多级分销网络设计及库存控制整合优化模型

从供应链集成的角度出发,基于多目标规划,根据排队论探讨了随机性需求下多级分销网络设计与库存控制的整合优化问题,提出了多级分销网络设计和库存控制整合优化的多目标规划模型.针对遗传算法收敛速度慢、易陷入局部最优等缺点,采用了基于并列选择法的遗传-模拟退火算法混合优化策略.实验证明,模拟退火算法提高了遗传算法的全局搜索能力,改善了遗传算法的求解性能.     

混合智能算法在CVRPTW中的应用

考虑到遗传算法本身存在易"早熟收敛"的缺陷,提出将模拟退火算法中的Metropolis接受准则引入到遗传算法的群体更新策略中,并将其应用于物流管理中的带容量约束和时间窗的车辆路径问题(CVRPTW).针对Solomon提出的几个标准问题,从数值计算上探索了遗传算法和模拟退火算法融合后的优化能力,获得了满意的效果.     

一种用于匹配场反演的遗传算法

遗传算法在接近全局最优解时,存在搜索速度变慢、过早收敛、个体的多样性减少很快、甚至陷入局部最优解等问题。通过在遗传算法中引入模拟退火因子、混沌因子和多样性测度因子,在很大程度上克服了原有遗传算法的早熟、局部搜索能力差的缺点。同时,又能发挥原有遗传算法的强大的全局搜索能力,保证了改进后的混合遗传算法能较好地收敛于其全局最优值。     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。     

基于改进遗传算法的水轮发电机振动荷载参数识别

根据水轮发电机现场振动测试实验数据,采用改进的遗传算法研究了水轮发电机运行过程中振动荷载反演问题。与传统的参数反演方法相比,遗传算法并不是基于对目标函数梯度方向搜索,而是在解的整个区域随机搜索.将遗传算法与模拟退火算法相结合,提高了种群在进化过程中个体多样性,可以有效地防止简单遗传算法早熟问题。同时,将遗传算法与梯度优化方法相结合,使得混合型遗传算法有效地解决了梯度算法局部极小问题和简单遗传算法的收敛速度慢问题。工程实际应用表明,采用本文所建立改进遗传算法所反演的水轮发电机振动荷载参数,预报其它振动观测点的位移具有较高的预报精度。     

一种新的混合遗传算法及其性能分析

为了提高遗传算法的局部搜索能力并改善其收敛性能，根据遗传算法和单纯形算法的特点，提出了一种新的混合遗传算法。数值实验表明：该算法的收敛性能、在线性能和离线性能均优于原遗传算法。     

基于参数边缘分布的遗传算法在地声参数反演中的应用

经典的遗传算法和模拟退火算法对陷入极小值的免疫能力取决于代价函数极小值的分布和迭代搜索终止准则。提出了一种基于参数边缘分布的遗传算法,它不仅仅是从代价函数的大小来决定进化的趋势,而且也利用了参数分布的信息。仿真和实验数据处理表明它在多维地声参数估计中具有更好的稳健性。     

位相型衍射光学元件设计的混合算法

针对传统的光束整形算法在设计位相型衍射光学元件时效果差的缺点,本文提出了一种适合于位相型衍射光学元件设计的新混合算法.该混合算法是将变尺度BFGS算法融入遗传算法中,其中变尺度BFGS算法主要用于局部搜索,同时将罚函数优化准则用于成本函数的构造中.相比于传统的优化算法,该混合算法具有效率高、收敛快和稳定性好等优点.作为一个设计实例,我们分别将传统模拟退火算法和该混合算法应用到高斯光束整形中,进行了数值模拟,为了考察该混合算法的可靠性,设定了衍射效率和信噪比两个技术指标.设计结果表明:该混合算法收敛速度快,设计效费比优,仅需少量的迭代次数就能达到高衍射效率和高信噪比的要求.用该混合算法设计的衍射光学元件,能极大地改善整形效果,在均匀性要求较高的场合有广泛的应用前景.     

遗传算法在两分频扬声器系统设计中的应用

文章论述了运用遗传算法优化设计两分频扬声器分频网络的方法。使用实测的扬声器阻抗、频响数据,模拟扬声器接入分频网络后扬声器系统的响应,并运用遗传算法对系统响应进行优化设计。文中给出的实例表明,设计结果和实测的曲线是一致的。     

基于自适应模拟退火遗传算法的传感器优化配置研究

针对传感器优化配置组合优化问题,提出了一种基于模态置信度准则MAC的优化算法——自适应模拟退火遗传算法。以模态置信度MAC矩阵的最大非对角元的值极小为目标函数,针对满足传感器数量不变的约束条件问题,提出了二重结构编码遗传算法,并将传统的模拟退火算法改良后,作为一个独立的算子置于遗传算法进化过程中;为了避免出现过早收敛的现象,引入了自适应交叉和变异概率。算例结果表明该混合算法对传感器数目与位置同时实现了优化,得到了满足不同精度要求的传感器优化配置方案。     

基于整体退火遗传算法的膜系设计方法

提出了以遗传算法和模拟退火算法相结合的整体退火遗传算法（ＧＡＳＡ）进行膜系设计的新方法。整体退火遗传算法具有全局寻优能力,与作为现代光学薄膜自动设计的主要方法－针法相比,在相同薄膜层数情况下用该方法设计可以得到较优的结果,或者用更少的薄膜层数达到同样的设计结果。并且对初始条件不敏感,可以确定膜层厚度边界,以确保制备方便。理论与实例表明该方法是高效的和可靠的。     

A Genetic Algorithm Hybrid for Constructing Optimal Response Surface Designs

Hybrid heuristic optimization methods can discover efficient experiment designs in situations where traditional designs cannot be applied, exchange methods are ineffective, and simple heuristics like simulated annealing fail to find good solutions. One such heuristic hybrid is GASA (genetic algorithm–simulated annealing), developed to take advantage of the exploratory power of the genetic algorithm, while utilizing the local optimum exploitive properties of simulated annealing. The successful application of this method is demonstrated in a difficult design problem with multiple optimization criteria in an irregularly shaped design region. Copyright © 2004 John Wiley & Sons, Ltd.     

