的选择、交叉和变异算子做了改进,使得改进后的算法可以有效保持种群多样性,从而提高了算法的稳定性和准确性;通过编程测试将改进后的算法和经典算法做了对比.     

用MATLAB实现进化策略算法——求特定方程的极小值

文中描述了一种利用进化策略算法对特定函数进行求值的解决方法,其中,编程工具为MATLAB。首先,对进化策略算法进行了系统阐述,其中,包括进化策略算法基本原理,阐述了交叉、变异、选择的工作原理;接着,就实际函数求极小值的问题的具体实现进行了描述;最后,根据实验的结果,讨论了对该算法的一些改进。     

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．     

基于NSGA-Ⅲ的多目标柔性车间调度

针对柔性作业车间调度问题,以加工时间、成本、质量和能耗为优化目标建立问题排序模型,并利用改进NSGA-Ⅲ进行求解。采用两段式编码对工序和机器进行小数编码,运用自适应交叉变异策略进行染色体进化,提出基于目标空间参考点的选择策略进行个体选择。结果表明改进后的NSGA-Ⅲ算法具有良好的求解质量。     

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。     

含特殊负荷的配电网分层故障定位方法

特殊负荷接入配电网，增强了电源、负荷与电网之间的互动性，对故障定位提出了更高的要求，为此，提出了一种快速定位故障点的分层定位方法. 首先分析基于遗传算法的单层含特殊负荷配电网故障定位的不完备性；其次在单层模型的理论基础上，提出改进量子免疫算法的区域定位方法和隐枚举法的区段定位方法；最后对所提模型和基于单一智能算法的单层模型进行了对比仿真实验. 结果表明:与遗传算法、免疫算法和改进量子免疫算法构建的单层定位模型相比，所提分层定位方法大大简化了故障辨识模型的复杂度，在提高定位效率的同时保证了定位的容错性和稳定性，可将故障搜索维度降低69%，故障定位耗时在1 s以内，故障辨识率达到100%.      

基于最大Lyapunov指数改进算法的交通流混沌判别

提出了一种快速判别交通流混沌的最大Lyapunov指数改进算法．该算法首先用关联积分法（C-C方法）和Cao方法确定重构相空间的两个重要参数：嵌入维数m和延迟时间，再用小数据量方法计算时间序列的最大Lyapunov指数．这种算法不仅能够很好地重构原始时间序列的特性，并且能够避免Wolf方法的局限性．应用最大Lyapunov指数改进算法对仿真交通流和实测交通流的时间序列进行了混沌判别，结果表明，基于跟驰模型的仿真交通流和实际交通流中存在混沌现象，最大Lyapunov指数改进算法是准确判定时间序列是否具有混沌特性的一种有效方法．     

基于资源约束的地铁运营施工任务调度研究

针对地铁运营施工资源有限、时间严格、任务繁重等特点,本文以地铁运营施工任务调度为研究对象,建立运营施工调度优化模型与算法。模型以任务优先级、施工人员和施工工区限制等为约束条件,以完工时间最小化、施工人员工作负荷均衡化为目标;设计一种联合线性规划与资源交叉(CPLEX-ROC)的混合求解算法;通过对某实际地铁运营线路展开案例研究,验证模型和算法的可行性与先进性。案例研究结果表明：相较于人工调度、遗传算法(GA)、教学优化算法(TLBO)方法,最大完工时间分别降低32.90%、15.11%和10.75%;施工人员工作负荷均衡指标相较GA、TLBO分别优化了15.44%和10.62%。计算结果验证了本模型能够提升地铁运营施工任务整体作业效率,同时实现施工人员工作负荷均衡。     

基于改进DE的云计算任务调度算法

差分进化算法DE(Differential Evolution)具有记忆个体最优解和种群内部信息共享的特点,是一种基于实数编码的、具有保优思想的简单、高效的新型进化算法.针对云计算任务调度问题,提出了一种考虑时间和成本约束的基于改进DE的调度算法(TCDE).该算法采用随机初始化种群,合法化修复变异个体,并采用贪婪直接交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体.在仿真实验中分别进行了TCDE与只考虑时间的TDE、只考虑成本的CDE的功能验证实验,TDE与遗传算法的性能对比实验.实验结果证明:改进后的差分进化算法能够适用于云计算环境下的任务调度问题,并取得良好的调度效果.     

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。     

古典谱估计加窗周期图的小波仿真实现

针对古典谱估计加窗周期图方法中窗函数选择的不确定性，利用小波变换多尺度分析特性对加窗期性能进行了改进，并以ＷＥＬＣＨ算法为原型，给出了改进算法及人讯具结果。     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异.同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式.最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效.     

引入个体相异度阀值函数的新自适应遗传算法

提出了一种引入个体相异度阀值函数的新自适应遗传算法,该算法根据个体的相异性,给出了个体相异度的概念和相应的计算公式,并设计了一个与进化代数相关的阀值函数,以实现选择性交叉和变异．同时为了克服传统自适应遗传算法在进化过程中停滞不前的缺点,该算法引入非线性函数作为自适应交叉率和变异率计算公式．最后,针对典型车间调度问题,分别对改进算法和其他优化算法的计算结果进行了比较,结果表明新算法更有效．     

改进动态克隆选择算法在邮件过滤中的应用研究

提出了可控变异和随机变异方法,改进了动态克隆选择算法,建立并实现一种改进的基于人工免疫系统的邮件过滤算法.并采用SpamAssassin垃圾邮件样本对算法性能进行测试.实验结果表明,引入改进的动态克隆选择算法后,该算法对具有变异特性的垃圾邮件能保持较高的正确识别率,具有较好的自适应性和多样性.     

基于改进免疫遗传机理的动态路径诱导算法研究

针对传统算法存在的不足,提出基于改进的免疫遗传机理的动态路径诱导算法。通过引入单点交叉算子配合控制策略的改进思想,在宏观上控制交叉过程以及构造优化简单的目标函数,较好地弥补了传统遗传算法早熟收敛、陷入局部最优解、运算效率较低等问题。最后采用此算法进行路网实例计算,结果表明该算法能较大程度地提高路网利用率,减少交通拥堵。     

公交线网优化的算法研究

为缩短居民乘车出行时间以及减少公交运营投入,在公交线网优化过程中通常采用具有全局最优的遗传算法。针对基本遗传算法自身的一些缺点,提出了一种改进的遗传算法。该算法在公共交通路线优选过程中运用减少搜索空间、加入最佳保留策略和修正策略的方法,对基本遗传算法中的选择、交叉、变异算子及中止条件进行改进。改进遗传算法能够在保证种群多样性的同时加快收敛速度,较好地避免了基本遗传算法前期容易早熟和后期进化缓慢等现象。实例仿真计算表明,该算法具有比基本遗传算法更高的效率,是优化公交线网的一个有效途径。     

求解具有恶化工件单机调度问题的改进遗传算法

为克服现有算法求解工件数较多的单机调度问题计算量大的缺点,分析了加工时间为阶梯函数的工件排序规则,以极小化最大完工时间为目标,提出了基于局部搜索的改进遗传算法,对基于工序编码方式的染色体设计了线性顺序交叉算子和融合工件排序性质的局部变异算子,并引入局部搜索策略,提高了算法局部搜索能力和收敛速度.算例测试结果表明:工件数为40件时,与模拟退火算法相比,本文算法求得的最大完工时间平均减少了56.6%,显著缩短了制造周期,并有效地避免了局部最优解,收敛速度显著提高.