基于遗传-蚁群混合算法求解旅行商问题

作为物流领域中的典型问题,旅行商问题的求解具有十分重要的理论和现实意义.在它的传统求解方法中,遗传算法和蚁群算法被广泛采用,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷.本文采用遗传-蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,对旅行商问题求解,并进行了实例仿真.仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率.     

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的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模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

人工蜂群算法在暴雨强度公式参数优化中的应用

暴雨强度公式作为计算雨水排水设计流量的根本依据,会对排水工程的投资预算以及可靠性产生直接的影响。因此,编制各地的暴雨强度公式具有重要的现实意义。将人工蜂群算法应用于暴雨强度公式参数的优化,并将其计算结果与遗传算法的计算结果进行了比较。试验结果表明:人工蜂群算法可以成功用于暴雨强度公式的参数优化,相对于遗传算法,人工蜂群算法有效地克服了早熟收敛,更容易收敛到全局最优解。     

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。     

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。     

浅谈输配电系统综合规划的全局优化算法

针对输配电系统的综合规划提出了改善化的最短路遗传算法,用于对多个电压等级的纯开环输配电网进行综合规划,算法能考虑复功率、电压、容量以及树状约束,并得到全局优化解。在只考虑有功潮流的情况下,通过控制节点的出入度,提出了开环与非开环混合的输配电系统综合规划问题的近似解决方法。为了解决输配电系统规模大造成的计算量问题,给出了基于输配电系统知识的最短路算法。     

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。     

基于模拟退火算法的TSP问题研究

针对遗传算法求解TSP问题过程中出现的早熟现象,本文将模拟退火算法应用到TSP问题求解中,并进行了仿真实验。结果表明,该算法与遗传算法相比,可以更好地在全局范围内进行搜索。     

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.     

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.     

遗传算法在工程结构优化中的应用研究

首先介绍了遗传算法，接着将遗传算法与传统优化算法作了比较，然后介绍几种遗传算法改进的策略，接着通过一个简单的例子验证了遗传算法是求解全局最优解的一个有效方法，同时介绍遗传算法在实际应用中经常使用的几种改进方法，最后探讨了遗传算法与传统优化方法，BP神经网络，Hopfied神经网络，模拟退火算法，通用有限元软件的结合，以期能更好地解决复杂工程结构的优化问题。     

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.     

遗传算法原理在机械工程中的应用

在计算机时代,解决科学与工程问题的手段主要是程序与优化算法,求全局最大主峰重要的是找到主峰以及爬峰的速度,即寻优,最常采取的办法有穷举法,但这种方法会造成信息浪费。保证算法简便且通用性更强,遗传算法在众多算法中脱颖而出。文章对遗传学算法的原理、计算基础和操作做了介绍,并对遗传算法原理在机械工程中的应用予以简单分析研究。     

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。     

平均最优信息粒子群算法在车辆调度中的应用

针对标准粒子群算法在求解车辆调度问题中存在的易陷入局部最优、早熟等缺陷,从粒子群算法本身出发,引入粒子个体与群体的平均信息,提出一种基于平均最优信息的粒子群算法(AVGPSO),该算法利用粒子个体最优信息和全局最优信息的平均值来提高全局搜索能力。将该算法应用到车辆调度问题中,并与标准粒子群算法进行比较。实验结果表明,该算法在解决车辆调度问题中表现出了更优的性能,是解决车辆调度问题的有效方法。     

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。     

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。     

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。