基于混合遗传算法的MTSP问题研究

为了得到多旅行商问题的优化路线,提出一种基于实数编码的混合遗传算法.即先建立数学模型,将多旅行商问题转化为单旅行商问题,然后详细介绍了混合遗传算法设计过程,同时对该算法进行了收敛性分析与仿真试验.结果表明基于实数编码的混合遗传算法是一种有效的多旅行商问题求解方法,该算法能以较大的概率获得全局最优解.     

考虑弹流润滑的齿轮传动优化设计混合遗传算法

基于弹性流体动力润滑理论,以体积最小和膜厚比最大为目标函数,建立了齿轮传动多目标优化数学模型,并将问题转化为无约束单目标优化问题.针对遗传算法的局限性,采用整数编码和实数编码相结合的混合编码,调整了适应函数,设计了随机多父辈交叉方法,结合模拟退火算法,形成了混合遗传算法.在操作过程中,部分约束条件自动得到满足,大大减少了不可行解的产生.算例说明了该优化方法的有效性.     

拣选式自动化仓库堆垛机作业路径简易优化算法

分析了自动化仓库堆垛机拣选作业的运行特点，给出了堆垛机拣选作业旅行商数学模型的常用优化算法。结合拣选作业的数学模型和固定货架的物理结构，构造了一种适合工程应用、编程简单的环状作业路径，并将该算法与最近邻居法和混合遗传算法进行了分析比较。仿真实验和工程实际应用表明，该算法能有效提高系统的工作效率。     

基于混合遗传算法的齿轮传动优化设计

以体积最小为目标函数,建立了齿轮传动优化设计数学模型,并用外部惩罚函数法将该问题转化为无约束优化问题。针对遗传算法的局限性,采用整数编码和实数编码结合的混合编码,并调整了适应函数,采用随机多父辈适应函数值加权交叉和自适应变异操作,结合了模拟退火算法,给出了初温的确定方法,从而形成了混合遗传算法。该算法能够有效地减少不可行解的产生,提高收敛速度,避免早熟收敛。算例说明,该优化方法有效、实用。     

考虑重合度的斜齿轮传动优化混合遗传算法

以体积最小和重合度最大为目标函数,建立了斜齿轮传动多目标优化设计数学模型,并将问题转化为无约束单目标优化问题。针对优化设计参数的特点,遗传算法的编码方式采用整数编码和实数编码相结合的混合编码。操作过程中,结合了模拟退火算法调整适应函数,设计了多父辈随机交叉方法,改进了变异操作,从而形成了改进的混合遗传算法。优化过程中,通过编码及操作方法的设计部分约束条件自动得到满足,减少了不可行解的产生。算例说明了该优化方法的有效性。     

基于混合遗传算法的柔性制造系统优化设计

针对基于闭排队网络模型的柔性制造系统优化设计问题，提出了一种混合遗传算法，利用该模型中生产量函数和成本函数的单调性，设计了最大产量－成本梯度算子，来引导新一代种群从不可行域进入可行域，既实现了利用遗传算法求解柔性制造系统约束优化问题，又增强了遗传算法的局部搜索能力。由于该算法利用渐近边界分析思想和编码技术减少了计算量，从而使混合遗传算法既保持了遗传算法的全局寻优特点，又提高了运行效率。算例证明，该算法的求解质量优于目前该领域常用的隐枚举算法。     

锻造多属性有条件相容并行组批优化

针对锻造行业存在的多阶段、工件有条件相容、不确定加工时间、以最小化拖期和完工时间为目标优化的组批和排序问题,提出了基于工件模糊聚类的两种算法.算法1的工件优先级由工件熵值、工件松弛时间重要度、市场意志共同决定,批的优先级由批内最高优先级工件决定;算法2为随机密钥代表混合遗传算法,该算法用随机密钥进行编码和解码,采用基于规则编码的方法来优化基因序列和基于规则的交叉操作,采用小生境技术来调整个体适应度,采用精英保留策略产生下一代.数值实验结果表明,在多品种、高负荷下,混合遗传算法好于算法1,算法1好于其他启发式算法.     

基于k-中心点法的改进粒子群算法在旅行商问题中的应用

为将面向连续优化的粒子群优化算法应用于旅行商问题的求解,提出了旅行商问题的权重编码方案.该方案将属于组合优化的旅行商问题转化为连续优化问题,同时保留了粒子群算法的易操作性和高效性.针对粒子群算法易陷入局部最优的问题,提出了适合旅行商问题的基于k-中心点法的改进措施.该措施利用简单匹配系数构建粒子群的相异度矩阵,在此基础上采用k-中心点法对粒子群进行聚类分析,实现了粒子之间的信息交换,扩大了粒子的搜索空间,避免算法陷入局部最优.最后,用旅行商问题标准库的4个算例验证了权重编码方案和改进粒子群算法的有效性.     

基于等位基因的实数编码量子进化算法

为改善量子进化算法的早熟问题,提高算法搜索精度和收敛速度,提出了一种基于等位基因的实数编码量子进化算法。该算法以概率叠加的方式将实数变量按照等位基因进行编码,采用混合更新策略根据基因的"相对优良性"对等位基因进行变尺度变异,在全局搜索与局部搜索平衡的前提下提高搜索速度,之后引入Hε门更新等位基因对应的概率幅度。最后利用Markov链证明了其全局收敛性。数值算例将所提及算法与量子进化算法和基于双链编码的量子遗传算法进行比较,验证了算法的收敛速度和求解精度,并将该算法应用于纺织浆纱工艺参数的优化问题,获得了良好的优化效果。     

面向多任务的制造云服务组合

针对云制造系统中面向多任务的制造云服务组合问题,研究建立了问题模型并提出了求解算法.以面向单任务的制造服务组合方法为基础,融入多任务多联盟生成问题的相关假设和基本原则,建立了基于服务质量的多任务云服务组合模型.继而基于对该模型特征的分析与把握,提出基于矩阵实数编码的改进遗传算法.该算法设计了与矩阵实数编码相适应的行交叉/变异、列交叉/变异和点交叉/变异算子;同时基于对问题模型相关约束的考虑,设计了合法性修复策略.仿真实验表明,该算法能有效并以较高效率求解面向多任务的制造云服务组合问题.     

