云自适应遗传算法求解资源调度问题

从软件项目人力资源调度的角度出发,建立了软件项目中人力调度模型,并利用自适应云遗传算法对该模型进行求解,通过最终的求解结果和传统遗传算法的对比,验证了云遗传算法在求解资源约束问题中的可行性和有效性.     

混合遗传算法求解一类多资源生产调度问题

研究了机器设备、工人人数和机器人三种资源受限制的多资源生产调度的问题,建立了数学模拟。采用遗传算法和模拟退火算法相结合的混合遗传算法对问题进行求解。通过仿真试验验证了该混合遗传算法求解此类多资源生产调度问题是可行的、有效的。     

多模式资源约束的项目调度问题优化遗传算法的研究

资源约束的项目调度问题属于应用比较广泛的一类问题。文章研究的课题是基于多模式的资源约束项目调度问题,它属于NP—Hard问题,并文章对多模式资源约束项目调度问题进行了理论研究,并在此基础上设计实现了求解该类问题的遗传算法。实验表明,此方法具有较好的优化效果。     

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。     

一种基于遗传算法求解车间调度问题的优化方法

遗传算法是解决车间调度问题的有效方法之一。但在构造适应度函数时由于调度问题诸多的束条件使得直接求解十分困难。罚函数法将约束条件加到目标函数上，变有约束为无约束．能较易求解该类问题。     

基于信息熵的混沌遗传算法求解网格工作流调度问题

网格发展的主要思想是有效的利用分布在世界各地的计算资源。而在网格环境下,是通过很多相互依赖的任务来描述作业的,这让工作流调度面临巨大的挑战。在本文中,提出了一个改进型的混沌遗传演算法来解决在工作流应用程序中的调度优化问题,它利用信息熵的概念动态调整了交叉和变异概率,优化了传统的遗传算法,并最终通过实验证明了算法的有效性。     

基于遗传算法的油料装备维修保障资源调度研究

通过对战时油料装备维修保障资源的调度分析,利用遗传算法建立了数学模型并进行了实例仿真,在资源调度效益最佳的基础上得出了相应的维修资源调度方案。     

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.     

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。     

云计算环境下的物流资源调度算法研究

针对系统处理大规模物流调度信息能力不足的情况,提出了一种基于云计算环境下的物流资源调度优化模型对问题进行求解.在云计算环境下处理订单信息、车辆调度信息,并针对所有订单生成最合理的配送方案,通过对物流主要资源配送车辆的调度研究,建立配送路径算法模型以及最小配送成本算法模型,作为物流资源调度方案的解决策略.通过仿真结果表明,该算法能有效处理大量的物流资源调度信息,同时缩短计算求解时间.     

基于遗传算法的企业配送路径问题研究

为提高企业竞争力,加快企业发展,企业已将优化重点转向物流配送环节,文中通过遗传算法设计并求解企业配送路径问题,设计合理的配送路线,提高配送效率,降低物流成本。     

遗传算法在物流配送网点选址中的优势与实现

研究了遗传算法在物流系统配送网点的选址问题中的优势,并依据物流系统配送网点选址的实际情况给出了基于遗传算法的物流系统配送网点选址的具体实现过程和算例。     

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.     

遗传算法在VRP问题中的应用

配送是物流系统中一个直接与消费者相连的重要环节,对配送系统进行优化,可以提高物流经济效益、实现物流科学化。因此配送系统的优化问题显得尤为重要。进行配送系统优化,主要是配送车辆调度的优化。文章在全面分析研究物流配送业务特点的基础上．针对配送中的核心问题——车辆调度优化问题进行了深入的研究,建立了单源点物流配送车辆调度优化问题的数学模型,并运用遗传算法对其进行求解,仿真实例证明了该方法的有效性。     

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。     

混合遗传算法在运输路径问题中的应用

建立物流运输优化的数学模型,来构造求解该问题的遗传算法。通过分析和比较几种混合遗传算法,提高运输车辆路径优化问题的求解效率并可优化解的质量。