遗传模拟退火算法在旅行商问题中的程序设计方法

本文分析了遗传算法和模拟退火算法的优缺点,提出遗传模拟退火算法的程序设计方法和各项参数的设置,并将该算法应用于TSP问题求解之中,提高了解决问题的能力。     

基于含有交易费用的证券投资组合模型的遗传算法验证

文章在传统Markowitz投资组合模型中考虑了交易费用以及税收等实际因素,形成了一个改进的多因素证券投资组合模型,弥补了以往模型简化交易费用的不足,使得组合投资模型更加贴近我国的实际。由于该模型是一个非线性规划问题,传统算法难以有效求解。为此,提出用改进的遗传算法来求解该模型,并以实际算例验证其有效性,相比于传统的遗传算法具有更高的求解精度和更快的收敛速度,可以为投资者提供更好的决策参考。     

用单亲遗传算法来实现Job Shop调度问题

本文首先对Job Shop调动问题进行了数学描述,并建立了相应的数学模型,根据这种模型的特点,提出了求解一般Job Shop调度问题的单索遗传算法,避免了传统算法需要初始种群多样化和"早熟收敛"等问题,实例仿真结果表明了该算法的有效性.     

遗传算法基于路径优化问题应用的改进探索研究

遗传算法是一种应用很广泛的智能优化算法,对遗传算法进行了分析研究,针对遗传算法的一些缺陷提出了相应的改进方法。在上述研究基础上,基于遗传算法,研究了物流系统中的库存优化问题及车辆路径问题。将车辆路径问题看做是组合优化问题,并应用遗传算法进行求解。     

改进遗传算法及其在车间布局优化中的应用

针对现有车间布局问题所建立的目标函数只考虑物料搬运成本,而忽略了车间的几何形状、面积利用率等因素,提出并建立了一个同时考虑物料搬运成本与面积利用率的目标函数;针对工作地中车间布局问题的现有遗传算法的不足,提出了一种嵌入专家规则的遗传算法。该算法不仅使问题的表达方式更趋合理,而且显著减少进化过程中不合理后代的产生,可大大地简化不等面积车间布局的求解。实例表明该方法可成功地解决生产实践中的问题。     

简述解决TSP问题的智能优化算法

本文简述了TSP问题及TSP问题的数学模型,最后论述了求解TSP问题的各种解法,并对几种智能优化算法进行了详细说明。     

基于遗传算法的BP神经网络在建模预测中的应用

针对BP神经网络在预报建模中,需要通过反复训练来确定网络的结构和各种参数,导致在应用中出现过拟合,严重影响网络的泛化能力的问题,提出利用遗传算法与BP算法相结合的方法对初始权值分布和网络结构进行优化,先在解空间中定位出一些较好的搜索空间,然后再采用BP算法在这些小的解空间中搜索出最优解。经实验对比,证实此种算法收敛速度快,能有效提高网络的泛化能力,从而提高预报建模的准确性。     

基于遗传算法的电信网络拓扑优化研究

本文以电信网络的拓扑优化问题为研究对象,给出了利用遗传算法进行电信网络的最小生成树问题求解的方法。遗传算法能够稳定快速地进行电信网络拓扑优化问题的求解,对该领域研究具有重要价值。     

遗传算法在框架结构优化中的应用

对于优化计算的实际应用问题，一般可按下述步骤来构造求解该问题的遗传算法。     

基于制造/装配联盟盟员选择的遗传算法

当市场机遇出现时,如何选择合适的盟员,组建低成本、快速响应的敏捷供应链是产品能否获得市场竞争优势的关键所在。根据敏捷供应链产品制造/装配特点,文章将敏捷供应链划分为研发、设计、制造、组装、运输、销售等多阶段生产业务的组合,在此基础上以一定质量、时间为约束,建立了敏捷供应联盟多生产阶段、多潜在伙伴可供选择的情况下,敏捷供应联盟整体成本最小的0-1整数规划盟员选择模型。该模型不仅考虑了各阶段不同盟员的生产成本和生产时间,而且考虑了不同阶段盟员企业间的协调成本和协调时间,体现了敏捷供应联盟产品制造/装配的特点。该模型属于NP-Hard问题,文章设计了自适应遗传算法对模型予以求解,并测算了一个拥有10个生产阶段、每个阶段有8个可供选择盟员的敏捷供应联盟的算例,算法的快速收敛显示这种方法在实际应用中的有效性。     

GA-BP算法在金融股指预测中的应用研究

本文提出一种GA-BP算法对金融股指进行预测研究,该算法结合遗传算法具有全局寻优的优点,能够克服BP算法进行预测时易陷入局部极小值和收敛速度慢的缺点;以股票市场的上证指数为例,通过与BP算法和LM-BP算法预测效果进行比较分析,证实了本文提出的算法在对上证指数进行预测时更为有效.     

