基于改进遗传算法的分批调度研究

针对分批调度的批量划分和排序优化问题,提出两段染色体编码方式,分别描述工序信息和批量信息.提出舍弃比率概念来优化种群初始化过程.采用自适应交叉算子和变异算子,以双种群协同进化方式对遗传算法进行改进.以文献数据为例仿真测试了改进遗传算法的有效性,对于复杂的分批调度问题,改进遗传算法一般能够得到较为满意的解.成功应用分批调度改进遗传算法解决了某公司分批调度问题.     

水电站优化调度的FP遗传算法

水电站的优化调度是个含有线性与非线性约束，而且目标函数呈非线性的动态控制问题，已有的优化方法大多基于数学规划技术。本文提出一种新方法，即人工智能浮点表示（ＦＰ）的遗传算法。它的主要优点在于状态和控制变量不必离散化，所需内存少，编程简单，它为克服水库（群）优化运行“维数灾”问题提供了一条新途径。     

西吉县咀头水库运行管理现状及存在问题的探讨

咀头水库除险加固完成后，库容显著增加，防洪标准明显提高，但由于水库在运行管理中调度不合理，致使水库有水期蓄水不足，灌区实际灌溉面积只有设计标准的80％左右，本文通过对咀头水库运行管理中存在的问题进行分析后做了相关的探讨。     

基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题，引入自适应交叉算子和变异算子，将改进后的跳点搜索（jump point search）算法与改进遗传算法融合，得到跳点搜索-遗传（jump point search-genetic,JPSG）算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力，加速算法整体收敛趋势；利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态，提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明，相比于改进遗传算法、传统遗传算法，JPSG算法可以有效缩短寻优执行时间，提高寻优准确率，减少运算执行次数，在稳定性、准确性、快速性上具有明显的优势。     

基于改进遗传算法的导向辊生产调度方法研究

目的 研究导向辊生产车间中的调度优化问题,有利于缩短工件的完工时间,提高产线生产效率。方法 以某导向辊生产车间为研究对象,以最小化最大完工时间为目标建立数学模型。针对该导向辊生产车间的实际工况,提出一种改进的遗传算法进行求解。通过对10种不同尺寸的导向辊进行生产调度,分别采用改进的遗传算法和传统遗传算法进行试验分析。结果 改进的遗传算法相比传统遗传算法寻优能力更高,工件的完工时间从139 min缩短为113 min,缩短了18.7%左右,生成了完工时间为113 min的生产调度甘特图。结论 与传统遗传算法相比,改进的遗传算法在导向辊生产调度优化中具有更高的全局优化能力和寻优精度。     

MicroStation在库容计算中的应用

水库库容是水库的一个非常重要的参数，本文探讨运用MicroStation软件建立数字高程模型（DEM），通过数字高程模型进行库容计算。     

水库库容与泥沙淤积测量方法浅析

水库淤积测量是研究河道、水库水文要素变化规律的基础，水库库容和淤积量是水库调度的重要参数，也是保证水库安全运行的一项长期而重要的基础工作。影响水库库容计算精度的诸多因素中，采用何种手段进行数据采集是不可忽视的。RTK定位法在水下测量中比以往的定位方法显示出了明显的优势。本文通过实例说明了此方法的基本原理和具体运用，并用计算对比进行了初步分析。     

遗传算法改进研究

遗传算法是一种比较成熟的智能算法,一般通过改进遗传算法的算子达到提高算法性能的目的。提出一种改进的遗传算法,新的遗传算法对标准的遗传算法中的编码、适应度函数等方面对遗传算法进行改进,并通过VisualC++软件编程计算,得到较好的优化结果。     

插单扰动下流水线生产与维护的重调度优化北大核心CSSCI

研究了拉式生产模式下考虑重调度需求的生产调度与预防性维护的联合优化问题。针对新工件突然到达对生产计划造成扰动的情况,对流水车间的重调度问题进行建模,优化目标兼顾生产、维护以及调度稳定性三个方面,其中调度稳定性指标特别考虑了设备维护计划的偏离成本。算法方面,根据模型的特点对遗传算法进行改进,对初始种群制定调度偏离约束的启发式规则,并引入最大公共序列交叉算子,设计了一种有效适用于该问题的改进算法IPC-LCSC GA。算例验证结果表明,在对具有维护计划的生产系统进行重调度时,与右移重调度以及不考虑维护稳定性的重调度相比,本文模型表现更优。     