基于遗传算法的带服务匹配的现场产品服务调度

鉴于现场产品服务调度是一个融合了多旅行商与多技能项目调度的复杂问题,提出一种基于遗传算法的解决方法。该方法首先建立了既考虑工程师服务技能约束又考虑服务路径优化和客户满意度的优化模型,然后采用基于分段染色体编码的遗传算法进行求解,最后通过算例进行验证,并与现有方法相比,说明所提方法具有较好的优化效果。     

基于GA-MTSP的多机器人同步覆盖路径规划

针对壁面作业中存在的复杂区域单台机器人覆盖作业效率低的问题，提出了一种基于遗传算法结合多旅行商问题的多机器人同步作业覆盖路径规划方法。该方法采用Boustrophedon单元分解法将待覆盖区域分解为若干胞腔单元，然后利用启发式交叉算子遗传算法得到的胞腔遍历顺序通过解决多旅行商问题的思想为多台机器人进行覆盖作业路径分配，并且分析了不同数目机器人同步作业对覆盖效果的影响。最后通过仿真研究证明了方法的有效性。     

基于混合遗传算法的装配线平衡

针对装配线平衡问题的难点(NP-hard),提出了一种基于作业次序编码的混合遗传算法,设计出了特殊的遗传操作算子(单点次序交叉和移位插入变异),成功避免了进化过程中非法个体的产生.并结合Lamarckian进化原理,嵌入局部爬山过程以提供算法搜索能力.仿真算例验证了该算法的有效性和可行性.     

基于遗传算法的绿色集成工艺优化模型求解

为了提高生产计划的可执行性,实现制造资源的优化配置和可持续发展,建立了一种面向绿色制造的集成工艺优化模型,并针对该模型的特点,提出了一种基于遗传算法的面向绿色制造的集成工艺优化模型求解方法。该方法改进了传统遗传算法中复杂的实数编码方式,将其转化为通过"编码—解码"方式实现的二进制编码方式,避免了繁杂的实数编码。最后采用高级语言实现了该算法,并进行了案例分析,结果表明,该算法具有一定的先进性。     

基于交替迭代遗传算法的成批车间生产计划与调度的集成优化

研究了一类零部件混批生产车间需要加工准备的多周期成批生产计划与调度的集成优化问题,建立了生产计划和调度集成优化的非线性混合整数规划模型.并提出了一种交替式混合遗传协调优化算法求解该集成优化问题.其主要思想是给定计划用一混合遗传算法求调度,反过来给定已求调度用另一混合遗传算法求取新计划,如此不断交替使用两个混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

基于遗传算法的绿色集成工艺优化模型求解

为了提高生产计划的可执行性,实现制造资源的优化配置和可持续发展,建立了一种面向绿色制造的集成工艺优化模型,并针对该模型的特点,提出了一种基于遗传算法的面向绿色的制造的集成工艺优化模型求解方法.该方法改进了传统遗传算法中复杂的实数编码方式,将其转化为通过"编码--解码"方式实现的二进制编码方式,避免了繁杂的实数编码.最后采用高级语言实现了该算法,并进行了案例分析,结果表明,该算法具有一定的先进性.     

基于JIT的非等同并行多机调度问题的混合遗传算法

针对一类NP完全问题的多目标、非等同、并行多机作业调度问题，设计了一个混合遗传算法。该算法在设计过程中针对该问题的特点，设计了一种动态适应度函数；将求解单机问题最优解的有效算法混合在编码方案中，设计了一种不包括作业顺序的简单编码方案，从而降低了算法的实现难度，并提高了执行效率。数值仿真实验表明，该算法具有收敛速度快、优化效果好等特点，适合于求解较大规模的问题。     

柔性作业车间多品种小批量调度算法研究

提出一种多目标混合遗传算法(MIGA),采用集成法同时解决柔性作业车间调度的两个子问题:机器分配问题和工序调度问题。MIGA在标准遗传算法的基础上采用随机权重法解决多目标问题,引入精英保留策略加速算法的收敛,集成小生境技术提高种群的多样性,基于扩展工序编码,按Makespan和安装准备成本最优对调度批分别解码。最后,用标准算例进行了算法验证,证明MIGA可以有效解决柔性作业车间多品种小批量调度问题。     

基于实数编码遗传算法的平面度评定

将基于实数编码的遗传算法应用于平面度的评定.根据尺寸和公差的数学定义,建立完全符合最小区域条件的平面度评定的数学模型,并在此基础上给出遗传算法的适应度函数.随后详细地介绍了算法的实现步骤,在基于实数编码的基础上,遗传选择操作采用一种正比选择策略--转轮法,遗传交叉操作采用简单算术交叉法,而遗传变异操作是随机均匀实数变异操作.最后对文献[5]的实验数据进行了评定,仿真结果表明该算法不仅合理,而且效率高、精度高,优于其它算法.     

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.