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。通过将遗传算法引入到证券投资分析领域,对最佳证券组合问题进行优化计算,介绍了利用遗传算法计算最佳证券组合问题的求解步骤。     

基于快速排序和遗传算法的物流路径优化研究

为了使企业处理物流配送问题更加高效、节约经济成本和时间、以及获得更多的利润,则建立物流配送路径问题数学模型,在约束条件中增加配送车辆和货物数量,在遗传算法选择操作中引入快速排序算法降低时间复杂度;使用Mat lab工具和C语言对数学模型仿真,实验结果显示,引入快速排序算法的遗传算法,不仅能得到物流路径问题的最优解,而且降低了时间复杂度,提高了配送效率、节约了时间。     

工期-成本-环境多目标平衡问题及其在大型建设工程中的应用

提出了大型建设工程中的工期-成本-环境平衡问题,建立了多目标决策模型,并基于模糊的改进自适应性混和遗传算法求解该模型,最后以某大型水利水电建设工程项目为例说明了该模型和该算法的有效性和合理性。     

分子计算及其应用

分子计算是一种宏观意义下的仿生算法,是模拟生物进化过程与机制求解问题的自组织,自适应的人工智能技术,是借鉴生物的自然选择和遗传进化机制,通过使用DNA作为一种内存,并在内存上进行操作的一种全局优化自适应搜索算法,它包括遗传算法和DNA计算。     

基于遗传算法的企业媒介传播策略模型

本文在探讨企业媒介传播策略问题时,借鉴了自然界的遗传机理,提出了企业媒介传播策略模型。该模型既包含企业在进行媒介传播时应考虑的媒介受众人数、媒介价格、媒介权威性、媒介相关性等多种因素,又考虑了媒介组合的分散性。由于模型的非线性难以用传统数学规划方法求解,本文使用遗传算法求解,并进行了智能优化电脑模拟仿真实验,得到了满意的效果,从而扭转了现实生活中企业媒介传播不易量化、人们仅靠以往经验来实施媒介传播活动的局面.为企业媒介传播活动提供了科学决策依据和系统解决方案。     

智能调度问题的综述和方法研究

调度是生产过程的关键环节之一，它对企业的经营起到了指导作用。调度问题通常是多约束、多目标、随机不确定优化问题，已被证明是属于NP问题。叙述了智能调度的发展及其特点，并研究了调度问题的遗传算法、神经网络、模糊理论等智能求解方法。     

基于遗传算法的人才规划数学模型求解

人才规划的数学模型是在当前人才结构状况的基础上,通过马尔科夫链模型,制定人才流动方案。文章通过对该模型进行转化,从而得到人才调入调出逐年计划,使人才数量接近理想人才数量,并用遗传算法来研究人才规划的数学问题的求解。遗传算法可降低计算量,减低复杂程度,得到理想的最优解。     

基于截流模型的制造业选址布局优化方法研究

针对经济全球化背景下制造业的选址优化问题,构建截流选址和交通量分配相结合的双层规划模型。上层模型用于确定产业在运输网络中的选址方案,下层模型是用户均衡交通量分配模型,用于计算在给定的产业选址方案下的运输网络中的交通流特征。为求解模型,设计遗传算法和Frank-Wolfe算法相结合的启发式求解算法,并以中国钢铁产业为例,对提出的方法进行应用。结果表明,该研究方法可以有效帮助决策者实施制造业的选址决策。     

带软时间窗的冷链物流配送路径优化研究

消费者对生鲜产品的需求不断增加,促进了城市冷链物流的快速发展。文章分析了冷链车的能耗成本和货损成本,并将运输过程和卸货过程分开进行考虑,以总成本最低为目标建立了带软时间窗的优化模型。针对具体模型特点设计遗传算法进行求解,最后结合具体实例进行仿真试验,遗传算法所得配送线路方案比原有扫描法配送方案成本明显更低,从而验证了模型和算法的有效性。