改进的遗传算法及其在求解MVCP中的应用

为改善传统遗传算法求解最小顶点覆盖问题时的效果,基于理想浓度模型,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行重新设计,结合局部搜索策略,提出一种新的遗传算法UGA。与标准遗传算法及佳点集遗传算法进行实例仿真比较,结果证明该算法可以提高求解的质量、速度和精度。     

Job-shop排序问题的遗传强化学习算法

针对Job-shop排序问题的复杂性,提出一种遗传强化学习算法对其求解。通过引入多个随机变量,把Job-shop排序问题转换成多阶段决策问题,通过仿真手段构建作业排序问题模型环境,求取系统性能指标并保证解的可行性。设计一个多智能体Q-Learning算法和遗传算法相结合的算法用于解决Job-shop排序问题。仿真优化实验结果验证了该算法的有效性。     

遗传和禁忌搜索算法在多车物流配送问题中的应用

多车物流配送策略属于物流的统筹配给范畴,应用十分广泛.考虑到遗传算法存在早熟收敛和盲目搜索问题,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,将禁忌搜索算法作为遗传算法的变异算子,提出了基于遗传和禁忌搜索的组合算法,并通过与纯遗传算法的比较证实该算法的有效性.     

用并行遗传算法解决带约束并行多机调度问题

遗传算法是一种全局优化的数值计算方法。它存在自然并行性。本文提出一种解带约束并行多机调度问题的主从式控制网络并行遗传算法,并在PVM环境下实现。计算结果表明,并行遗传算法是有效的,且能适用于大规模并行多机调度问题。     

用并行遗传算法解决带约束并行多机调度问题

遗传算法是一种全局优化的数值计算方法,它存在自然并行性,本文提出了一种解带约束并行多机调度问题的主从式控制网络并行遗传算法,并在PVM环境下实现。计算结果表明,并行遗传算法是有效的,且能适用于大规模并行多机调度问题。     

异构系统中改进的遗传调度算法

针对以往调度算法无法准确反映任务的优先级的问题,提出一种改进的遗传调度算法.将任务的ranku属性值应用于染色体的构造方法中,即根据ranku属性值降序排列得到染色体的任务序列,使重要任务优先获得调度,从而得到优质的初始种群,为遗传算法提供合适的迭代起点.实验结果表明,该算法能有效提高初始种群的质量,获得更好的调度性能.     

基于NSGA2算法的并行机多目标调度问题研究

针对并行机多目标调度问题,以完工时间和总延迟时间最小为目标函数建立了数学模型,从而将具有解决复杂组合优化问题的非劣排序遗传算法NSGA2应用于求解多目标并行机调度问题。文中详细描述了用NSGA2算法求解并行机调度问题的步骤,并通过Matlab仿真,表明YhqNSGA2算法求解多目标并行机调度问题的可行性和有效性。     

双资源生产车间调度问题的研究

将遗传算法(GA)和模拟退火算法(SA)相结合研究了双资源生产车间的调度优化问题,该混合算法将机床设备和工人合理地分配给加工任务,使评价性能指标获得最优。通过与国内外学者的算法进行比较,本算法获得的生产周期最短,机床利用率和工人利用率都较高,并且在某些情况下,平均流动时间也较短。因此可以证明本算法具有一定的优越性。     

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。     

基于遗传算法的网格资源分配与调度研究

合理的资源调度可以在很大程度上提高网格系统资源的利用率,遗传算法（GA）因具有强大稳健的隐并行解空间搜索功能,被广泛应用于任务分配和调度问题的求解。本文在研究标准遗传算法（SGA）的基础上,提出与小生境技术相结合的自适应选择概率、父子竞争（PCC）交叉算子、插入变异算子和最优保存策略,改进SGA算法,在很好地保持种群收敛性的同时,提高了算法的局部和全局搜索能力。仿真实验结果表明,本文算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于网格环境下独立任务的分配与调度。     

一种实现全父辈交叉遗传算法的神经计算模型

该文提出了一种实现二值编码全父辈交叉遗传算法的神经计算模型GAnn。GAnn将遗传算法的迭代循环结构通过一组由神经元模块所组成的反馈回路实现,并给出了实现二值编码全父辈交叉操作以及突变操作的人工神经元和神经网络拓扑结构。该文通过实验结果验证了GAnn的可行性。GAnn综合了硬件遗传算法和并行遗传算法的优点,这对于用硬件实现遗传算法,显式地实现遗传算法的内在并行性,提高遗传算法的实时性,拓宽遗传算法应用领域的研究具有积极的意义。     

基于科学计算语言的遗传算法工具箱

该文介绍了一个基于科学计算语言的遗传算法工具箱GATS.与现有的基于科学计算语言的遗传算法工具箱相比,GATS在功能上和使用上具有更多的优越性.GATS可支持四种基因编码方式;支持小生境、尺度变换等功能;支持自适应遗传算法、分层遗传算法;支持多目标优化;支持并行处理（Linux/Unix平台）;以及更多的遗传算子等等.GATS采用“主体框架 ＋ 可替换模块”的结构,便于用户加以扩展;带有Tcl/Tk编写的用户界面,使用简单;软件开放源码,特别适用于科研和教育领域.该文详细介绍了GATS的结构、功能和使用方法,并给出了多个应用示例.     

