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。     

免疫遗传算法的分析与研究

遗传算法GA在理论上己经形成了一套较为完善的算法体系,然而在实际使用中,还有许多问题有待于进一步改进.例如,对于多峰函数的优化问题,它往往会收敛于局部极值.这使得遗传算法的收敛精度大大下降,本文阐述的免疫遗传算法是基于人工免疫理论,在遗传算法的基本框架之上结合免疫算子而形成的一种新型优化算法,可有效的提升算法收敛精度,应用于各类参数优化系统.     

基于遗传算法的电子商务物流车辆路径系统的优化

在一般车辆路径系统的基础上,介绍了一般性遗传算法的常规流程,并在遗传选择、交叉和变异环节进行了改进,通过实证证明了改进遗传算法有效可靠,提高了算法的收敛速度。     

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。     

免疫遗传算法的分析与研究

遗传算法GA在理论上已经形成了一套较为完善的算法体系,然而在实际使用中,还有许多问题有待于进一步改进。例如,对于多峰函数的优化问题,它往往会收敛于局部极值。这使得遗传算法的收敛精度大大下降,本文阐述的免疫遗传算法是基于人工免疫理论,在遗传算法的基本框架之上结合免疫算子而形成的一种新型优化算法,可有效的提升算法收敛精度,应用于各类参数优化系统。     

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.     

基于小生境遗传算法的人工拣货路径优化研究

以某配送中心双区型仓库的拣货作业为研究对象,首先将其人工拣货路径优化问题转化为TSP问题,以此建立拣货路径优化模型。随后采用基于适应值共享的小生境遗传算法,对拣货路径问题进行优化研究。最后采用Matlab仿真证明小生境遗传算法可以有效缩短拣货路径节约拣货时间。     

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。     

基于改进遗传算法的网约车共乘优化调度模型求解

以往网约车调度模型都是基于门对门服务的假设上构建的,车辆可以直接到达乘客要求的地点接送乘客,而文章所提出的网约车共乘优化调度模型（Dial-a-ride Problem with Meeting Points, DARP-M）是一类亟待研究的车辆路径问题,在传统车辆路径问题的基础上,考虑了每位乘客的接送位置。为解决这一类问题,建立相应的数学模型,并提出求解该问题的一种新的改进遗传算法（Improved Genetic Algorithm, IGA）,该算法通过提前生成满足约束条件的可行解来简化计算规模,同时优化传统遗传算法的交叉变异步骤,达到快速收敛的效果,并且可以灵活解决其他类似问题。算例结果表明,将改进遗传算法运用到DARP-M模型中,能在较短的迭代次数内达到收敛,通过测试改进算法的参数,可以看出收敛的效果显著,且运算速度相对较快。     

带时间限制的车辆路径问题的遗传算法

研究了带时间限制的车辆路径问题,考虑了不同时间段内车辆行驶速度与道路交通状况的关系,分别设计了求解该问题的传统遗传算法和改进遗传算法.利用具体实例进行了模拟计算,结果显示,改进的遗传算法比传统遗传算法具有很多优越性,利用改进的遗传算法可以得到理想的计算结果.     

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.     

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。     

基于实数编码的遗传算法对无功优化的影响

遗传算法在电力系统无功优化应用方面,最大的优势就是对目标函数没有连续可导的要求,这使得遗传算法作为无功优化的主流算法。但是,遗传算法也有自身的不足,尤其是对染色体的编码方式上,常规遗传算法的二进制编码方式使个体变量显得冗长,严重影响了算法的收敛速度和计算的精度,限制了遗传算法优势的发挥[1]。本文将常规遗传算法的二进制编码进行改进,针对电力系统的控制变量特点,对变量进行实数编码,最后对IEEE-14节点系统进行无功优化,仿真结果表明:基于实数编码的遗传算法较常规遗传算法的优化效果好。     

基于免疫遗传算法的物流业路径规划

为了克服遗传算法的缺陷,将生物学中的免疫机制与标准遗传算法结合,提出一种基于免疫遗传算法的物流业路径规划方法.仿真实验结果显示:该方法能够有效求解大规模的路径优化问题,相比遗传算法,免疫遗传算法具有更快的收敛速度.     

基于布置点的矩形物体布局问题的遗传算法研究

在分析布局问题的基础上,提出了布置点的概念,对编码方法进行了改进,在此基础上提出了一种用遗传算法解决二维矩形物体装箱的方法。案例分析表明,该算法具有良好的全局搜索能力和较快的收敛速度。     

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题，并构造求解问题的改进遗传算法，在算法中引入模拟退火思想判断交叉操作后新个体的接受状态，同简单遗传算法相比，该算法能够增强全局收敛性，提高收敛速度。     

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。     

基于禁忌递阶遗传粒子滤波的无线传感器网络的目标跟踪

提出了一种禁忌递阶遗传粒子滤波跟踪算法.结合禁忌搜索算法和递阶遗传算法提出一种禁忌递阶遗传算法,用递阶遗传算法作全局搜索,用禁忌搜索算法作局部搜索,该算法能在一定程度上克服早熟问题,避免收敛到局部最优点.仿真结果表明:该算法在大噪声条件下改善了粒子贫乏问题,提高了跟踪精度及速度.