一种求解Job Shop 调度问题的改进遗传算法

传统遗传算法在求解Job Shop调度问题时存在收敛速度慢,易于早熟的缺点。在病毒遗传算法(VEGA)和灾变遗传算法的基础上提出了一种带有灾变因子的病毒遗传算法(IVEGA-C)。该算法在传统遗传算法的基本结构上加入了病毒感染操作和灾变操作,病毒感染操作实现了同代个体之间横向传递进化信息,灾变操作采用灭绝操作。正是这种改进加快了遗传算法的收敛速度,避免了早熟现象和陷入局部最优解。通过仿真实验验证了IVEGA-C算法在解决Job Shop调度问题中的性能优于传统GA算法和VEGA算法。最后给出了应用该算法的一个实例。     

解决多维0/1背包问题的遗传算法综述

多维背包问题是经典的NP hard问题。为了更有效地解决背包问题,针对多维背包问题介绍了三种比较新的混合遗传算法的思想,尤其是QGA和VEGA,QGA较注重于算法的并行性实现,VEGA则是利用病毒感染的生物机理,利用病毒个体和主个体之间的协同进化而实现局部搜索和全局搜索的结合。提出了值得改进的问题。     

病毒协同进化遗传算法在自动化立体仓库货位优化中应用的研究

自动化立体仓库的存取效率直接影响着现代物流的整体效益,而存取效率高低的关键在于货位优化。针对自动化立体仓库实际应用中的货位规划难题,提出了利用病毒协同进化遗传算法来研究自动化立体仓库货位优化问题的方法,并将该算法和传统的遗传算法作比较。以提高货架稳定性和货物出入库效率为优化目标,建立了货位优化的多目标优化问题数学模型。最后利用MATLAB工具进行编程与仿真,实验结果表明,病毒协同进化遗传算法(VEGA)相比传统的遗传算法具有更好的收敛性和搜索效率。由此可见,利用病毒协同进化遗传算法对自动化立体仓库进行货位优化,可以很大程度上改善货物的出入库效率和货架的稳定性,进而提高货架的使用率。     

协同进化在遗传算法中的应用述评

生态系统中协同进化的含义是几个生存能力相关联的种群的同时进化,在遗传算法中应用协同进化的实质是改变了个体适应度的计算方法:经典遗传算法中个体的适应度由它的染色体所决定,协同进化中个体的适应度却是由个体在协同关系中的表现决定.根据个体之间的适应度关联方式的不同,协同进化在遗传算法中应用可以分为两种:竞争协同进化算法、合作协同进化算法.竞争协同进化算法中的个体适应度由个体在竞争中的表现决定;合作协同进化算法中的个体适应度决定于个体在合作中的表现.对这两种方法的实质以及主要思想进行了述评.     

基于进化个体适应值灰度的自适应交互式遗传算法

为将交互式遗传算法成功应用于复杂优化问题,有必要提高交互式遗传算法的性能。提出基于进化个体适应值灰度的交互式遗传算法,该算法采用灰度衡量进化个体的适应值评价不确定性;通过适应值区间的分析,提取反映进化种群分布的信息;基于此,给出了进化个体的交叉和变异概率。将该算法应用于服装进化设计系统,结果表明该算法在每代可以获取更多的满意解。     

流水车间调度问题的快速多目标混合进化算法

针对最大完工时间最小和总流经时间最小的双目标流水车间调度问题,提出一种快速多目标混合进化算法。算法将矢量评价遗传算法的采样策略与一种新的基于Pareto支配与被支配关系的适应度函数的采样策略进行了融合。新的采样策略弥补了矢量评价遗传算法(VEGA)采样策略的不足。VEGA善于搜索Pareto前沿面的边缘区域,但却忽略了Pareto前沿面的中心区域,而新的采样策略则倾向于Pareto前沿面的中心区域。这两种机制的融合保证了混合算法能够快速平稳地向Pareto前沿区域收敛。此外,由于混合采样策略不需要考虑距离,使得算法效率也得到了很大的提升。在对Taillard基准测试集进行的仿真实验结果显示,相对于非支配排序遗传算法(NSGA-Ⅱ)和强度Pareto进化算法(SPEA2),该快速多目标混合进化算法在收敛性和分布性两方面都有所提高,并且算法的效率也得到了改进。所提出的混合算法能够更好地解决双目标的流水车间调度问题。     

基于等级制度的病毒进化遗传算法

按照适应度将主群体分成高等主子群和低等主子群,病毒也相应地分为小病毒群和大病毒群。高等主子群个体感染小病毒后其显性值产生小尺度变化,低等主子群个体感染大病毒后其显性值产生大尺度变化,使优良个体在自身区域小范围内搜索,而不良个体则远离自身区域进行搜索,从而提高其搜索速度和精度。实例证明,改进算法在性能上优于传统病毒进化遗传算法。     

病毒进化遗传算法的车辆调度优化模型

为了提高车辆调度优化效率,提出一种病毒进化遗传算法的车辆调度优化模型。建立车辆调度的数学模型,采用遗传算法对模型进行求解,并采用病毒群体感染主群体,主群体在历代个体间纵向传递信息以利于全局优化,病毒群体通过感染操作在同代个体间横向传递信息利于局部搜索,进行仿真对比实验。结果表明,病毒进化遗传算法较好地解决了标准遗传算法存在的不足,加快了车辆调度优化问题的求解效率,获得了更优的车辆调度方案,具有较高的应用价值。     

