改进遗传算法下的无水港集货路径优化研究

在出口电商企业向内地无水港进行货物集中时，考虑其交通运输过程中遇到的效率低、成本高等问题，提出了一种切实可行的解决办法，即通过车辆共享的形式，既降低了发货商的成本，也使得无水港的管理更加便捷。在对传统的集货运输模式改进后，建立以最小化所有货车总运输路程的数学模型，先使用扫描法对发货点进行分组，后使用改进的遗传算法（IGA）进行路径优化。针对不同数量的发货点以及集货车辆规模，使用IGA对模型求解并与传统遗传算法（GA）以及粒子群算法（PSO）所得结果对比。经MATLAB对小规模实验进行算例分析，得到改进后的车辆需求总数为3 辆，配送总成本为5 485.67元，与另外两种传统运输方式对比，证明了所述方法的优越性。     

遗传算法改进策略的研究

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法.近年来,由于遗传算法求解复杂优化问题的巨大潜力和工程等领域的成功应用,受到了广发关注.针对遗传算法的特点,结合遗传算法的理论,给出了遗传算法的改进方法,并进行了系统的分析和研究.     

基于IGA的漂白过程温度优化控制

针对工艺复杂的造纸过程漂白工段的温度控制优化问题,分析了漂白过程温度控制优化策略,提出了标准遗传算法的改进方法,采用基于改进型遗传算法(IGA)整定PID控制器的方法实现了对漂白塔温度的优化控制,并介绍了基于DCS的优化控制系统配置.仿真结果和实践证明了基于IGA的漂白过程温度控制优化方案的正确性和有效性.     

永磁直线同步电动机的IGA优化设计

永磁直线同步电动机在远距离、大推力应用场合中需要的中枢绕组和永磁体多,系统造价较高。针对该问题,文章以经济指标为目标,采用自适应参数调整和适应值定标相结合的改进遗传算法,通过选取优化变量、确定约束条件及目标函数,实现了永磁直线同步电动机的优化设计。对优化前后的电动机各性能指标进行分析比较后得出,该优化方法能够改善电动机的综合性能指标,提高电动机的推力,减小电动机的体积,从而降低了电动机的制造成本。     

基于改进遗传算法的物流配送路径优化的研究

通过改进遗传算法的编码方式和适应度评估,减少二进制编码或浮点型编码的复杂性,同时精简适应度评估的计算,来求解物流配送路径优化问题.在建立物流配送路径优化问题的数学模型基础上,构造改进后的遗传算法.改进后的遗传算法采用自然数直接编码,在个体选择上结合使用常用的最优个体保留策略和轮盘赌法.进行多次实验和计算,证明改进后的遗传算法,在优化物流配送路径方面比传统的遗传算法,收敛性更好、更优越,进而更高效地获得问题的最优解或近似最优.     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

基于改进遗传算法的悬架集成优化研究

针对传统悬架设计不能达到全局最优的缺点,提出一种基于改进遗传算法的悬架系统集成优化方法,该方法将结构和控制器参数等同的视为设计变量,进行同时优化设计.改进的遗传算法使用局部多次搜索算子来避免传统遗传算法过早收敛现象,在繁殖新一代种群时,采用的"混合择优"策略能够保持种群多样性.仿真结果表明,集成优化后的车身加速度和轮胎动位移都有很好的改善,提高了汽车行驶平顺性和安全性.     

