基于学习的遗传算法及其在布局中的应用

布局问题属于具有很强应用背景的组合优化问题,除其内在的NP完全的计算复杂性,布局还包括约束复杂性问题和布局物体与空间的形状复杂性问题。针对布局求解中存在的问题,该文进行了基于全局优化的布局求解方法研究。布局问题中有一类关于复杂分片光滑连续函数全局优化算法,但目前的各种遗传算法的效率和精度不能令人满意。文中从生物可以从环境中学习生存技巧、自主的趋利避害的思路出发,增加了学习算子,引用函数的局部信息,构造拟牛顿方向,令每个个体在当前状态下有目的地搜索,最有效的向局部最优点趋进。通过典型测试函数与传统遗传算法,模拟退火算法,复合形法进行比较验算,表明该算法具有优良的求解质量和较好的求解效率;并以旋转卫星舱布局的简化模型为背景,建立多目标优化数学模型,与传统遗传算法和乘子法的计算结果比较,该算法求解的质量和效率更优。该文研究表明,基于学习的遗传算法在布局优化中具有应用潜力;启发式随机搜索策略和局部优化算法相结合的求解方案是解决复杂函数优化的有效途径。     

基于遗传算法的药品仓库货位布局优化研究

在研究遗传算法的基础上,结合某制药企业仓储管理的环境现状,提出一种有效的药品仓库货位布局算法,以实现货位的自动化分配并提高仓库的空间利用率和出/入库效率.     

基于改进初始解的遗传算法的布局设计方法

带性能约束的三维布局问题属于具有很强应用背景的组合优化问题,进行了基于全局的布局求解方法的探索。由于NP完全问题的计算复杂性,使得遗传算法求解问题的全局最优解时效率较低。改进了遗传算法的初始解,对提高算法的效率进行了研究。并以旋转卫星舱布局的简化模型为背景,建立了多目标优化数学模型。实例结果与传统遗传算法以及乘子法的计算结果比较,表明该算法具有较好的求解效率。     

基于改进型遗传算法的门阵列模式布局

门阵列模式布局是一类 NP完全问题 .本文将一种改进型遗传算法用于门阵列模式布局 ,提出了相应的数学模型 ,并在布局目标函数中引入了通道拥挤度的概念 ,使布局的构形更趋合理 .实验表明 ,应用所提出的模型及算法能在较短的时间内提供优化解 ,避免了一般优化算法的局部最优问题和维数灾难问题 ,为门阵列模式布局开创了一条新的路径     

基于遗传算法的电子元器件优化布局

用微元体热平衡法建立电路板上元件温度场求解的数学模型,采用高斯-赛德尔迭代法求解热平衡方程组。用改进的遗传算法对元件布局进行优化设计,仿真实验表明全局优化大大降低了系统的温度应力,提高了系统的可靠性。此外,用Flotherm软件模拟了电路板的温度场,验证了优化布局模型和算法的有效性。     

基于遗传算法的建筑布局求解算法

通过分析建筑布局的特点提出了建筑布局的两种表示方式：特征树表示和矩阵表示。提出使用遗传算法来对布局设计过程中的方案进行约束和控制。对原有的遗传算法做了改进,在适应度函数构建方面,增加了对称度和黄金分割度的度量。实验结果表明,该算法非常适合于求解布局问题。     

面向BBL布局的遗传算法研究

BBL布局问题是VLSI物理设计中的一个重要问题，其质量的好坏直接影响物理设计的其它阶段。本文基于角模块序列（CBL）的布图结构表示方法．采用遗传算法进行求解，实验结果表明，遗传算法在求解该问题上是有效的。     

基于遗传算法的布局问题求解

布局问题是VLSI布图设计中的重要问题，传统的方法很难得到满意的解答。针对该问题，文中提出了一个基于遗传算法的求解方法，并将它应用到VLSI门阵列模式布局设计中，构造了一个较完备的综合布局目标函数，引入并定义了通道拥挤度。实验结果表明，所提出的方法能在较短的时间内提供优化解，为VLSI布局设计提供了一种新的思路。     

