基于遗传算法轿车焊装车间车辆路径优化

遗传算法是一种模拟自然进化过程搜索最优解的方法。通过建立某轿车焊装车间车辆路径问题数学模型,然后利用遗传算法求解该问题,最后在Matlab软件中进行编程求解,有效地求解出问题的最优解或近似最优解。     

遗传算法在SPLP问题上的应用

就遗传算法在SPLP问题上的应用进行了总结和归纳、并用局部搜索能力很强的爬山算法来优化产生下一代群体,从而使得群体迅速逼近最优,避免陷入局部最优解。     

蚁群遗传混合算法在求解旅行商问题上的应用

针对在求解旅行商问题时,蚁群算法易陷入局部最优,而遗传算法收敛速度慢等问题,将蚁群与遗传算法相结合:把蚁群算法每次迭代的结果作为遗传算法的初始种群,并且用遗传算法寻优结果更新蚁群算法的信息素。在用遗传算法处理问题的阶段,引入了两种新的交叉算子,并且提出混合交叉算子的新思想,算法的后期使用贪心搜索和2-opt局部优化算法,成功的避免了算法过早陷入局部最优解的问题,加快了算法的收敛速度。通过仿真,本算法与其他算法进行对比,寻优路径长度明显降低,在求解效率和求解质量上都有更好的效果。     

岩土边坡稳定性的遗传算法分析

非线性优化方法主要缺陷在于当边坡土层为非均质复杂条件时,无法保证搜索到安全系数的全局最小解,而只能搜索到局部极小解。基于遗传算法,建立了搜索岩土边坡稳定性分析最小安全系数和滑移面中心坐标与半径的数值方法。问题的可行解在变量搜索区间内搜索,包括滑弧的圆心坐标和半径。数值模拟结果表明,遗传算法搜索到的边坡稳定最小安全系数与理论解是一致的。     

基于遗传-蚁群混合算法求解旅行商问题

作为物流领域中的典型问题,旅行商问题的求解具有十分重要的理论和现实意义.在它的传统求解方法中,遗传算法和蚁群算法被广泛采用,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷.本文采用遗传-蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,对旅行商问题求解,并进行了实例仿真.仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率.     

基于混合优化算法的带时间窗的车辆调度问题求解研究

论文建立了带时间窗的车辆调度问题的数学模型，并针对遗传算法在局部搜索能力方面的不足，提出将模拟退火算法与遗传算法相结合，从而构造了求解车辆调度问题的混合优化算法，并进行了实验计算。计算结果表明，用这种混合优化算法求解车辆调度问题，可以在一定程度上用模拟退火算法突跳性克服遗传算法在局部搜索能力方面的不足，从而得到质量较高的解。     

基于改进遗传算法的混流手机壳产线动态平衡研究

为解决多目标混流生产线平衡问题,提出了生产调度多目标优化模型,并运用改进遗传算法对问题进行了优化求解.为了扩大搜索的空间避免陷入局部最优解,通过生成变异率和交叉率不同的两个子种群分别单独进化,在保留各种群最优染色体后依着规定的规则相互之间进行交流.结果表明装配线平衡率提升了8.43％,各工作站生产负荷减少了0.9305...     

基于混合遗传算法对应急条件下蔬菜配送问题的研究

建立了一种应急蔬菜配送问题的模型,考虑到在对该类问题规划线路时种群规模对遗传算法选择最优解的影响,将改进扫描法的思想融合到遗传算法中,形成一种新型的混合遗传算法。结合改进的扫描法后的遗传算法在种群选择上加以有效控制,减少了遗传算法陷入局部最优解的概率,同时提高了算法的时效性。     

基于遗传算法的带时间窗约束车辆路径问题研究

在建立带时间窗约束物流配送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配送路径优化,可以方便有效地求得问题的最优解或近似最优解.     

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。     

区域物流中VRPTWSDP问题的混合遗传算法

研究了区域物流中带时间窗约束的具有同时集送货需求的车辆路径问题（VRPTWSDP）,给出了VRPTWSDP的混合整数规划模型,设计了求解VRPTWSDP的混合遗传算法（HybridGA,HGA）。算法以最优划分方法计算适应值,邻域搜索法作为变异算子,设计了新颖的交叉算子和群体更新策略,定义了群体多样性结构和变异概率的变化规律。对典型VRPTWSDP实例进行测试的结果表明：HGA算法能较快地获得小规模问题的最优解,并能有效地求解大规模的问题。     

配送中心车辆调度模型及遗传算法设计

针对物流配送中心车辆调度问题,采用混合整数规划方法进行建模。对实际问题进行研兖分析后,基于所研究问题的特点,提出基于遗传算法的求解方法。通过数值实验对算法不同参数组合进行分析、比较,获得最佳参数组合．建立了有效的求解该问题的遗传算法。并通过对实际问题的数值仿真试验．验证了算法的有效性。     

基于混合遗传算法的多配送中心选址问题研究

就区域配送体系的多配送中心选址问题构建确定性规划模型，相应提出混合遗传算法的求解方法。该算法结合了单亲进化遗传算法和经典遗传算法的优点，能够使部分种群择优进化的同时整体种群的解全局收敛。仿真案例表明算法能够在5％的误差限内有效、稳定的逼近全局最优解，生成的选址线路图具有实践指导价值。     

多时间窗车辆路径问题的数学模型及算法

研究了多时间窗车辆路径问题,增加了车容量及最大行驶距离等限制条件,以总成本最低为目标,建立了整数线性规划模型,并利用Lingo软件编写了求解该模型的精确算法程序。然后通过引入最优个体保留机制对传统的遗传算法进行改进,设计了求解多时间窗车辆路径问题的遗传算法,最后通过具体实例验证了模型及算法的有效性。     

总成本最小化的欠拨待补库存模型及遗传算法的应用

文中试图建立一个欠拨待补库存模型以探讨在允许缺货的情况下安全库存、订购量与总成本之间的关系,并采用遗传算法对模型的最优解进行研究。文中将遗传算法中的影响因子分为三水平共有81种不同的排列组合,每种组合用10组假设数据去仿真求解,并借助变异数分析和田口博士提出的统计量SN比(望小特性)探讨使库存相关总成本为最小时的遗传算法的最优设定参数。     

基于遗传算法的钢筋混凝土梁优化设计

针对传统结构设计中存在的问题,提出了用遗传算法对建筑工程中常用的钢筋混凝土梁进行了优化设计的研究。以梁的工程造价为目标函数,建立了满足混凝土结构设计规范中承载力、正常使用和构造要求的优化设计模型,根据模型特点,对遗传算法进行了改进,应用到混凝土梁优化设计中,提高了全局搜索能力,保证能够收敛到最优解。通过实例分析,结果表明,能够很快地收敛到最优解,应用到工程能够大大地降低成本。     

基于免疫算法的后方仓库选址建模与仿真

针对当前陆军装备维修器材供应链后方仓库供应网络布局不合理、保障效益低等问题,建立后方仓库选址非线性规划模型,设计免疫算法仿真求解。以NB战区为例,验证了模型和算法的有效性,得到后方仓库最佳位置和供应网络,为全面、科学做出后方仓库选址决策供定量分析数据支撑和可视化图形参考,并与粒子群算法和遗传算法进行对比分析。