特殊变换多小波构造的浮点数编码遗传算法

浮点数编码具有精度高、便于高维大空间搜索的优点,在函数优化和约束优化领域明显有效于其他编码。浮点数编码遗传算法在操作环境中产生的噪音和对算法性能的影响尚不被人们所认识。将小波用于浮点数编码遗传算法的消噪变异是解决该问题的有效途径。单一小波对浮点数编码消噪变异泛化能力低,且对浮点数编码遗传算法性能改进有一定的局限性。研究证明了用酉变换可构造正交多小波,将正交多小波用于浮点数编码遗传算法的消噪变异,提出了FGAMW方法,并进行了实验。理论研究和实验结果表明,提出的FGAMW方法理论上是可靠的,技术上是可行的,对于拓展浮点数编码遗传算法的应用空间具有积极的意义。     

浮点数编码的阈值消噪研究

遗传算法在工程和优化领域中得到了广泛地应用,但其编码的局限性影响了遗传算法的性能和应用领域的拓展。浮点数编码在函数优化和约束优化领域明显有效于其他编码,但编码在选择、交叉操作中产生的噪声对遗传算法性能的影响未被人们所重视。着重分析了遗传操作中浮点数编码噪声的性质,研究利用小波阈值化系数对浮点数编码消噪的机理,通过变异运算消噪。结果表明,将小波理论用于浮点数编码遗传算法的变异消噪是可靠的、方法是可行的。     

基于浮点数编码遗传算法的PI参数优化算法

本文介绍了基于浮点数编码遗传算法寻优的PID参数优化方法,采用误差绝对值时间平方积分性能指标作为参数选择的目标函数,利用遗传算法的全局搜索能力,实现对全局最优解的寻优,以降低PID参数整定的难度,达到总体提高系统性能的目的.仿真结果表明,通过浮点数编码遗传算法进行PI参数优化可使系统具有很好的动态品质和稳态特性.     

浮点数编码小生境遗传算法的研究

小生境在增加遗传算法群体的多样性，提高遗传算法的局部搜索能力方面具有良好的性能。迄今为止，有关小生境遗传算法的研究都是基于二进制编码，缺乏以浮点数编码为研究对象的相应成果。而浮点数编码在提高遗传算法的性能和遗传算法的推广应用中，具有其它编码所无法比拟的优势。本文以浮点数编码为研究对象，研究小生境遗传算法的机理，分析在遗传操作中小生境的生成、合并和分离的动态过程，探索其方法。本文的研究和实验结果表明，浮点数编码小生境遗传算法的性能是可靠的，方法是可行的。     

小波分解的浮点数编码遗传算法消噪变异研究

遗传算法的应用领域越来越广泛,其编码问题是遗传算法研究的难点之一。浮点数编码具有精度高、便于大空间搜索的优点,在函数优化和约束优化中明显优于其他编码,但浮点数编码在遗传环境中产生的“噪音”和对算法性能的影响,常常被人们所忽视。基于小波分解原理,将“噪音”映射到Haar小波基上,对算法消噪变异,并编程予以实现。研究及实验结果表明,这种方法明显优于其他算法,在理论上是可靠的,技术上是可行的。     

遗传算法的一种新颖编码研究

提出了一种新的基于N进制分部编码算子的遗传算法．该编码算子首先将每个基因值用N进制的浮点数表示，然后将其分为整数部分和小数部分，分别重新编码组成染色体；相应的选择、交叉、变异算子采用符号编码的思想，充分利用N进制浮点数的特点进行设计．在遗传算法开始阶段，该编码算子进行整数部分和小数部分的遗传操作，使得遗传算法在早期具有很强的全局搜索能力，避免陷入局部极值；在后期进行小数部分的遗传操作，使得遗传在后期具有很强的局部搜索能力，能够很快地搜索到全局极值．通过理论分析，证明了N进制分部编码算子与传统的浮点数编码和二进制编码算子相比具有优越性，并通过典型函数的仿真进行了验证．     

基于小波阈值收缩消噪的浮点数编码遗传算法研究

浮点数编码具有精度高、便于高维大空间搜索的优点,在函数优化和约束优化领域明显有效于其他编码。但浮点数编码遗传算法在运行环境中产生的噪音对算法性能的影响并未引起人们的重视。传统的浮点数编码遗传算法采用的是有界随机变异,不能消除噪音对算法性能的影响。提出了基于小波阈值收缩消噪的浮点数编码遗传算法,建立滤波器,采用不同的阈值消噪取代变异操作,并进行了实验。该研究和实验结果表明,这种方法理论上是可靠的,方法上是可行的,选择适当的阈值,可明显提高算法的全局最优解精度,具有较高的稳定性。     