基于遗传算法的布局问题求解

布局问题是VLSI布图设计中的重要问题,传统的方法很难得到满意的解答。针对该问题,文中提出了一个基于遗传算法的求解方法,并将它应用到VLSI门阵列模式布局设计中,构造了一个较完备的综合布局目标函数,引入并定义了通道拥挤度。实验结果表明,所提出的方法能在较短的时间内提供优化解,为VLSI布局设计提供了一种新的思路。     

基于遗传算法的移动平台动画图片存储的研究

为了减少移动设备中动画在内存中的占用率,针对移动平台动画图片的分割后再重组的存储特点,提出了一种基于遗传算法的多边形快速优化布局方法。通过对被分割的原始动画图像块的处理,获得图像块中图像的边缘数据,利用该边缘数据和基于包围盒的快速碰撞检测方法,实现对被分割动画图片的优化布局。实验结果表明,该方法能够快速有效地实现移动平台动画图片的优化重组,有效地降低动画资源在移动设备中的内存的占用率。     

基于遗传算法的排课系统

随着高校的发展.在教务管理系统中使用的排课模型也变得越来越复杂,亟需一种适用于开发、重用及设计的方法.针对这种情况.给出了排课问题的教学模型,提出基于遗传算法解决方案.结果表明,该算法能比较有效地解决排课问题.     

带平衡约束矩形布局优化问题的遗传算法

研究二维矩形布局优化问题,将多个不同重量和尺寸的矩形目标填充到一个圆形容器中,要求给出最小的容器半径,并且系统保持平衡。目前的文献多采用局部搜索方法,但布局质量有待提高。文中设计一种构造式方法——定位法。其基本思想是将一个矩形围绕另外一个已经确定位置的矩形作为参照进行部署。由于围绕着参照矩形部署时只考虑有限个可布局位置,故定位法具有多项式时间复杂性。定位法可能得到较好的布局,但其质量受到布局顺序的影响较大,因此文中提出一种基于遗传算法的布局顺序寻优算法,其中遗传算法的交叉算子和变异算子经过特别的设计,使得遗传的下一代能继续作为布局顺序。在具有大规模测试用例的测试集上的计算结果表明,该布局方法比局部搜索方法有更优良的计算性能。     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。     

基于遗传算法的自动组卷研究

随着基于网络的各种考试的引入和广泛应用,计算机组卷的算法得到了广泛的研究.计算机自动组卷是一个带约束的多目标优化问题,可以通过遗传算法采解决,并可以根据实际问题选择个性化的编码方案,提高遗传算法的效率.通过对计算机组卷问题及和遗传算法的分析,给出了一种基于遗传算法的计算机自动组卷算法.     

基于量子遗传算法的非线性无约束优化方法

量子遗传算法(QGA)是量子计算和遗传算法相结合的产物,量子遗传算法将量子比特和量子旋转门表示引入到遗传算法中,具有比遗传算法更好的搜索效率和收敛性。非线性无约束优化是典型的工程应用问题,而复杂非线性函数的优化结果往往不能令人满意,如陷入局部最优等。利用量子遗传算法强大的搜索能力,可以很好的解决复杂非线性函数的无约束优化问题,实验表明量子遗传算法在该类问题中的有效性和可行性。     

遗传算法的应用及研究分析

在介绍遗传算法的基本原理与方法的基础上,分析了遗传算法相对于其它算法的优越性和存在的问题以及遗传算法的主要应用和研究发展方向。     

三维装箱问题的遗传算法研究

本文以集装箱自动装载系统为例,根据货物放置方向、装载容积等约束条件,给出了有效的解码算法,提出了一种改进遗传算法,并通过实例数据进行了实验结果分析。     

基于复合形法的混合多目标遗传算法研究

在多种群并行遗传算法(Multipopulation Parallel Genetic Algorithm)的基础上,将复合形法引入遗传算法来反映决策者对各目标函数的偏好信息,提出了一种新的结合复合形法的混合多目标遗传算法。算法将群体划分为相等规模的子群体,每个子群体对应于相应的子目标函数,各子群体具有独自的适应度评价函数,杂交和变异跨子群体边界执行。将复合形法引入遗传算法,通过次重要目标函数对应的子群体向重要目标函数对应的子群体进行压缩和缩转操作,使得综合后的基因在杂交和变异操作中向着更利于重要目标函