基于遗传算法的物流配送路径优化问题研究

在建立物流本着路径优化问题数学模型的基础上，构造了求解该问题的遗传算法，并进行了实验计算，计算结果表明，用遗传算法进行物流本着路径优化，可以方便有效地求得问题的最优解或近似最优解。     

基于多目标遗传算法的高速公路多目标路面养护决策优化

高速公路多目标路面养护决策优化是高速公路路面养护决策优化未来发展的趋势,也是目前研究的热点。针对传统数学规划方法用于高速公路多目标路面养护决策优化的不足,引入了目前在多目标优化领域应用较多的带精英策略的非支配排序遗传算法NSGA-Ⅱ。将NSGA-Ⅱ应用于高速公路多目标路面养护决策优化问题中,仿真结果表明其性能优于传统的数学规划方法,具有广阔的应用前景。     

基于遗传算法的盘式制动器多目标优化模型

介绍了盘式制动器混合多目标优化问题数学模型的建立，提出以制动摩擦力矩和制动时间为主要优化目标的多目标函数，为求得全局最优解，引进了遗传算法进行优化，结果表明，方法简便可行。     

基于多目标遗传算法的混合电动汽车参数优化

动力系统和控制器参数的同时优化是提高混合电动汽车(HEV)燃油经济性并降低排放的关键。这类优化问题涉及多个相互冲突的优化目标和非线性约束,是典型的多目标优化问题。文中采用多目标遗传算法求解该优化问题的Pareto最优解集,并应用ADVISOR对实际算例的优化结果进行比较分析。结果表明,应用该方法可找到多组可行解,在满足原车动力性要求的前提下能有效提高燃油经济性,降低排放。     

基于多目标优化与遗传算法的公交调度模型

结合地区公交现状制定合理的公交调度机制,对于公共交通发展有着重要的现实意义和指导价值.本文以公交公司运营成本和乘客出行成本最小化为目标函数,考虑车辆核载、出行时间等约束条件建立多目标优化函数,构建城市公交调度模型.然后采用遗传算法进行求解,并以黄骅市6路公交进行模型检验.研究表明,优化后的公交调度机制能够有效降低公交公...     

基于遗传算法的变速器多目标优化设计

本文以体积最小化和功率使用率最大化建立了变速器多目标优化设计数学模型,并在可靠性的基础上,给出了约束条件;最后运用遗传算法对所建模型进行了实例测试,测试结果表明所建模型正确有效,对齿轮传动的设计具有参考价值。     

基于遗传算法的变速器多目标优化设计

本文以体积最小化和功率使用率最大化建立了变速器多目标优化设计数学模型,并在可靠性的基础上,给出了约束条件;最后运用遗传算法对所建模型进行了实例测试,测试结果表明所建模型正确有效,对齿轮传动的设计具有参考价值。     

基于改进的Pareto遗传算法的车身气动多目标优化

把气动性能和空间性能作为优化目标,用改进的Pareto遗传算法求解得到流线型车型和普通车型无轮车身的Pareto波阵面。通过二维车身优化算例验证,以小家族为单位进行进化的邻点交叉法、分象限外推法和单目标预测法配合使用,可以有效提高子代的分布性能和进化效果,解决三维车身气动优化中计算量过大的问题。流线型车型与普通车型的Pareto波阵面相比,在中低阻区,前者的综合性能更优秀,在高阻区则反之。     

公路路线多目标遗传算法优化设计研究

公路路线设计是一个多目标的问题,传统将多目标转换为单目标优化方法存在目标统一准确性差的缺点,考虑多目标间的冲突性,提出采用多目标遗传算法进行路线优化。主要思想是通过建立多目标模型和路线线形模型,进行平面线形设计,经过纵断面优化后计算各目标函数值。采用快速非支配排序法对目标值进行排序,满足分布性的要求下构造非支配集,反复迭代计算后,输出满足终止条件的非劣解集。利用此算法进行实例验证,结果表明能在兼顾安全、经济、舒适、环保的目标下,给出一序列最优解,为路线方案决策提供直接依据。     

基于遗传算法的混合动力汽车参数多目标优化

针对混合动力汽车设计参数众多的状况,提出了一种对混合动力汽车传动系统参数和控制参数同时进行优化的多目标优化新方法--自适应遗传算法.在ADVISOR平台上,以一辆使用逻辑门限控制策略的并联混合动力汽车为例,分析并建立了以动力性能指标为约束的混合动力汽车参数优化的非线性规划模型,其目标函数包含最小油耗和最佳排放性能.针对遗传算法容易早熟等不足,采用带自适应交叉和变异算子的遗传算法和模拟退火技术相结合进行求解.仿真结果表明了所提出方法的有效性.     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

基于多目标优化的公交车调度问题的模型与算法

针对1条公交线路上的公交车调度方案,综合考虑公交公司和乘客的利益,利用多目标优化的方法建立了公交车调度的数学模型,给出了载客满意度函数和乘客等待时间满意度函数,采用了高性能的遗传优化算法对全天公交车运营的状况进行了数值模拟。仿真结果表明,选择采用将全天发车策略细分18个时段的模型,可得到最优的发车时刻策略。该模型可有效地改善公交车辆运营调度优化效果,提高公交车辆的运营效率,为城市公交车辆调度管理提供了合理、有效的调度方法。     

基于免疫遗传算法的公交线网优化研究

为了提高遗传算法在线网优化中的稳定性,在遗传算法过程中加入免疫因子的提取与注射,并设置局部最优的检测。改进后的免疫遗传算法能结合求解问题的特征信息对种群进行免疫接种,提高搜索速度和精度。通过路网验证,并与标准遗传算法进行比较,表明效果明显。     

停车诱导信息系统显示优化问题的遗传算法求解

针对复杂的道路网布置和具体的道路交通状况,基于广义停车成本概念探讨了停车诱导信息系统的显示优化问题,并建立了显示优化模型。对于这个0—1模型,设计了利用基本遗传算法(SGA)求解的步骤,通过一个实例验证了模型和求解方法的科学性和适用性。     

基于多目标模拟退火算法的高速电磁阀优化设计

高速电磁阀的关键结构参数对高压共轨喷油器的响应特性具有决定性影响,采用多目标模拟退火优化算法MOSA(Multi Objective Simulated Annealing),基于多目标多学科优化平台modeFrontier,并集成有限元分析软件Ansys,以高速电磁阀开启、关闭延迟时间和电磁力为目标函数建立了多目标优化模型,对高速电磁阀的关键结构参数进行多目标优化设计。结果表明:电磁阀开启延迟时间降低了15.4%,达到0.11 ms;关闭延迟时间降低了25%,达到0.18 ms,;电磁力提高了12.5%,达到160 N。     

基于改进遗传算法的带软时间窗果蔬运输路径选择问题

为了研究果蔬在运输过程中受到的振动、冲击和碰撞对产品质量的不利影响,提出了一种包含带软时间窗、路面不平度和道路等级影响等因素的改进遗传算法模型。该模型是以改进目标函数、适应度函数和交叉因子为参数设置,对配送成本进行最小优化分析。将此模型与传统 OX 交叉遗传算法和组序交叉遗传算法进行了对比,以江苏省13个地级市之间的果蔬配送路径为案例分析。结果表明与其传统算法相比,提出的改进遗传算法能够对成本的预测提高15.3%。     

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。