基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

露天矿卡车SA-GA算法实时调度的实现

应用模拟退火算法优化遗传算法实现了露天矿卡车的实时优化调度。首先，针对所建卡车调度模型的单目标、多约束、非线性优化的特点，应用求解此类问题表现优越的遗传算法进行求解。其次，针对遗传算法局部搜索能力不足的特点，应用局部搜素能力强的模拟退火算法对其进行优化并详细阐述了模拟退火算法优化遗传算法的基本思想和算法流程。接着，应用典型的TSP问题对模拟退火优化遗传算法进行了验证。最终，应用Mtlab编程软件编制了基于SA-GA算法的露天矿卡车调度程序，并以实际生产数据进行了实验验证。     

基于优化模拟退火算法的航天薄壁结构件车间布局优化

针对某航天设备生产车间生产效率低,物流成本高等问题,首先通过相关算法的研究对比,提出算法混合的一般性原则,并得出:对于遗传算法和模拟退火算法,能够将两个算法的优缺点互补,即遗传算法易收敛特性,模拟退火算法能够较少受到初始解影响,接着基于该原理设计了混合算法。该算法能够继承两个算法的优点,同时避免了两个算法的缺点,即遗传算法容易局部收敛,模拟退火算法收敛时间较长、速度慢等缺陷,并在多行布局环境下对算法的收敛性、最优解进行验证。最后通过Plant Simulation仿真软件,以某航天零件加工车间为研究对象,进一步对算法的优越性进行仿真验证。仿真结果证明,优化后的车间布局能提升车间生产效率。     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题，提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性，避免了遗传算法的早熟收敛问题，增强了算法的全局收敛性，并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化，其结果与MDOD和改进遗传算法2种的结果进行比较，表明此算法能够很好处理工程离散化问题。     

基于混合遗传算法的车间调度问题研究

利用遗传算法(GA)和模拟退火算法(SA)求解该问题近优解的有效性和实用性,提出一种实现车间调度的混合遗传算法(GASA),给出了一个新的编码方法,并建立了相应编码的解码规则.对初始温度的确定方法和获得适应度函数的方法进行了探讨.基于LA16调度问题,分别利用该方法和单纯遗传算法及模拟退火算法进行了模拟仿真计算,计算结果表明该混合算法克服了单纯遗传算法和模拟退火算法在车间调度优化方面的不足,具有较高的鲁棒性.     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

模拟退火实参数遗传算法及其工程应用

由于继承性的问题,遗传算法在编码和解码中会花费大量的计算时间;另外,由于缺乏"爬山能力",遗传算法很容易早及局部收敛。提出了一种新的自适应模拟退火遗传算法,具有遗传算法和模拟退火的优点,同时自适应机制的引入,保证了解的质量并提高了收敛速度。将这种方法应用于螺旋弹簧约束优化设计问题中,结果表明,尽管群体规模较小,但在处理复杂问题时,这种混合算法的全局搜索能力和收敛速度显著提高。     

故障识别中并行组合模拟退火算法的应用

提出了一种基于并行组合模拟退火算法的故障识别方法，该混合算法综合了遗传算法和模拟退火算法的优点。详细讨论了并行组合模拟退火算法的原理及实现方法，并应用于两个设备诊断实例中，结果证实了该算法的有效性。     

基于遗传模拟退火算法的机器人全局路径规划

研究了机器人在已知环境下用遗传模拟退火算法进行最优路径搜索的方法，此算法兼备了遗传算法和模拟退火算法的优点，还对路径的转折节点处进行了光滑性的改进，并且通过仿真实验证明了此方法能够快速得到最优路径。     

基于混合退火遗传算法的圆柱蜗杆传动模糊优化设计

针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法.在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能.并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计.     

