基于遗传算法的自动化立体仓库的货位优化分配

文章针对自动化立体仓库的库区和货位的分配策略问题进行了讨论,提出立体仓库的库区优化数学模型：在库区优化基础上,进一步提出货位优化数学模型．将Pareto最优解的概念与遗传算法相结合,提出了一种改进的解决多目标优化问题的Pareto遗传算法解决货位优化问题．给出了仿真实验及分析,结果表明采用改进遗传算法优化策略可以有效地解决自动化立体仓库的货位优化分配问题。     

基于遗传算法的分式线性神经网络预测原油气油比

提出了基于遗传算法的分式线性神经网络优化方法。该方法首先用遗传算法优化分式线性网络的权值,然后在遗传进化结果的基础上,利用分式线性网络反向传播(BP)算法训练分式线性网络,获得网络的最优权值。作为应用,预测原油溶解气油比的基于遗传算法的分式线性神经网络模型被给出。对比实验表明,基于遗传算法的分式线性神经网络优化方法是一种新的建模方法。     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

基于混沌遗传算法的虚拟维修拆卸序列规划研究

将经典遗传算法和混沌算法相融合,提出一种混沌遗传算法,该算法可以用于解决虚拟维修拆卸序列优化问题。     

基于改进遗传算法的FIR数字滤波器的优化设计

提出了利用基于BP(Back Propagation)神经网络的遗传算法来设计FIR数字滤波器的方法。针对遗传算法很难实现全局最优和搜索速度比较慢的缺陷,提出了改进算法,该算法充分利用了遗传算法的全局搜索功能强和BP神经网络的搜索效率高,优化了搜索时间,提高了算法性能,对于解决大规模多极值优化问题特别有效。最后,以设计低通滤波器的实例验证算法的可行性。     

基于K均值的改进遗传算法求解TSP

提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用节约的思想将多段回路连接构成单一回路。其中遗传算法引入距离因子,结合TSP回路中边的长度进行交叉和变异,实验证明,基于K均值的改进遗传算法在求解结果方面提高30%以上。     

基于多周期的快速时尚服装物流供应链的库存分类最优问题

构建了多周期快速时尚服装物流供应链库存分类优化的模型,其以单个销售季节的利润为目标函数,以时尚服装的销售特征为约束条件,为了求得模型的最优解,提出了改进的遗传算法,并就该算法与启发式算法和微粒群优化算法的运算结果进行了对比检验,证实了改进遗传算法可以为多周期库存分类问题提供较好的解。     

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.     

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。     

基于K均值的改进遗传算法求解TSP

提出一种基于K均值聚类方法的改进遗传算法,该算法通过聚类方法把大规模TSP转换为多个小型TSP,利用改进的遗传算法针对每一个类分别优化,求解得到多个闭合回路,再利用节约的思想将多段回路连接构成单一回路.其中遗传算法引入距离因子,结合TSP回路中边的长度进行交叉和变异,实验证明,基于K均值的改进遗传算法在求解结果方面提高30％以上.     

公交枢纽内始发线路优化配置及其遗传算法

提出公交枢纽内始发站的布置方法,建立了公交线路和站台间优化配置模型,并提出运用遗传算法进行求解。最后通过实例分析了提出的优化模型及解法的有效性。     

基于免疫遗传算法的物流业路径规划

为了克服遗传算法的缺陷,将生物学中的免疫机制与标准遗传算法结合,提出一种基于免疫遗传算法的物流业路径规划方法.仿真实验结果显示:该方法能够有效求解大规模的路径优化问题,相比遗传算法,免疫遗传算法具有更快的收敛速度.     

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。     

遗传算法在车间物流配送优化中的应用

在车间物流配送中,合理确定配送路径是提高搬运质量、降低配送成本、增加经济效益的重要手段。在建立车间物流配送优化问题的数学模型的基础上,构造了求解物流配送路径优化问题的遗传算法。计算结果充分表明,遗传算法在进行车间物流配送优化中有很大的优势,可以有效地求得问题的最优结果。     

车辆数不确定的软时间窗车辆路径问题的改进遗传算法

综合考虑车辆数和行驶距离两种优化目标,提出了VRPSTW的多目标优化模型,同时提出了解决VRPSTW问题的一种改进遗传算法。在算法中,通过适应度函浸透的变化,较好地解决了多目标优化的问题;通过对交叉算子改进,增加了算法的寻优能力,同时又克服了算法对群体多样性的要求;针对遗传算法局部搜索能力弱的问题。加入了2-opt局部搜索方法,很好地弥补了遗传算法的不足。经过实验,本方法能较好地解决VRPSTW问题,从而对运榆决策提供有力支持。     

基于实数编码的遗传算法对无功优化的影响

遗传算法在电力系统无功优化应用方面,最大的优势就是对目标函数没有连续可导的要求,这使得遗传算法作为无功优化的主流算法。但是,遗传算法也有自身的不足,尤其是对染色体的编码方式上,常规遗传算法的二进制编码方式使个体变量显得冗长,严重影响了算法的收敛速度和计算的精度,限制了遗传算法优势的发挥[1]。本文将常规遗传算法的二进制编码进行改进,针对电力系统的控制变量特点,对变量进行实数编码,最后对IEEE-14节点系统进行无功优化,仿真结果表明:基于实数编码的遗传算法较常规遗传算法的优化效果好。     

基于进化Kriging模型的金属框板结构优化研究

金属加筋板在飞机结构设计中应用广泛,其优化改型设计亦备受重视,文章将借助试验设计和进化Kriging近似模型对金属加筋板尺寸进行优化设计,并采用多目标遗传算法NSGA-Ⅱ对近似模型寻优得到最优解。通过对金属框板结构稳定性优化计算结果分析,可以确定所提出的优化设计效果显著且优化效率高。     

基于遗传算法的最小流量阀自适应控制器的研究

目前很多最小流量阀的控制系统是非线性、有时滞且存在时变，虽然静态时控制系统经整定后是稳定的，但热态实际运行时，常常会出现振荡。本文提出了遗传算法优化自适应控制器的方法，与响应曲线法和Ziegler-Nichols法得到的PID参数仿真比较表明，遗传算法优化的自适应控制器应用于最小流量阀控制器参数优化是可行和有效的。     

邮轮建造管加工车间物资配送优化研究

为了优化邮轮建造管加工车间的生产物流,提高管加工车间物资配送的物流效率,进而提高生产效率,缩短生产周期,有必要对邮轮建造管加工车间的生产物流进行优化,首先将邮轮建造管加工车间的物资配送作业优化问题转换为带时间窗的车辆路径问题(VRPTW),其次借助改进的遗传算法求解模型,最后与传统的遗传算法运行结果相对比,体现了改进遗传算法性能的显著优越性。     

遗传算法及其简单应用

遗传算法是由自然选择的生物进化发展而来,它是对优化的目标函数没有连续、可微等要求,且算法的结果不依赖于初值选取的群体搜索随机优化算法。因此,对遗传算法的研究,具有重要的理论意义与实用价值。外卖订餐已成为当代大学生校园生活的重要组成部分,因此,外卖配送位置的合理选取在校园外卖配送中至关重要。本文通过介绍两种常见的遗传算法,进而研究遗传算法在的简单应用。