基于拍卖机制的网格作业调度遗传算法

根据拍卖机制的在线信誉网格资源管理模型,设计基于遗传算法的网格作业全局调度策略。引入时间和花费2个经济因素,改进遗传算法的收敛性。改进算法根据用户需求得到最优化的资源分派策略,提高网格系统的总体性能。将该算法纳入GridSim模拟器进行系统测试,结果证明其优于传统调度算法。     

A genetic algorithm application using fuzzy processing times in non-identical parallel machine scheduling problem

There are many scheduling problems which are NP-hard in the literature. Several heuristics and dispatching rules are proposed to solve such hard combinatorial optimization problems. Genetic algorithms (GA) have shown great advantages in solving the combinatorial optimization problems in view of its characteristic that has high efficiency and that is fit for practical application [1]. Two different scale numerical examples demonstrate the genetic algorithm proposed is efficient and fit for larger scale identical parallel machine scheduling problem for minimizing the makespan. But, even though it is a common problem in the industry, only a small number of studies deal with non-identical parallel machines. In this article, a kind of genetic algorithm based on machine code for minimizing the processing times in non-identical machine scheduling problem is presented. Also triangular fuzzy processing times are used in order to adapt the GA to non-identical parallel machine scheduling problem in the paper. Fuzzy systems are excellent tools for representing heuristic, commonsense rules. That is why we try to use fuzzy systems in this study.     

考虑机床折旧的柔性作业车间绿色调度算法

针对具有机器柔性和机床折旧特性的柔性作业车间调度问题（FJSP），为了降低生产过程的能耗，建立了以最大完工时间和能耗加权的和最小为优化目标的数学模型，并提出了一种改进遗传算法（IGA）。首先，根据遗传算法（GA）随机性强的特点，引入正交试验的均衡分散原则生成初始种群，用于提高在全局范围的搜索性能；然后，为了克服交叉操作后的基因冲突，采用三维实数的编码方式并结合双个体算术交叉用于染色体交叉，减少了冲突检测步骤，提高了求解速度；最后，在变异操作阶段采用了动态步长的方式进行基因变异，保证了全局范围内的局部搜索能力。通过对8个Brandimarte算例进行仿真测试，并与近年来3个改进启发式算法进行对比，计算结果表明该算法求解FJSP的有效性和可行性。     

DNA遗传算法的QoS多播路由优化

针对网络中的QoS多播路由问题,提出一种基于DNA的混合遗传算法,以遗传算法为框架,采用DNA编码方式,对交叉算子和变异算子进行改进,同时把小生境技术和模拟退火融入框架中,使小生境中的个体独立进行模拟退火操作,达到维护种群多样性和增强局部搜索能力的目的。实验结果验证了该算法的有效性。     

基于用户满意度的网格资源调度遗传算法

传统的网格资源调度研究注重调度的性能,很少考虑调度的服务质量。针对上述问题,设计3种类型的用户满意度评估方法衡量调度的服务质量,提出一种基于用户满意度的网格资源调度遗传算法,以用户满意度作为遗传变异的依据,实现网格资源调度过程的优化。实验表明,该算法能在保证较优调度性能的同时大幅度提高调度的服务质量。     

基于GA的飞行员模拟机排班问题求解

飞行员模拟机复训问题是一个多目标、多资源约束的排班问题,具有较高的复杂度,传统遗传算法无法有效求解该问题。为此,提出一种新的遗传算法,利用基因适应度对交叉、选择操作进行改进,以提高种群的多样性和进化性能。在仿真数据和真实数据上的实验结果表明,该算法有效提高了解的精度,加快了种群的收敛速度。     

基于量子遗传算法的冷藏集装箱功率平衡调度方法

现有的集装箱船对各冷藏集装箱的控制相互独立,且单个冷藏集装箱的电力需求是随机的,造成总电力需求峰谷差较大,进而影响船舶电站的功率配置.为解决上述问题,需在保证温度安全的前提下对冷藏集装箱集群进行统一调度,本文提出一种基于量子遗传算法的功率平衡调度方法寻找冷藏集装箱集群的最优调度策略.首先,对冷藏集装箱优化调度问题建立数学模型,确定其约束条件及优化目标;然后,分别采用遗传算法（GA）及量子遗传算法（QGA）对优化目标求解,并比较经两类算法调度前后的冷藏集装箱实际功率变化情况及各项指标,评价两类算法的优化调度能力.实验结果表明：GA及QGA均能实现冷藏集装箱的优化调度,减小总电力需求的峰谷差,使负载功率趋于平衡,但QGA的寻优速度比GA快,平衡电力需求的能力及优化电站配置能力更强.     

基于自适应退火遗传算法的车间日作业计划调度方法

遗传算法、模拟退火算法、最优个体保护法在全局收敛性、种群早熟化、收敛速度慢等方面存在应用缺陷.文中提出了自适应退火遗传算法解决车间日作业计划的调度问题.该算法针对遗传算法中组成编码串的变异概率在整个搜索过程中是固定不变的,而且取值较小,促使算法的求解过程很长,且易走向局部最小值,提出自适应变异概率的概念与理论改善遗传算法的收敛速度;针对选择算子对种群多样性的影响,提出整体退火选择的方式(Boltzmann概率选择机制)选择杂交母体,以克服种群早熟化,避免过早收敛.最后结合车间日作业计划静态调度模型给出求解算法和求解实例.