基于改进遗传算法的TSP问题求解的研究

为了解决基本遗传算法求解TSP问题过程中容易发生"早熟"收敛的问题,并进一步提高算法的求解速度,提出了一种求解TSP问题的改进的遗传算法。采取的主要改进手段是:用贪婪算法构造初始种群,以提高找到近似最优解的速度;在轮盘赌方法的基础上融入最佳保存策略进行选择操作;采用两点三段随机交叉的方法进行交叉操作,保持种群多样性以及避免种群过早成熟。并通过编程实现了该算法,最后通过中国144个城市的TSP实验,验证了该算法的良好性能。     

基于改进遗传算法的TSP问题求解的研究

为了解决基本遗传算法求解TSP问题过程中容易发生“早熟”收敛的问题,并进一步提高算法的求解速度,提出了一种求解TSP问题的改进的遗传算法.采取的主要改进手段是:用贪婪算法构造初始种群,以提高找到近似最优解的速度；在轮盘赌方法的基础上融人最佳保存策略进行选择操作；采用两点三段随机交叉的方法进行交叉操作,保持种群多样性以及避免种群过早成熟.并通过编程实现了该算法,最后通过中国144个城市的TSP实验,验证了该算法的良好性能.     

配电网重构算法的研究

文章对以网损最小为目标函数的配电网重构算法进行了研究,提出一种改进的进化算法进行重构。算法改进了用遗传算法或者差异进化算法进行重构时产生大量不可行解的不足,根据梯度的概念和配电网络的结构特点,对可行解进行加速操作,使之迅速靠近并最终成为一个局部最优解,然后进行移民操作,以保持种群的多样性。最终选择所有局部最优解当中最优的个体为全局最优解。算例结果证明了此算法的优越性,表明该算法有较好的搜索效率。     

配电网重构算法的研究

文章对以网损最小为目标函数的配电网重构算法进行了研究,提出一种改进的进化算法进行重构.算法改进了用遗传算法或者差异进化算法进行重构时产生大量不可行解的不足,根据梯度的概念和配电网络的结构特点,对可行解进行加速操作,使之迅速靠近并最终成为一个局部最优解,然后进行移民操作,以保持种群的多样性.最终选择所有局部最优解当中最优的个体为全局最优解.算例结果证明了此算法的优越性,表明该算法有较好的搜索效率.     

基于改进自适应遗传算法的车辆路径问题研究

针对自适应遗传算法进化初期收敛速度缓慢的不足，引入一个表示种群多样性程度的指标变量对个体的交叉率和变异率进行自适应调节，提出了改进的自适应遗传算法并将其应用于求解车辆路径问题。实验结果显示同传统的自适应调节方法相比，该算法提高了收敛速度，可以有效地求得VRP问题的最优解或近似最优解。     

基于遗传算法的装配线平衡问题研究

文中针对装配线平衡问题,提出了一种基于可行作业序列的多种群遗传算法。该算法依据可行作业序列产生初始种群,并据此构造交叉、变异算子,以保证后代种群都是可行解;而且多种群的遗传算法,扩大了搜索的空间范围,所以可以有效的避免局部最优的情况发生,而且还能增强算法的运行效率。文章在最后,用实例进行了运行效果的验证。     

遗传算法在配电网的网架结构优化中的应用

本文阐述了配电网网架结构优化的数学模型,在传统优化算法基础上改进了一种新的自适应遗传算法,在一定程度上克制了偏离最优解而陷入局部最优,直至获得全局最优解.     

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。     

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。     

一种改进的遗传算法及其在函数优化中的应用

使用简单遗传算法(SGA)求解线性方程组时,由于易发生"早熟"现象,简单遗传算法求出的数值解误差很大甚至会失真。针对此问题,本文提出了一种改进的遗传算法(IGA),并设计了选择算子,交叉算子和变异算子。为了提高简单遗传算法抗"早熟"的能力,采用遗传算子结合惩罚函数,最佳个体保留以及种群迁移等措施。最后以核磁共振测井数学模型线性化后的大型病态线性方程组为例,对算法进行了测试。实验结果表明:同简单遗传算法相比较,IGA在一定程度上提高了数值解的精度。     

基于分层遗传算法的一类非线性规划问题的新解法

关于非线性规划的问题的诸多传统解法中都存在效率较低、容易达到局部最优、甚至找不到最优解的局限性。而基本遗传算法也常常由于本身算法的局限性,在搜索最优解的过程中易早熟,局部搜索能力弱,后期收敛过慢。源于这些缺陷,本论文提出使用分层遗传算法来求解一类非线性规划问题,并通过数值实验,结果表明基于分层遗传算法求解一类非线性规划问题是非常有效的。     

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。     

VMI环境下基于需求预测的多点库存控制模型

建立了一个基于需求预测的多点库存控制模型,并提出一个改进的遗传算法来进行求解,结果显示与单点最优库存控制策略相比,该方法有效。     

基于遗传算法的车间设备布局优化

对某车间设备布局问题进行数学建模,建立以车间物流成本最小为目标的车间布局优化模型。应用遗传算法设计求解优化模型,根据SLP方法得到的初始布局方案建立初始种群,对该初始种群进行编码、选择、交叉和变异操作,得到最终车间设备布局。基于此,以上海海事大学工程训练中心机械加工车间为案例进行设备布局优化,完成车间物流分析,应用遗传算法对车间进行求解,并通过Matlab软件进行编程运算,得出车间的最优解。     

遗传模拟退火算法在配送中心选址中的应用

物流配送中心是现代物流系统的枢纽,而配送中心地址的确定是物流系统分析的核心内容.合理的配送中心选址可以降低企业的运营成本,本文根据配送中心地址问题的特点和要求,提出用遗传模拟退火算法解决选址模型.最后通过一个实例求得了模型的最优解,验证了该算法的有效性.     

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。     

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。