正交多小波消噪变异的浮点数编码遗传算法

编码是遗传算法研究的难点问题之一。浮点数编码在函数优化和约束优化领域明显有效于其他编码。但消除浮点数编码在遗传算法运行环境中产生的噪音,以提高遗传算法性能的理论和方法尚不被人们所认识。在用正交多小波对浮点数编码遗传算法消噪变异的基础上,针对染色体编码长度的奇偶数问题,从理论上证明了正交多小波既能对偶数长度染色体编码消噪变异,也能对奇数长度染色体编码消噪变异,基于这一结论提出了基于正交多小波消噪变异的浮点数编码遗传算法（FGAWDM）,并进行了实验。研究和实验的结果表明,该方法理论上是可靠的,方法上是可行的,对于拓展浮点数编码遗传算法的应用空间具有积极的意义。     

基于DE的浮点数编码自适应进化算法研究

DE自问世以来,一直是进化计算研究的热点.DE有着良好的搜索特性、较强的鲁棒性和较高的微调能力.而浮点数编码在提高算法性能和运算质量,将进化算法应用于工程优化领域中有着其它编码所不能比拟的优势.本文将DE与浮点数编码的进化计算相结合,提出了基于DE的浮点数编码自适应进化算法.经过分析和实验,验证了本算法在搜索性能上是可靠的,方法是可行的,在工程优化中具有较强的实用性.     

多小波阈值的遗传算法消噪变异

编码问题是遗传算法研究的难点。浮点数编码在函数和约束优化中明显优于其他编码,并能提高算法的局部搜索能力。浮点数编码在遗传环境中产生的噪音和对算法性能的影响,正在被研究者所关注。但目前尚无基于多小波阈值实现浮点数编码消噪变异的研究成果出现。首先研究了多小波和浮点数编码噪音的性质,提出了一种基于多小波阈值的浮点数编码消噪变异方法,并与其他算法进行比较实验。研究和实验结果表明,这种方法可明显提高算法的收敛精度和速度,改善算法的整体性能。     

基于免疫遗传算法的复杂网络社区发现

针对大部分基于智能优化算法的社区发现方法存在的种群退化、寻优能力不强、计算过程复杂、需要先验知识等问题,提出了一种基于免疫遗传算法(GA)的复杂网络社区发现方法。算法将改进的字符编码和相应的遗传算子相结合,在不需要先验知识的情况下可自动获得最优社区数和社区划分方案;将免疫原理引入遗传算法的选择操作中,保持了群体多样性,改善了遗传算法所固有的退化现象;在初始化种群及交叉和变异算子中利用网络拓扑结构的局部信息,有效缩小了搜索空间,增强了寻优能力。计算机生成网络和真实网络上的仿真实验结果表明算法可自动获取最优社区数和社区划分方案并具有较高的精度,说明算法具有可行性和有效性。     

改进蚁群算法及其在高光谱影像分类中的研究

针对高光谱影像波段数目多,易造成维数灾难的问题,结合遗传算法提供的初始启发信息和蚁群算法寻优能力的优势,提出一种基于改进二进制蚁群算法的波段选择方法。该方法通过遗传算法寻优获取几组较优解,经过计算后作为二进制蚁群算法的初始启发式信息,利用二进制蚁群算法的全局搜索获取最优解;另一方面,为充分利用影像的光谱与空间信息,将波段组合的光谱特征与改进二进制蚁群算法选择的纹理特征融合进行分类,可以获得更高的分类精度。实验结果表明,改进二进制蚁群算法与遗传算法、蚁群算法、二进制蚁群算法相比全局搜索能力更强,且该方法分类精度达到95.63%。     

The hybrid heuristic genetic algorithm for job shop scheduling

Scheduling for the job shop is very important in both fields of production management and combinatorial optimization. However, it is quite difficult to achieve an optimal solution to this problem with traditional optimization methods owing to the high computational complexity (NP-hard). Genetic algorithms (GA) have been proved to be effective for a variety of situations, including scheduling and sequencing. Unfortunately, its efficiency is not satisfactory. In order to make GA more efficient and practical, the knowledge relevant to the problem to be solved is helpful. In this paper, a kind of hybrid heuristic GA is proposed for problem n/m/G/C_max, where the scheduling rules, such as shortest processing time (SPT) and MWKR, are integrated into the process of genetic evolution. In addition, the neighborhood search technique (NST) is adopted as an auxiliary procedure to improve the solution performance. The new algorithm is proved to be effective and efficient by comparing it with some popular methods, i.e. the heuristic of neighborhood search, simulated annealing (SA), and traditional GA.     