求解大规模0-1背包问题的主动进化遗传算法

针对遗传算法求解大规模0-1背包问题中存在的不足,将定向变异机制引入到遗传算法中,提出了基于主动进化遗传算法的0-1背包问题求解算法。该算法利用概率编码方案对种子个体进行编码,每代种群中的个体通过对该代种子个体进行测度而产生,用于定向变异的诱变因子将参与种子个体的进化。实验结果表明,该算法具有较好的全局寻优能力和执行效率。     

模拟退火与遗传算法结合的数字FIR滤波器硬件进化算法

为提高数字FIR滤波器进化硬件的寻优性能,将模拟退火与遗传算法结合的新型算法作为其进化算法.该算法是在对进化硬件种群进行遗传算法操作之后,从种群中选择适当的个体进行模拟退火操作,退火的温度随着遗传算法进化代数的增加而逐步降低,直至达到优化目标.为满足算法处理能力的要求,硬件系统采用平台式FPGA的可编程SoC结构.仿真实验结果表明：以模拟退火算法为辅助的遗传算法比单纯的遗传算法在数字FIR滤波器进化系统上有着相当的优势.     

基于W3C用例的VEGA GOS分析和评测

织女星网格(VEGAGrid)是一项由中国科学院计算技术研究所领导的科研项目,旨在开发创建网格系统和网格应用的关键技术。VEGAGOS是织女星网格的重要组成部分,对VEGAGOS的分析和评测是对织女星网格性能进行评测的基础。该文搭建了一个基于VEGAGOS环境的典型网格应用,通过它测试GOS的网络延迟和吞吐率。同时提出GOS的性能分析指标,并使用该指标对实验数据进行分析,结合非性能标准,为验证VEGA原理提供理论和事实依据。     

国内网格平台的分析和比较

本文首先介绍了国内CG和VEGA两种网格平台的基本情况,然后根据安装和测试的情况对两个平台从作业执行的流程、数据管理、安全等方面做了分析和比较。我们发现,CG适合搭建校园网格,方便各种大型仪器、设备的共享。VEGA以P2P的方式实时更新资源信息,保证了全局资源视图的一致性。     

基于社区的服务网格多粒度授权与访问控制研究

基于社区原理构建的织女星网格操作系统（VEGA GOS）是网格应用开发、运行和维护所依赖的环境和平台。在织女星网格操作系统中,结合社区具有的局部集中性的特点,在主体、资源、操作空间中建立跨管理域的授权模型,用于解决网格中授权及访问控制在好用性、自主控制、通用性方面的问题。介绍了基于社区的多粒度授权与访问控制机制的设计和实现,并对由于使用安全机制引起的系统稳定性变化进行了测试和分析评价。     

Hybrid sampling strategy-based multiobjective evolutionary algorithm for process planning and scheduling problem

Process planning and scheduling (PPS) is an important and practical topic but very intractable problem in manufacturing systems. Many research studies used multiobjective evolutionary algorithm (MOEA) to solve such problems; however, they cannot achieve satisfactory results in both quality and computational speed. This paper proposes a hybrid sampling strategy-based multiobjective evolutionary algorithm (HSS-MOEA) to deal with the PPS problem. HSS-MOEA tactfully combines the advantages of vector evaluated genetic algorithm (VEGA) and a sampling strategy according to a new Pareto dominating and dominated relationship-based fitness function (PDDR-FF). The sampling strategy of VEGA prefers the edge region of the Pareto front and PDDR-FF-based sampling strategy has the tendency converging toward the central area of the Pareto front. These two mechanisms preserve both the convergence rate and the distribution performance. The numerical comparisons state that the HSS-MOEA is better than a generalized Pareto-based scale-independent fitness function based genetic algorithm combing with VEGA in efficacy (convergence and distribution) performance, while the efficiency is closely equivalent. Moreover, the efficacy performance of HSS-MOEA is also better than NSGA-II and SPEA2, and the efficiency is obviously better than their performance.     

协同物流网络的任务协调决策模型及其求解算法

为优化网络资源配置和物流任务的分工协调,提出一种协同物流网络的任务协调决策模型,并为其设计了病毒进化求解算法．该方法将时间和资源成本因素综合到主个体适应度函数中,通过遗传操作和病毒感染操作获得活动的执行顺序和执行模武,并运用逆向调度方法合理安排各种模式下活动的开始时间．对资源成本和执行时间具有不同要求的两种情况进行了仿真实验．研究结果表明．该模型和算法是可行的,为物流网络的高效协同提供了有效的决策方法．     

A grid-based collaborative system for vehicle crash safety design and its application based on LAN

Car manufacturers and their suppliers are usually geographically dispersed, heterogeneous characters of various resources. To solve the resource sharing and data security problems in vehicle collaborative design environment, grid technology and Computer Supported Collaborative Work (CSCW) technology are integrated. This paper proposes a collaborative design system for vehicle crash safety design based on grid technology that is conformed to the OGSA framework, and explains how the grid middleware VEGA contributes to make collaboration more efficiently. Web services about the functions in this collaborative system are realized based on VEGA. Design principles and methods based on the FE analysis tool LS-DYNA are also presented. Finally, a test bed is built based on LAN and a case of a carmaker collaborating with a seat supplier is presented.