遗传算法求解最佳证券投资组合

遗传算法作为一种高效并行的全局优化搜索方法,已应用到许多领域,在求解科学研究和工程技术中各种组合优化搜索与优化计算问题方面取得了成功。本文将遗传算法引入到证券投资分析领域,利用该算法对最佳证券组合问题进行优化计算,使求解过程更简洁、直观,适合计算机进行并行处理。本文简要介绍了遗传算法的框架并举例说明了利用遗传算法计算最佳证券组合问题的求解步骤。     

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。     

电子商务下现代物流企业配送系统优化研究

根据电子商务环境下物流配送系统的特点,建立了带时间窗的车辆优化调度问题的数学模型.设计了一种混合遗传算法,在求解的过程中加入了模拟退火操作,对每一代中的每个个体进行邻域搜索并依据模拟退火中的接受概率选择邻域个体,然后再进行选择、交叉、变异等遗传操作,以此来克服遗传算法早熟收敛的缺陷.用此混合遗传算法对模型进行求解,通过仿真实例计算,并与遗传算法比较,取得了满意的结果.     

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。     

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。     

粒子群算法及其在桁架结构优化设计中的应用研究

本文分析了该算法的主要参数对搜索方向的影响,并对粒子群优化算法在桁架结构优化设计中的应用进行了分析。利用粒子群优化算法与遗传算法分别对两个桁架结构优化设计算例进行求解,将两种算法的计算结果进行了对比,计算结果表明在满足相同的计算精度的前提下,粒子群优化算法的效率更高。因此,基于粒子群算法的结构优化设计是切实可行的。     

基于混合算法的装配式住宅项目进度优化研究

目前对于装配式建筑在现场施工过程中存在工期延误的问题,以某个标准层为研究对象,并在诸多因素的约束下,将遗传算法和模拟退火算法结合起来,以遗传算法的全局搜索思想为前提,模拟退火算法为主要框架,并构建以工期最优为目标的进度优化模型,从而达到工期优化.通过实际案例分析,进行三种算法对比,表明了混合算法在对于装配式住宅项目现场施工工期优化中具有科学精准、强鲁棒性的优点,对于装配式建造有很大实用价值.     

配送中心选址的遗传算法研究

针对配送中心的选址问题,将遗传算法这一全局搜索优化技术运用其中,通过建立选址的遗传算法模型,研究了算法设计,分析了其特点,并与传统的混合整数规划解法进行了分析比较。     

基于遗传算法的高校排课系统的研究与实现

遗传算法借鉴生物界自然选择和遗传机制,使用群体搜索技术,处理传统搜索方法难以解决的复杂的非线性问题。排课问题是一个NP完全问题,除了穷举法没有绝对的求解方法。高校排课涉及到课程、教室、班级、教师和时间五方面相互关联的因素。按照遗传算法思想,对初始课表进行优化,并用Delphi进行编程,试验结果表明,遗传算法对课表的优化有着比较显著的作用。     

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.     

基于局部搜索遗传算法的仓库车辆调度优化研究

针对仓库装卸搬运系统实际运行时设备资源冲突和搬运车辆任务分配问题,建立了具有多个复杂约束条件的车辆调度优化问题数学模型.提出了一种求解仓库车辆调度优化问题的局部搜索遗传算法,解决了局部搜索中寻找高效邻域结构的技术难题,并用实例进行了验证.     

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。     

遗传算法在计算机通信网优化中的价值探究

遗传算法是基于自然界中生物的进化基本法则而发展起来的一种新的算法,应用十分广泛。随着现代科学技术的快速发展以及社会发展对人工智能的迫切需要,在智能的领域中,有很多的问题需要在复杂并且庞大的搜索空间中寻找最优解或者准优解,促使着遗传算法被广泛应用到各个领域,也使越来越多的人去研究遗传算法,遗传算法已经运用到了计算机的通信网优化中。本文将通过遗传算法在计算机中的应用来研究它的价值。     

遗传算法在地下工程的参数反演中的应用

本文在分析参数反演问题求解方法的基础上,针对优化反演中存在的搜索早熟及计算量太大等困难,将遗传优化算法引入地下工程参数反演问题求解领域,开展了优化反演方法的研究,并用算例验证了遗传算法的可行性和高效性。     

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。     

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。     

电子商务下现代物流企业配送系统优化研究

根据电子商务环境下物流配送系统的特点,建立了带时间窗的车辆优化调度问题的数学模型。设计了一种混合遗传算法,在求解的过程中加入了模拟退火操作,对每一代中的每个个体进行邻域搜索并依据模拟退火中的接受概率选择邻域个体,然后再进行选择、交叉、变异等遗传操作,以此来克服遗传算法早熟收敛的缺陷。用此混合遗传算法对模型进行求解,通过仿真实例计算,并与遗传算法比较,取得了满意的结果。     

标准遗传算法改进分析

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象.本文扼要分析了遗传算法的运行机制,针对简单遗传算法的收敛速度慢、效率低,进行了改进,引入了基于小生境技术的改进遗传算法,构造的小生境群体,在保障群体中个体多样性的同时,使得优良算子能够更好的共享,提高了群体的整体搜索性和收敛效.     

遗传算法在现代物流系统中的应用研究

遗传算法是一种基于自然进化原理的全局搜索随机算法。通过遗传算法特点的介绍,阐述了物流规划中的相关问题。研究了遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题等问题中的应用方法,介绍了其理论价值,及对实际工作的指导作用。     

一种改进的遗传算法求解机器人最优路径

遗传算法具有全局搜索性强、 鲁棒性高、 且具有较好的收敛性的有点.随着人们逐渐对其深入的认识,人们发现这种算法容易陷入早熟的状态.对此,本文改进了初始化种群的过程,并对选择,交叉,变异三种算子进行优化.