基于遗传退火优化MSVM的齿轮箱故障诊断

为了实现齿轮箱典型故障的自适应准确辨识,提出一种遗传退火算法优化多核支持向量机的齿轮箱故障诊断模型。首先,将齿轮箱故障振动信号经验模式分解为多个内禀模态分量并提取其幅值能量特征;然后,再基于高斯核和多项式核构建多核支持向量机;最后,将表征齿轮箱故障特征的内禀模态分量能量输入到遗传退火算法优化的多核支持向量机进行故障模式辨识。理论分析表明,多核支持向量机能够逼近任意多元连续函数,遗传退火参数优化可快速准确得到多核支持向量机的全局最优参数向量。通过齿轮箱的故障模拟实验验证了该方法的有效性,结果表明,相比于传统的故障诊断模型,该方法显著提高了齿轮箱典型故障的诊断精度和泛化推广能力。     

基于混合遗传模拟退火算法的离合器蝶形压紧弹簧优化设计

针对遗传模拟退火算法的局部搜索能力不足,并且可能早熟和遗失最好解;以及传统优化算法全局性较弱,容易陷入局部解的问题.提出一种将遗传模拟退火算法和共轭方向法相结合的混合遗传模拟退火算法.在此基础上对离合器蝶形压紧弹簧优化设计进行研究,并与传统优化方法进行比较,结果表明,该方法简单可行,可为蝶形压紧弹簧以及其他产品的设计提供一种新方法.     

基于模拟退火遗传算法激光冲击板材最大变形量优化研究

总结了激光冲击板材成形最大变形量的影响因素,基于模拟退火遗传算法技术,将板材最大变形量的影响因素分析问题表达为一类组合优化问题,建立了板材最大变形量的影响因素诊断知识库,设定了最大变形量的影响因素诊断控制参数,并采用模拟退火的适应度拉伸方法,探讨了有效地提高板材最大变形量的影响因素诊断准确率的优化方法。最后给出了试验最优解讨论分析。模拟退火遗传算法在本实验程序中收敛速度比简单遗传算法平均提高13.2%,识别准确性平均提高7.44%。试验表明:温度下级调节系数α必须尽量靠近0.985才能得到较理想解。基于八种影响因素产生的目标函数激光冲击板材最大变形量方法,可以在实际生产中有效利用此最佳工艺参数提高加工效率。     

A GA-SA Multiobjective Hybrid Search Algorithm for Integrating Lot Sizing and Sequencing in Flow-Line Scheduling

It is very important that the sequencing and lot sizing in the flow-line environment are not independent. They should be integrated. In this paper, a multiobjective hybrid evolutionary search algorithm which combines a genetic algorithm and a simulated annealing algorithm is proposed and the performance of the proposed algorithm is compared with the existing genetic algorithm and the simulated annealing algorithm. The algorithms are coded independently and the performance is compared with randomly generated test problems. The objective functions considered for evaluation are the minimisation of makespan, minimisation of overtime and minimisation of holding cost. The scalar fitness function combining all the three objective functions, which minimises total cost, is used. The results are presented in tables and figures. The results show that the proposed hybrid algorithm performs better than the genetic algorithm and the simulated annealing algorithm.     

基于PetriNets和混合遗传算法的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模,利用遗传算法和模拟退火算法获得调度结果,并通过Petri网进行控制.用于解决作业车间的加工受到机床、操作工人等生产资源制约条件下的优化调度.以生产周期为目标进行的优化调度,将遗传算法和模拟退火相结合.通过多种交叉、变异、概率更新选择、再分配策略等遗传和模拟操作,得到目标的最优或次优解.对算法进行了仿真研究,仿真结果表明该算法是有效性.     

基于遗传算法的塔式起重机起重臂优化设计

介绍了塔式起重机起重臂优化设计的数学模型以及起重臂有限元模型的建立,论述了通过遗传算法结合ansys有限元分析软件进行起重臂优化设计的方法,结合模拟退火算法思想,对遗传算法作了改进,以保证其全局收敛。最后通过计算实例表明该方法高效可行,优化结果可直接作为工程设计的参考。     

A novel algorithm based on hybridization of artificial immune system and simulated annealing for clustering problem

A hybrid clustering method is proposed in this paper based on artificial immune system and simulated annealing. An integration of simulated annealing and immunity-based algorithm, combining the merits of both these approaches, is used for developing an efficient clustering method. Tuning the parameters of method is investigated using Taguchi method in order to select the optimum levels of parameters. Proposed method is implemented and tested on three real datasets. In addition, its performance is compared with other well-known meta-heuristics methods, such as ant colony optimization, genetic algorithm, simulated annealing, Tabu search, honey-bee mating optimization, and artificial immune system. Computational simulations show very encouraging results in terms of the quality of solution found, the average number of function evaluations and the processing time required, comparing with mentioned methods.