Simulated annealing based parallel genetic algorithm for facility layout problem

The facility layout problem (FLP), a typical combinational optimisation problem, is addressed in this paper by implementing parallel simulated annealing (SA) and genetic algorithms (GAs) based on a coarse-grained model to derive solutions for solving the static FLP with rectangle shape areas. Based on the consideration of minimising the material flow factor cost (MFFC), shape ratio factor (SRF) and area utilisation factor (AUF), a total layout cost (TLC) function is derived by conducting a weighted summation of MFFC, SRF and AUF. The evolution operations (including crossover, mutation, and selection) of GA provide a population-based global search in the space of possible solutions, and the SA algorithm can lead to an efficient local search near the optimal solution. By combing the characteristics of GA and SA, better solutions will be obtained. Moreover, the parallel implementation of simulated annealing based genetic algorithm (SAGA) enables a quick search for the optimal solution. The proposed method is tested by performing a case study simulation and the results confirm its feasibility and superiority to other approaches for solving FLP.     

有限元法和退火进化算法相结合分析结构模糊可靠性

结构的失效除了具有随机性，还应具有模糊性。本文在介绍一种修正的联合概率密度函数的基础上，采用有限元法和退火进化算法相结合来研究结构的模糊可靠度。在每一模糊失效水平下，有限元法用来计算荷载效应项，并将荷载效应项代入原联合概率密度函数形成修正的联合概率密度函数。为了解决进化算法的早熟收敛问题，采用模拟退火算法与进化算法相结合，以保证更有效地搜索到最可能失效点(设计点)。解决不存在显式极限状态方程的大部分实际结构的可靠度研究的困难。数例结果表明该法可直接应用现有的确定性的有限元程序，并且具有很好的效率和精度。     

钢筋混凝土柱的“强剪弱弯”可靠性区间分析

在钢筋混凝土结构抗震设计中,"强剪弱弯"是保证结构延性的一个重要设计概念。引进区间变量表达认知不确定性,对钢筋混凝土框架柱进行失效概率区间分析。通过结合代表认知不确定性的区间变量与代表偶遇不确定性的随机变量完成了对不确定性的数学描述。在此基础上,根据对基本事件的包含关系建立"强剪弱弯"区间可靠性概率模型,并从证据理论出发论证了该失效概率区间的上下界实质上等价于证据理论中的信任与似然函数。对于含有区间值不确定性参数的结构承载力计算,将Berz-Taylor模型引进计算过程中,减少由于区间扩张而导致的误差。在数值模拟计算中,运用模拟退火遗传算法(SAGA)确定了"强剪弱弯"的大致设计区间。根据该设计区间构造了特殊的采样函数进行重要性采样模拟从而得到了失效概率区间。误差分析表明该方法具有较好的精度。最后通过算例分析了各设计因素对"强剪弱弯"可靠性的影响,并提出了相应的设计建议。     

计算智能技术在陶瓷材料优化设计中的应用

综述了计算智能在陶瓷材料优化设计中的应用现状,阐明了利用人工神经网络以及遗传算法预测陶瓷材料性能和组分优化的方法,介绍了人工神经网络、遗传算法与免疫算法和模拟退火算法相结合的高效计算智能方法以及模糊神经网络在材料设计中的应用,分析了陶瓷材料优化设计中存在的问题并提出了今后的研究方向。     

求解VRP问题的混沌模拟退火萤火虫算法

目的使萤火虫优化算法(GSO)能够适用于车辆路径问题(VRP)的求解,同时提高该算法的求解性能。方法通过对GSO算法的改进,提出求解VRP问题的混沌模拟退火萤火虫优化算法(CSAGSO)。首先,设计改进的GSO算法(IGSO)使IGSO算法能够适应VRP问题的求解;其次,在IGSO算法中引入模拟退火机制,提出模拟退火萤火虫优化算法(SAGSO),使IGSO算法可有效避免陷入局部极小并最终趋于全局最优。然后,在SAGSO算法中引入混沌机制,提出CSAGSO算法,对SAGSO算法的荧光素浓度值进行混沌初始化和混沌扰动;最后,对标准算例集进行仿真测试。结果与遗传算法、蚁群算法和粒子群算法相比,CSAGSO算法的全局寻优能力、收敛速度及稳定性均改善了50%以上。结论对GSO算法的改进是合理的,且CSAGSO算法的全局优化能力、收敛速度和稳定性均优于遗传算法、蚁群算法和粒子群算法。     

混合粒子群算法在混流装配线优化调度中的应用

应用粒子群算法求解混流装配线的优化调度问题,给出粒子的构造方法,并针对算法中存在过早收敛的问题,提出了一种与局部优化和粒子微变异方法相结合的混合粒子群算法.给出了一个实例,实例应用粒子群算法和混合粒子群算法分别进行求解,与其他一些方法比较表明,混合粒子群算法可以有效、快速地求得混流装配线优化调度问题的解.