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。     

基于生态学视角的产业集群进化动力研究

组织进化的基本准则和目的是提高环境适应性和组织生存能力。在产业集群进化过程中,集群内企业种群间的竞争与协同是推动集群进化的主要动力。竞争使生存潜力最大,环境资源利用最充分的企业种群得以生存和繁衍。协同使企业种群通过彼此间的协调与影响,在长期的相互适应过程中共同进化,以提高企业种群的环境适应性和资源利用效率。竞争与协同促进了企业种群间的生存平衡和持续发展,进而推动了产业集群的进化。     

基于无交叉遗传算法的物流车辆路径问题研究

设计并实现了一种求解基本车辆路径问题的无交叉遗传算法,阐述了无交叉遗传算法求解物流车辆路径问题的关键技术,包括编码方案、初始种群生成方案、适应度函数、种群选择方案和变异操作等;并对比了使用目标函数倒数法和目标函数做差法构造适应度函数时的求解效果。实验结果表明,给出的无交叉遗传算法在求解车辆路径问题上具有良好的性能。     

基于无交叉遗传算法的物流车辆路径问题研究

设计并实现了一种求解基本车辆路径问题的无交叉遗传算法,阐述了无交叉遗传算法求解物流车辆路径问题的关键技术,包括编码方案、初始种群生成方案、适应度函数、种群选择方案和变异操作等；并对比了使用目标函数倒数法和目标函数做差法构造适应度函数时的求解效果.实验结果表明,给出的无交叉遗传算法在求解车辆路径问题上具有良好的性能.     

一种改进的多种群遗传算法在车间布局的应用

针对基本遗传算法中存在早熟的问题,本文设计出一种新的多种群遗传算法选择与协作方式,合理设计出种群内与种群间的协作关系,采用一种新的选择、交叉与变异方式。实验证明,本算法能够有效地解决早熟问题,而且能够达到快速的收敛。与基本遗传算法相比较,在应用车间设施布局问题方面不但能够快速地收敛,而且减少了物流成本费用。     

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。     

基于组合遗传算法的大规模物流网络设计

在对物流网络设计中常用的三种算法:遗传算法、生成树遗传算法和混合进化方法进行比较的基础上,提出采用组合遗传算法解决大规模基本物流网络设计程序。在该方法中,物流网络设计问题被抽象为选址-分派问题,并被进一步分解成选址和分派问题,且将分派问题镶嵌在选址问题中。选址和分派染色体分别使用二进制编码和矩阵编码、适值采用物流费用。该方法运算结果显示组合遗传算法比混合进化方法结果更精确,且在大规模问题求解方面速度优于通常的遗传算法。     

基于改进遗传算法的TSP问题优化研究

旅行商问题（TSP问题）已经被证明属于NP完全问题。遗传算法是一种模拟自然界中生物的进化机制的优化策略．是一种基于群体、隐并行搜索策略，是求解TSP问题效率相当高的一种算法。因此．本文提出使用改进的遗传算法．即用个体数量控制选择策略以保证群体的多样性，用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度．较好地解决了群体的多样性和收敛速度的矛盾。算法的分析和测试表明．该改进算法的是有效的。     

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。     

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.     

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.     

粒子群自进化算法求解物流装箱问题

为了解决当今物流行业中装载货物类型为强异构的情况,提高装载填充率和效率,提出了一种求解三维装箱问题的元启发式算法——粒子群自进化算法。算法包含两部分：极限点构造启发式算法和粒子群自进化规则。极限点构造启发式算法引入了极限点的概念,利用新的极值点思想推导出了三维装箱问题的启发式算法。粒子群自进化规则提出了在货物装载序列中表示粒子的方法,推导了粒子间交叉、变异算子,在极限点构造启发式算法的基础上不断迭代进化完成货物的装载。通过不同结果的比对,证明该算法显著提高了物流装载的空间利用率,强异构货物的平均装载率达到了85%,验证了算法在强异构货物下的有效性与优越性,并给出了货物装载的三维模型。由于实际测试集的缺少,分别为机腹仓装载类和集装板类模型提出了实例生成器,通过生成器的测试集验证了算法在实际应用中的紧凑性、实用性和快捷性。     

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。     

基于GIS和遗传算法的最短路径研究

地理信息系统（GIS）为智能道路交通管理提供了基本数据库,也是进行道路交通网络分析的有力工具。对廊坊道路交通网络进行数据建模,构建了廊坊道路交通地理数据库,研究了遗传算法在求解交通网络最短路径中遇到的问题,以廊坊道路交通地理信息系统为数据平台,对基本遗传算法在种群初始化、交叉和变异算子上做了改进,实现了两点间最短路径的求解。     

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。     

有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题研究

基于现代物流业的现实状况和实际需求,研究了一个带有里程和软时间窗约束的开放式多车场集送货一体化车辆路径问题。给出一个遗传算法对该问题进行求解。在该算法中,为了提高其性能,并全面考虑所有约束,论文采取如下措施:(1)在初始种群形成之前,将各个任务的送货点按时间窗进行排序;(2)在所有任务的一个序列中用里程约束来控制车场的插入,并对软时间窗约束采取加入惩罚的方式解决。最后论文举例对该遗传算法进行说明,并对进一步的研究工作进行了展望。