基于改进遗传算法的深度神经网络优化研究

深度前馈神经网络在分类和回归问题上得到了很好的应用,但网络性能极大程度上受到其结构和超参数影响.为了获得高性能的神经网络,首先对遗传算法的选择策略进行改进,之后利用该改进遗传算法,采用二进制编码与实数编码的混合编码策略对深度前馈神经网络层数、每层节点量以及学习率和权重进行优化.改进的选择策略,在最优保存策略的基础上从父...     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

改进适应度函数的遗传算法

提出了一类新的改进的适应度函数的遗传算法，考虑了函数在搜索点的函数值及其变化率，结果表明收敛速度明显高于标准遗传算法。     

遗传算法的收敛性研究

本文讨论了遗传算法的收敛性问题，提出了一个收敛的充分条件，证明了对任何问题，只要其问题空间编码和遗传操作的组合满足这个条件，就可以用遗传算法求解，由此得到了ＧＧＡ－难题珠新定义，解释了现有模式理论所不能解释的最小欺骗问题，并讨论了它的可操作性。     

基于改进遗传算法的车辆路径问题求解

一直以来，车辆路径优化问题是物流系统中普遍受到关注的热点问题，也是一类算法比较复杂的问题。结合使用遗传算法和爬山法可以有效地提高解决这类复杂问题的效率，并可优化解的质量。     

A COMPARATIVE STUDY ON PARTICLE SWARM OPTIMIZATION AND GENETIC ALGORITHMS FOR TRAVELING SALESMAN PROBLEMS

This article deals with a performance evaluation of particle swarm optimization (PSO) and genetic algorithms (GA) for traveling salesman problem (TSP). This problem is known to be NP-hard, and consists of the solution containing N! permutations. The objective of the study is to compare the ability to solve the large-scale and other benchmark problems for both algorithms. All simulation has been performed using a software program developed in the Delphi environment. As yet, overall results show that genetic algorithms generally can find better solutions compared to the PSO algorithm, but in terms of average generation it is not good enough.     

基于遗传BP网络的快速分类算法的构建

为获取能快速分类的智能算法,在分析BP算法原理与缺陷的基础上,首先对标准的BP算法进行了改进,然后利用已改进的BPX算法优化遗传算法选优过程,提出了GA＆BP混合算法,该算法兼顾了GA算法的全局收敛特性和BP算法快速的局部收敛能力,使算法既有较快的收敛速度又不易陷入局部解。仿真结果表明GA＆BP混合算法的收敛速度、误差精度等主要性能指标有明显改善。     

用遗传算法进行工程优化的实现策略

本文针对常规遗传算法应用中容易产生早熟现象、效率不高和最优染色体编码易被破坏等问题，提出了解决这些问题的策略，并在计算机上编程予以实现。用这些策略解决了工程优化问题，结果证明，这些策略理论上是正确的，方法上是可行的。     

基于遗传算法的时变纯滞后系统的在线辨识与控制

本文介绍了一种基于遗传算法的大滞后时变系统的在线参数辨识和控制方法。将基于遗传算法的时滞系统参数辨识和时滞系统的Smith预估控制结合起来,试验证明本方法对于参数在较大范围内改变的大滞后系统的控制是有效的。     

基于遗传算法和模糊积分的多分类器集成

多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是其中一种多分类器联合方法。但是对于模糊积分。如何计算模糊积分密度是一个尚未解决的问题。本文提出了一种基于模糊积分和遗传算法的分类器集成方法，该方法利用遗传算法计算模糊积分密度函数，再利用模糊积分把分类器输出信息联合起来。实验结果表明，该方法比其他方法能够得到更好的识别性能。     

改进GAs算法在大规模资源分配问题中的应用

采用改进ＧＡｓ算法建立了求解大规模规划的资源分配模型．针对大规模资源分配问题的具体特点，设计了合适的ＧＡｓ算子，并以实例验证了算法的合理性及有效性．     

基于二维阈值化和遗传算法的图像分割方法

本文以二维最大熵为例,讨论了如何利用遗传算法和二维直方图进行图像阈值的自动选取。实验结果表明,利用遗传算法可以有效地提高原有图像阈值选取方法的速度。     

求解多极值点函数的改进遗传算法

给出的适应值标定公式能够解决对个体选择压力和标定后适应值非负问题，对多极值函数的遗传算法所提出的改进措施可以增加群体的多样性，避免算法“早熟”，过早陷入局部最优。