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.     

快速、精确的热电联产经济调度研究

为更好地解决热电联产经济调度问题，提出了一种基于剪枝的改进遗传算法。该算法基于不同时期的种群适应度，调整自适应选择和交叉策略，在每次迭代之后对不合适的基因进行剪枝处理，提高了算法的收敛精度，加快了收敛速度。同时，也在确保种群多样性的前提下，保证了算法的收敛性。     

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。     

基于并行遗传算法的车辆路径问题

提出两种改进策略来提高遗传算法的性能,首先通过粗粒度并行机制以避免遗传算法在进化过程中易产生过早收敛现象,同时提出了一个主从式迁移策略来提高"优质"个体在交换过程的生存能力,有效的提高优化的速度和解的精度.最后,通过若十著名的车辆路径问题对该算法进行了验证,结果表明提出的并行遗传算法可以有效的提高优化速度和求解质量.     

基于并行遗传算法的车辆路径问题

提出两种改进策略来提高遗传算法的性能，首先通过粗粒度并行机制以避免遗传算法在进化过程中易产生过早收。敛现象，同时提出了一个主从式迁移策略来提高“优质”个体在交换过程的生存能力，有效的提高优化的速度和解的精度。最后，通过若干著名的车辆路径问题对该算法进行了验证，结果表明提出的并行遗传算法可以有效的提高优化速度和求解质量。     

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。     

一种基于佳点集遗传算法的物流配送网络优化

首先根据实际问题分析了物流配送网络优化模型的各个关键组成部分,包括优化目标、决策变量和约束条件,并针对目前物流配送网络优化算法中存在的一些问题提出了一种新的算法,其核心是佳点集遗传算法。该算法编码采用prufer num ber结构,变异和交叉概率自适应选择。     

基于遗传算法的自动组卷算法的设计

自动组卷系统中组卷算法的好坏直接影响到组卷的效率和质量,本文分析了各种常用的组卷算法,提出将改进的自适应遗传算法用于解决组卷问题,以提高组卷效率。并详细论述了基于遗传算法的自动组卷策略的实现过程。     

基于遗传算法的可拓故障诊断新方法

针对目前可拓综合评价中采用的各种权重系数的确定方法不能跟踪环境变化的缺陷,提出了基于遗传学习的权重系数确定新算法.结合遗传算法的特点,给出了交互作用方式下的适应值函数的定义策略.同时研究了遗传算法中交叉和变异的自适应策略,并给出了适合在线权重分配遗传算法的参数.将该算法用于刀库可拓故障诊断权重分配中,结果表明算法具有较高的效率和精度.     

基于贪婪算法的改进自适应遗传算法及其应用

本文将改进的自适应遗传算法和贪婪算法相结合用于0-1背包问题的求解。此算法对交叉率和变异率进行了优化,实现了交叉率和变异率的非线性自适应调整,并对不可行解进行了贪婪修复。实验结果表明,相比传统的自适应遗传算法,新算法收敛速度快,寻优能力强,具有更可靠的稳定性。     

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。     

智能组卷系统的研究与实现

试题组卷是考试系统的重要组成部分。通过在编码策略、适应度函数、遗传算子、控制参数等方面的研究提出一种适应于试题智能组卷的改进遗传算法。对适应度函数的适当定标和建立自适应的交叉概率和变异概率,有利于克服未成熟收敛现象,同时能在维持群体多样性的情况下,防止群体进入局部最优。     

带混合时间窗的配送车辆路径问题研究

针对传统的配送车辆路径问题,在传统的运距及容量等限制下,增加客户的混合时间窗和车辆在客户点的服务时间,以惩罚、配送总成本最低为目标,构建出带有混合时间窗的车辆路径问题的数学模型.并引入优良基因及最优个体保护策略改进遗传算法,同时设计参数自适应调整公式调整交叉概率,设计了带混合时间窗的配送车辆路径问题的改进遗传算法,最后由实例证明了VRPMTW模型及遗传算法的有效性.     

车辆数不确定的时间窗车辆路径问题的小生境混合遗传算法

建立了优化的多目标带有时间窗的车辆路径问题模型,提出一种小生境混合遗传算法。算法采用混合并行选择方法、最优保留策略以及随机权重适应值函数,克服遗传算法固有的搜索能力差和“早熟”等缺点。实验结果表明,该算法对于解决车辆数不确定的时间窗车辆路径问题提供了一个非常有效的求解方法。     

基于遗传算法的快递配送车辆路径问题研究

在快递配送过程中,快递配送中心作为货物集散点,首先要分派车辆到各个配送点(客户)送货和取货,为降低配送成本,提高配送效率,车辆的调度是一个重要的问题.根据快递配送的特点,主要研究的车辆路径问题为配送中心在为各分点进行快递配送时,采用快件送达和收集同时服务的配送策略,假设车辆在各点之间的行驶时间服从正态分布,配送分点有软时间窗约束并且快件收集数量服从泊松分布的条件下,建立了问题的求解模型,并进行了基于遗传算法求解的应用设计.该遗传算法通过基于适应度排名和最佳个体保留的选择策略和自适应交叉概率的参数控制来保证所求结果的优良性,并设计算例用matlab编程进行实验,证明了算法的可行性.     

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。     

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。     

在线考试系统中组卷技术的研究

组卷模块能否高效率地生成符合系统要求的试卷是评估考试系统的重要因素。遗传算法(GA算法)近年来在解决多重约束问题的求解中应用非常广泛。把遗传算法应用于自动组卷,在标准遗传算法的基础上进行了改进,采用分段编码,基于误差的适应度函数和动态交叉及变异概率。采用遗传算法的智能组卷系统既能很好的满足组卷的约束,且效率远高于传统的回溯算法。     

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。     

储销一体仓储式超市中的存储货位指派优化问题研究

近年来,以储销一体、批零兼营为主要特征的仓储式超市迅速兴起。该类仓储式超市有效地降低了仓储成本,但货品需要从存储货位不断搬运至销售货架上,造成了巨大的搬运工作量。为降低该类仓储式超市中的货品搬运工作量,考虑货架重心、同类货品聚集等约束条件,针对相应的存储货位指派问题建立了数学模型,并运用改进自适应交叉变异遗传算法进行求解。在算法设计上,采用了三种不同的邻域搜索算子来改进变异算子。数值实验表明,所提出的改进自适应交叉变异遗传算法的求解效果优于贪婪算法与一般遗传算法。算法结果也可以获得更短的搬运时间和更集中的货物摆放。最后通过关键参数对目标函数的影响分析发现,在同一问题规模下,存储货架的层数越低,目标函数值越小,由此得出管理者在布置存储货位时,应当尽可能地降低货架总层数。