统计遗传算法

本文讨论了遗传算法中框架定理的不足之处，并对之进行了改进，然后分析了遗传算法与Ａ算法的相似性，以及遗传算法的概率性质．由此联想到它与ＳＡ算法的相似性，在此基础上，作者将原先发展的一套ＳＡ算法的理论移植到遗传算法中来，建立一个新的算法，称之为统计遗传算法（简记为ＳＧＡ算法）．为适合于优化计算，作者引入最大值统计量及其对应的ＳＡ算法（简称为ＳＭＡ算法），并将ＳＭＡ算法与ＧＡ算法相结合（记为ＳＧＡ（ＭＡＸ）算法）．新的算法不仅提高了算法的精度和降低了计算的复杂性，而且能克服ＧＡ算法中出现“早熟”的现象以及提供进行并行计算的可能性．更主要的是新的方法为ＧＡ算法的精度、可信度和计算复杂性的定量分析提供了理论和方法上的有力工具.     

Simulation-based heuristic method for container supply chain network optimization

With the emerging of free trade zones (FTZs) in the world, the service level of container supply chain plays an important role in the efficiency, quality and cost of the world trade. The performance of container supply chain network directly impacts its service level. Therefore, it is imperative to seek an appropriate method to optimize the container supply chain network architecture. This paper deals with the modeling and optimization problem of multi-echelon container supply chain network (MCSCN). The problem is formulated as a mixed integer programming model (MIP), where the objective is subject to the minimization of the total supply chain service cost. Since the problem is well known to be NP-hard, a novel simulation-based heuristic method is proposed to solving it, where the heuristic is used for searching near-optimal solutions, and the simulation is used for evaluating solutions and repairing unfeasible solutions. The heuristic algorithm integrates genetic algorithm (GA) and particle swarm optimization (PSO) algorithm, where the GA is used for global search and the PSO is used for local search. Finally, computational experiments are conducted to validate the performance of the proposed method and give some managerial implications.     

A genetic algorithm application using fuzzy processing times in non-identical parallel machine scheduling problem

There are many scheduling problems which are NP-hard in the literature. Several heuristics and dispatching rules are proposed to solve such hard combinatorial optimization problems. Genetic algorithms (GA) have shown great advantages in solving the combinatorial optimization problems in view of its characteristic that has high efficiency and that is fit for practical application [1]. Two different scale numerical examples demonstrate the genetic algorithm proposed is efficient and fit for larger scale identical parallel machine scheduling problem for minimizing the makespan. But, even though it is a common problem in the industry, only a small number of studies deal with non-identical parallel machines. In this article, a kind of genetic algorithm based on machine code for minimizing the processing times in non-identical machine scheduling problem is presented. Also triangular fuzzy processing times are used in order to adapt the GA to non-identical parallel machine scheduling problem in the paper. Fuzzy systems are excellent tools for representing heuristic, commonsense rules. That is why we try to use fuzzy systems in this study.     

生产调度优化问题文化进化算法研究

许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。基于文化算法及文化进化思想设计的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到置换Flow shop问题的求解,用Matlab编程仿真测试,结果表明此算法解决生产调度优化问题是可行的,而且其全局搜索性能优于一种改进的GA算法。     

一种基于改进A*算法的室内导航路径规划方法

路径规划是室内导航研究的关键技术之一。A^*算法是一种常见的路径规划算法,当区域的点数量较少时,找寻最优路径是最有效的直接搜索方法。但当路径点规模较大时,使用数值优化算法求解最佳路径的难度急剧增加,导致规划时间所需时间过长,不符合实时性要求。为提高路径规划方法中的效率和稳定性,在梳理室内导航路径规划已有算法和方案的基础上,分析了A^*算法的基本思想与实现步骤,并针对室内导航中A^*路径算法存在的问题,提出了一种改进型A^*算法优化的方案。利用用户对最短距离和直行路程的需求,在位置计算中,引入同时考虑方向和距离启发信息的启发函数,把POI点与寻路节点分开处理,以映射的方式建立联系。将该方案应用于室内导航中A^*算法实现伪代码,对算法改进前后进行算法效率测试。结果表明,改进后A^*算法的整体效率提升了近50%,改进型A^*算法在室内导航路径规划的效率和稳定性比较优,达到了加速导航算法的目的。     

基于多分类支持向量机的优化算法智能推荐系统与实证分析

算法智能推荐是超启发式算法研究领域一个重要分支,其目标是从众多"在线"算法中自动选择出最适于当前问题的算法,从而大大提升解决问题的效率。基于此提出并验证了一种优化算法智能推荐系统,理论依据是无免费午餐定理和Rice算法选择框架,并假设问题特征与算法性能表现之间存在潜在关联关系,从而可以把算法推荐问题转换为一个多分类问题。为了验证假设的成立,以多模式资源约束项目调度问题为测试样本数据集,以粒子群、模拟退火、禁忌搜索和人工蜂群等元启发式优化算法为推荐对象,以支持向量机多分类策略实现算法的分类推荐。交叉验证结果表明,推荐准确率均在90%以上,各项评价指标表现优秀。