遗传算法改进研究

遗传算法是一种比较成熟的智能算法,一般通过改进遗传算法的算子达到提高算法性能的目的。提出一种改进的遗传算法,新的遗传算法对标准的遗传算法中的编码、适应度函数等方面对遗传算法进行改进,并通过VisualC#软件编程计算,得到较好的优化结果,实验结果表明提出的算法是有效的。     

基于数字序列编码遗传算法的高层结构粘滞阻尼器优化布置

提出一种基于数字序列编码遗传算法的高层结构黏滞阻尼器优化布置方法,解决了允许各层阻尼器安装数量不同时,二进制编码的标准遗传算法不能完备表达求解空间的问题。数字序列编码用染色体的一个基因位表示一个阻尼器的安装位置,其数值表示该阻尼器的安装层数。在这一编码方案下,优化问题基因型空间中的染色体和表现型空间中的可选布置方案一一对应,编码满足严格的合法性、完备性、Lamarckian性质以及强因果性。与数字序列编码方式相对应,离散重组交叉算子保证了种群的有效进化。此外,基于染色体目标函数值的相对大小构造适应度函数,能够充分体现种群中染色体的适应度差异,加速种群的进化,进而获得优化问题的全局最优解。对多遇地震下20层Benchmark结构的阻尼器布置方案进行了优化,计算结果表明了该方法的有效性。     

Application of a Genetic Algorithm to Computer-aided Bending Sequence Planning

Optimal design of the bending sequence is a key link in sheet metal free bending sequence planning,and it has an important influence on simplifying operation and guaranteeing bending precision. Bending sequence must meet the requirements for not only no collision interference of the work piece and the mold,but also working efficiency and working precision,so bending point choice,molds select,turnover and turn round of sheet metal must be considered in each bending step. In this paper,a genetic algorithm is used to design bending sequence. The interference identification is used to determine coding,exchange and mutation of the genetic algorithm. The genetic algorithm is developed to calculate the current optimal feasible solution of the bending sequence,and then the influence of initial population and evolution generations of this method on the result is analyzed by example verifications. The results prove that a global optimal solution can be obtained while the bending point number was less than 10,and optimal bending sequence which is similar to the global optimal solution can be calculated while the bending point number was more than 10. The results converge gradually to the global optimal solution with the increase of the initial population and evolution generations. As to 18 points bending work-piece,with the initial population size 150 and the evolution generations 100,we can obtain the satisfying solution.     

大跨空间钢结构模态参数测试传感器优化布置

为了有效选择监控模态振型阶数,并使振型向量间夹角和测点振动能量同时尽可能大,提出了基于模态能量和白适应遗传算法的多目标传感器优化布置方法.首先,根据结构模态应变能的大小挑选出环境激励下结构的主要贡献模态,即优化时所取的监控模态.然后,根据单位刚度的模态运动能以及模态置信度矩阵构造新的适应度函数,利用自适应遗传算法对布点...     

基于多目标遗传算法的传感器优化布点研究

针对目前桥梁模态试验中传感器布点优化都是基于单一准则下的研究的局限性,提出采用双准则或多准则下的传感器优化布点研究,该方法改进了以往布点优化中单一目标最优的限制,转而寻求多准则下的优化布点的满意解,而非真正严格数学意义上的最优解。采用Pareto遗传算法,设计了相应的遗传算子和编码方案,成功求解了双准则下传感器最优布点问题,优化结束时,成功给出了一组pareto最优解的前沿面,进而证明了提出的方法是可行的。     

