基于递阶遗传算法的并行多机调度优化

针对最小化完工时间的等同和非等同并行多机调度一类问题，提出了一种递阶遗传算法。该算法根据问题的特点，采用一种递阶编码方案，此编码与调度方案一一对应。用递阶遗传算法优化并行多机调度不需设计专门的遗传算子，操作简单。计算结果表明，递阶遗传算法是有效的，能适用于大规模等同和非等同并行多机调度问题。     

软件系统可靠性优化的一种改进方法研究

基于并行遗传算法将软件系统的可靠性优化问题表达为一类带约束条件的组合优化问题,并采用并行遗传算法中的岛屿模型和迁移策略,较好地改善了搜索性能。模拟实验表明:并行遗传算法有效地提高了运行速度和求解质量。     

并行遗传算法在软件可靠性优化中的应用

基于并行遗传算法将软件系统的可靠性优化问题表达为一类带约束条件的组合优化问题，并采用并行遗传算法中的岛屿模型和迁移策略，较好地改善了搜索性能。模拟实验表明：并行遗传算法有效地提高了运行速度和求解质量。     

解非等同并行多机调度问题的并行遗传算法

针对最小化完工时间的非等同并行多机调度一类问题，提出了一种混合遗传算法。该算法根据问题的特点，采用一种自然编码方案，此编码与调度方案一一对应，并对初始种群、交叉和变异等方法进行了研究。在鉴于遗传算法自然的并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法。计算结果表明，并行混合遗传算法是有效的，优于启发式算法和遗传算法，有着较高的并行性，能适用于大规模非等同并行多机调度问题。     

基于时间轴的软件多项目任务调度遗传算法

合理的调度可以在很大程度上提高人力资源在软件项目开发中的利用率。在研究了现有的任务调度算法的 基础上,考虑了软件开发任务的可拆分特性,结合员工的技能水平与项目经验对任务调度的影响,定义了基于时间轴 的多项目并行调度模型。该模型将任务按时间单元进行拆分,并且提出员工学习模式,用以动态改变员工的技能水平 和项目经验,从而提高员工分配的灵活性,使得满足约束下的成本开销最小化,其中包含员工薪水和超时任务的开销。 模型分解后,利用遗传算法求解,由于模型中约束条件众多,因此遗传算法中增加了各种启发式来提高算法性能。通 过仿真实例验证了模型和算法的有效性。     

配送中心多区并行拣货系统投产顺序优化研究

随着电商行业的快速发展，配送中心拣选作业系统与工艺越来越复杂，当批次订单下达后，如何在减少排队的前提下尽量缩短完工时间，已经成为企业提高拣选效率、降低物流成本的重点问题。考虑到当前大型配送中心拣货系统多数采取多区并行拣选策略，且不同结构的订单工艺流程各不相同，以最小化完工时间及最小化集合单排队等待时间为双层优化目标，针对拣货系统从拣选到打包出库的全工艺流程，建立了基于多区并行拣选的拣货系统集合单投产顺序优化模型；围绕求解多目标问题，设计了基于快速非支配排序遗传算法的多目标求解方法，并引入数字仿真方法进行适应度值的计算；最后通过实证分析，证明了算法的有效性。结果表明，该集合单投产顺序优化方法对于提高配送中心拣货系统作业效率具备良好的实用价值。     

基于AGA的最小加权完成时间并行机调度

针对最小化加权完工时间的等同和非等同并行多机调度问题,通过一种新的扩展顺序表达方式编码,采用自适应遗传算法来优化.此编码与调度方案一一对应,并且适于用多种交叉算子.计算结果表明,基于该编码方式的自适应遗传算法是有效的,能适用于大规模等同和非等同并行多机调度问题,且算法操作简单,收敛速度快.     

基于混合遗传算法的回归测试用例集最小化研究

为缩减测试用例规模,降低回归测试成本,将遗传算法和贪心算法相结合,提出了一种混合遗传算法用于解决测试用例最小化问题.算法对标准遗传算法中的选择、交叉和变异操作进行改善,提高了算法的全局寻优能力.同时,利用贪心算法处理可行解和不可行解,提高了算法的局部寻优能力.实验结果表明:与标准遗传算法相比,在保证测试完备性的前提下,混合遗传算法能够得到更优的缩减效果和更快的收敛速度.     

一种主从式并行遗传算法设计

该文对串行遗传算法进行了并行设计,加入对当前通用消息传递接口MPI的支持,形成了一个主从式并行遗传算法。针对该算法用经典的测遗传算法效率的OliverTSP问题进行测试,得出并行遗传算法可以更好的提高遗传算法的收敛性。     

一种主从式并行遗传算法设计

该文对串行遗传算法进行了并行设计,加入对当前通用消息传递接口MPI的支持,形成了一个主从式并行遗传算法。针对该算法用经典的测遗传算法效率的OliverTSP问题进行测试,得出并行遗传算法可以更好的提高遗传算法的收敛性。     

基于GPU的网络编码并行优化算法研究

在组播通信网络中,在满足组播速率的前提下,如何使编码资源开销最小化即网络编码优化是一个NP难问题.针对现有基于基本遗传算法的网络编码优化的不足,提出基于GPU的并行遗传算法应用于网络编码优化.通过在不同的网络拓扑结构中进行仿真实验,结果表明提出的并行遗传算法能够在更短的时间内找到满意的编码方案,具有更高的性能.     

