自适应并行遗传算法求解非对称性旅行商问题

遗传算法是一种模拟生物进化的搜索最优解算法。根据交叉概率与变异概率在不同时期的不同要求,提出一个随进化代数和群体的适应度进行自适应调整的策略。同时,采用粗粒度并行策略,使算法具有更好的收敛性、稳定性、更快的速度和更好的优化质量。最后通过一些精典的非对称性旅行商问题对该算法进行了检验,结果表明自适应并行遗传算法可以有效提高遗传算法的求解性能。     

基于并行遗传算法的车辆路径问题

提出两种改进策略来提高遗传算法的性能,首先通过粗粒度并行机制以避免遗传算法在进化过程中易产生过早收敛现象,同时提出了一个主从式迁移策略来提高"优质"个体在交换过程的生存能力,有效的提高优化的速度和解的精度.最后,通过若十著名的车辆路径问题对该算法进行了验证,结果表明提出的并行遗传算法可以有效的提高优化速度和求解质量.     

快速、精确的热电联产经济调度研究

为更好地解决热电联产经济调度问题，提出了一种基于剪枝的改进遗传算法。该算法基于不同时期的种群适应度，调整自适应选择和交叉策略，在每次迭代之后对不合适的基因进行剪枝处理，提高了算法的收敛精度，加快了收敛速度。同时，也在确保种群多样性的前提下，保证了算法的收敛性。     

基于云自适应遗传算法的物流配送中心选址问题研究

物流配送中心是整个物流系统的关键环节,对于降低物流成本、提高物流效率具有重大意义。现有求解物流配送中心选址问题的传统遗传算法,存在种群多样性较差、个体退化等缺点,算法性能有待进一步改善。针对该问题,在云模型理论的基础上,本文提出了求解物流配送中心选址问题的云自适应遗传算法。算法的核心思想在于利用云模型理论生成交叉和变异概率。最后的仿真实例表明,本文所提算法具有更好的求解性能。     

基于遗传算法的可拓故障诊断新方法

针对目前可拓综合评价中采用的各种权重系数的确定方法不能跟踪环境变化的缺陷,提出了基于遗传学习的权重系数确定新算法.结合遗传算法的特点,给出了交互作用方式下的适应值函数的定义策略.同时研究了遗传算法中交叉和变异的自适应策略,并给出了适合在线权重分配遗传算法的参数.将该算法用于刀库可拓故障诊断权重分配中,结果表明算法具有较高的效率和精度.     

基于并行遗传算法的车辆路径问题

提出两种改进策略来提高遗传算法的性能，首先通过粗粒度并行机制以避免遗传算法在进化过程中易产生过早收。敛现象，同时提出了一个主从式迁移策略来提高“优质”个体在交换过程的生存能力，有效的提高优化的速度和解的精度。最后，通过若干著名的车辆路径问题对该算法进行了验证，结果表明提出的并行遗传算法可以有效的提高优化速度和求解质量。     

一种求解装箱问题的混合算法

针对一维装箱问题,在考虑遗传算法早熟收敛问题和禁忌搜索算法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传和禁忌搜索的装箱优化算法,与简单遗传算法相比,该算法具有更好的收敛性能。最后通过实例验证了算法的有效性。     

带混合时间窗的配送车辆路径问题研究

针对传统的配送车辆路径问题,在传统的运距及容量等限制下,增加客户的混合时间窗和车辆在客户点的服务时间,以惩罚、配送总成本最低为目标,构建出带有混合时间窗的车辆路径问题的数学模型.并引入优良基因及最优个体保护策略改进遗传算法,同时设计参数自适应调整公式调整交叉概率,设计了带混合时间窗的配送车辆路径问题的改进遗传算法,最后由实例证明了VRPMTW模型及遗传算法的有效性.     

基于遗传算法的快递配送车辆路径问题研究

在快递配送过程中,快递配送中心作为货物集散点,首先要分派车辆到各个配送点(客户)送货和取货,为降低配送成本,提高配送效率,车辆的调度是一个重要的问题.根据快递配送的特点,主要研究的车辆路径问题为配送中心在为各分点进行快递配送时,采用快件送达和收集同时服务的配送策略,假设车辆在各点之间的行驶时间服从正态分布,配送分点有软时间窗约束并且快件收集数量服从泊松分布的条件下,建立了问题的求解模型,并进行了基于遗传算法求解的应用设计.该遗传算法通过基于适应度排名和最佳个体保留的选择策略和自适应交叉概率的参数控制来保证所求结果的优良性,并设计算例用matlab编程进行实验,证明了算法的可行性.     

一种基于佳点集遗传算法的物流配送网络优化

首先根据实际问题分析了物流配送网络优化模型的各个关键组成部分,包括优化目标、决策变量和约束条件,并针对目前物流配送网络优化算法中存在的一些问题提出了一种新的算法,其核心是佳点集遗传算法。该算法编码采用prufer num ber结构,变异和交叉概率自适应选择。