基于相对适应度遗传算法的高层结构粘滞阻尼器优化布置

提出基于相对适应度遗传算法的高层结构粘滞阻尼器优化布置方法,综合考虑多种地震波作用与多个不同优化目标。较标准遗传算法,相对适应度遗传算法基于染色体目标函数值相对大小构造适应度函数能充分体现种群中染色体适应度差异,促进种群的有效进化,获得优化问题的全局最优解。在讨论目标函数加权系数对优化结果影响基础上,对目标函数进行归一化处理,并考虑多种地震波作用。通过用该方法对20层框架结构的粘滞阻尼器布置方案进行优化,数值计算结果证明该方法的有效性及可用性。     

改进遗传算法在MRFD半主动控制系统优化配置中的应用

为了解决磁流变阻尼器(Magnetorheological Fluid Damper,简称MRFD)控制装置在建筑结构上的优化配置问题,提出了一种改进遗传算法。该方法在进行遗传操作时,为了避免因采用普通遗传算法中的交叉和基本变异操作而产生违反约束条件的个体,应用了一种改进的交叉和变异方法,即通过产生的识别码进行判断交叉,并采用了双基因座变异,以满足约束条件。对改进遗传算法与普通遗传算法中处理约束问题的罚函数方法进行了分析比较和计算,结果表明:改进遗传算法的收敛速度快,优化配置的效果较好。     

基于遗传算法的传感器优化配置

讨论了以损伤诊断为目标的传感器优化配置问题,以模态置信度MAC矩阵的最大非对角元为目标函数,将目标函数的极小化问题转换为适应度函数的最大化问题,采用遗传算法对传感器的配置进行组合优化,针对满足组合优化中的约束条件问题提出了二重结构编码遗传算法,取得了满意的优化结果。算例表明,该方法应用于海洋平台模型损伤诊断的传感器优化配置是可行的,其结果优于序列法。     

包装物回收物流中的车辆路径优化问题

目的提高遗传算法(GA)求解包装物回收车辆路径优化问题的性能。方法通过对传统GA算法的改进,提出混合蜂群遗传算法(HBGA)。首先改进传统GA算法的初始种群生成方式,设计初始种群混合生成算子;其次,提出最大保留交叉算子,对优秀子路径进行保护;然后,在上述改进的基础上引入蜜蜂进化机制,用以保证种群多样性和优秀个体特征信息的利用程度;最后,对标准算例集进行仿真测试。结果与传统GA算法相比,HBGA算法在全局寻优能力、算法稳定性和运行速度方面均有所改善。HBGA算法的全局寻优能力和算法稳定性均优于粒子群算法(PSO)、蚁群算法(ACO)和禁忌搜索算法(TS),但运行速度稍慢于TS算法。结论对传统GA算法的改进是合理的,且HBGA算法整体求解性能优于PSO算法、ACO算法和TS算法。     

一种基于遗传算法的光学薄膜优化设计方法

本文依据遗传算法的基本思想,立足光学薄膜领域,介绍了采用遗传算法进行光学薄膜设计优化的一种实现方法——包括"建立种群""建立适应度函数""选择""交叉""变异"和"精英保护"等方面的详细操作步骤。基于该方法,给出了一个在400nm~900nm光谱区间内实现4个通带的优化设计实例,其结果表明该方法在膜系设计中能够起到较好的优化效果。文章在最后指出,该方法仅仅实现了简单的遗传算法,在运行效率和优化能力等方面还有较大的提升空间。     

基于改进遗传算法的航空集装箱装载优化

目的 为保证货物在运输中的平稳性与安全性,优化航空运输中集装箱的装载布局问题,提出一种改进遗传算法并开展航空集装箱装载应用研究。方法 考虑货物装载的7种现实约束条件,以集装箱体积利用率为优化目标,建立航空集装箱多箱装载优化模型。采用三段式实数编码随机产生初始种群,并加入最优个体保护策略增强遗传算法的全局收敛性,结合不同约束条件构造合理的适应度函数。结果 以真实航空货物信息作为实验数据,实验结果表明在满足多种现实约束的条件下,集装箱体积平均利用率由优化前的74.07%提高到83.99%,装载件数明显增加,适用于航空集装箱的运输装载。结论 算法能够应用于航空集装箱装载运输中,为航空运输业实现智能化装载、提高运输效率创造了条件。