易变质产品的生产计划与作业排序集成优化研究

讨论了一类针对易变质产品生产批量计划与作业排序的集成优化问题,以最小化库存成本、变质成本、缺货成本、加班成本之和作为目标函数并建立了混合整数规划模型,采用协同进化遗传算法进行求解,即通过迁移算子把协同进化算法和遗传算法有机联系起来,加强算法的寻优能力和收敛性能,最后通过仿真实验,分析自身进化结果,同时与遗传算法对比结果,验证了算法的性能。     

基于并行遗传算法的配送路线求解

遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律演化而来的随机化搜索方法,已经成功运用在很多大规模的组合优化问题中。利用如今流行的并行计算机系统,对遗传算法进行并行化,可解决标准遗传算法的速度瓶颈问题。本文在MPI并行环境下,用C++语言实现了粗粒度模型的并行遗传算法。结合并行遗传算法的特点,提出了解决物流配送路线优化的策略以及给出相应的算法过程,并进行了有效验证。通过研究结果表明,与传统遗传算法相比,并行遗传算法提高了运算速度,降低了平均开销时间并且最小总路径值更理想。     

一种基于粗粒度-主从式的混合并行遗传算法

为了解决串行遗传算法的收敛速度和早熟问题．人们开始研究遗传算法的并行执行，并取得了很好的结果。本文提出了一种基于分布式集群环境的层次结构(粗粒度一主从式)的并行遗传算法一混合并行遗传算法。仿真表明，采用混合并行遗传算法可以有效的提高优化的速度和解的精度。     

基于遗传算法的海运集装箱空箱调运成本优化

根据港口集装箱调运的特点,对空箱调运的问题进行分析,考虑租箱成本、运输成本、装卸成本和调运约束等条件,以最小化调运成本为目标,建立在保证重箱运输前提下的空箱调运的非线性整数模型.文中使用简单遗传算法和加入遗传算子的遗传算法分别对模型实例进行求解,实验表明,当采用加入遗传算子的遗传算法时获得的结果比采用简单遗传算法的更好.     

一种粗粒度并行遗传算法的设计与实现

遗传算法(Genetic Algorithms,GA)作为搜索最优解的方法,有很广泛的应用,但随着问题的规模扩大,复杂度增加,GA的求解速度大大降低。并行遗传算法(Paralle Genetic Algorithms,PGA)成为解决遗传算法速度瓶颈的有效方法。本文提出了并行遗传算法新的应用平台-Internet,讨论了并行遗传算法应用于Internet的具体实现中的关键问题,并给出单向环拓扑的具体实现和仿真验证。     

基于并行遗传算法多旅行商问题的求解

以往求解多旅行商问题的研究仅局限于以各旅行商路程总和最小为优化标准的传统遗传算法,而没有考虑他们的速度和所花时间。在MPI并行环境下,用C++语言实现了粗粒度模型的并行遗传算法。结合并行遗传算法的特点,提出了解决多旅行商问题的策略以及给出相应的算法过程,并进行了有效验证。通过研究结果表明,与传统遗传算法相比,并行遗传算法提高了运算速度,降低了平均开销时间并且最小总路径值更理想。     

文化算法在越库作业调度中的应用

研究只有一个入库门和一个出库门的带有限暂存区的越库中心的作业调度问题。以额外搬运成本、暂存成本和换车成本总和最小化为目标,建立动态规划模型。构建了具有两层进化机制的文化算法对问题进行求解。算法的种群空间采用遗传算法作为进化模式,信度空间接收种群空间的优良个体形成知识并指导遗传算法的选择操作。通过在大、小规模情形下进行数值实验,验证了文化算法的有效性。     

易腐物品车辆路径问题的并行遗传算法

本文采用并行遗传算法研究了易腐物品的车辆路径问题。通过设计粗粒度并行遗传算法和交叉、变异等算子,提高了算法的计算效率和性能。最后,以计算示例验证了算法的有效性。     

遗传算法的收敛性研究

遗传算法的收敛性分析是遗传算法研究中的重要问题,直接关系到遗传算法的实际应用价值。给出遗传算法全局收敛性的定义,描述当前遗传算法收敛性分析的主要模型,对自适应遗传算法、并行遗传算法、小生境遗传算法等典型遗传算法的收敛性进行分析,给出相关的研究结果,并指出遗传算法收敛性研究的未来发展方向。研究结果对提高遗传算法收敛性具有参考价值。