不等式约束的非线性规划混合遗传算法

针对带不等式约束的非线性规划问题,提出了一个混合遗传算法。该算法分为全局探测和局部开采两个阶段,全局探测阶段是通过在有潜力的小生境内嵌入单纯形搜索,快速确定有前景的区域;而局部开采阶段则是在最有前景的区域进行单纯形搜索。该算法增强了局部搜索能力并同时保持种群的多样性,有效地解决了遗传算法的过早收敛和局部搜索能力弱的问题。典型非线性规划算例验证了混合算法的效率、精度和可靠性。     

混合遗传算法研究及其应用

为了求解基于智能制造环境所建立的生产规划模型，解决维数灾、局部解等问题，本文对遗传算法进行了研究，提出并设计了一种线性规划和遗传算法相结合的启发式优化方法，并对其应用作了进一步的探讨。     

多约束三维装箱问题的混合遗传算法

三维装箱问题提出至今已有很多研究成果,各种启发式算法配合遗传算法、蚁群算法和模拟退火算法的设计层出不穷。而针对于三维装箱问题的各种约束,虽然各自有相应的处理方法,但却没有一种方法可以整合各种约束条件,这是因为启发式算法往往容易满足部分约束却很难满足所有约束的特点。在前人研究的基础上,针对各种遗传算法的约束条件,设计可以相互组合的解决各种约束条件的算法,通过对这些算法规则组合,可以解决各种约束条件下的三维装箱问题。     

PHGA-COFFEE:多序列比对问题的并行混合遗传算法求解

设计了一个求解多序列比对问题的并行混合遗传算法（与之相应的软件称为PHGA-COFFEE）.该算法采用COFFEE函数作为个体的适应度函数,构造了六种遗传算子,特别是设计了两种新颖的变异算子,其中一种变异算子基于COFFEE的一致性信息设计,以改善算法的整体搜索能力.另一种变异算子基于动态规划方法设计,以增强其局部搜索能力.通过对BAliBASE中144个测试例的测试,证明该算法是有效的.与已有的算法相比,该算法对处于朦胧区和具有N/C末端延伸的序列比对问题有更强的问题求解能力.同时通过对算法并行化,其运行时间显著缩短.     

多约束三维装箱问题的混合遗传算法

三维装箱问题提出至今已有很多研究成果,各种启发式算法配合遗传算法、蚁群算法和模拟退火算法的设计层出不穷。而针对于三维装箱问题的各种约束,虽然各自有相应的处理方法,但却没有一种方法可以整合各种约束条件,这是因为启发式算法往往容易满足部分约束却很难满足所有约束的特点。在前人研究的基础上,针对各种遗传算法的约束条件,设计可以相互组合的解决各种约束条件的算法,通过对这些算法规则组合,可以解决各种约束条件下的三维装箱问题。     

一种改进的混合遗传算法

针对遗传算法爬山能力差的弱点，对传统的遗传算法进行改进，构造出新的重组策略，提出用禁忌搜索作出变异算子，对典型函数的测试表明，改进的遗传算法提高了遗传算法的爬山能力。     

基于混合遗传算法的板坯入库优化算法

研究适合板坯入库的优化算法,从而更合理地分配空间,改善板坯仓库劳动强度大,空间利用率低的现状.在已有的带匹配权值的Best Fit算法(Weighted Best Fit, WBF)基础上采用遗传算法优化板坯排序,然后在遗传算法中引入相异度函数和非均匀变异策略,克服早熟提高收敛速度,从而构成一种混合WBF和遗传算法的板坯入库优化算法.此算法比WBF算法或单纯的遗传算法更能提高算法性能和优化效果.     

约束优化问题的混合遗传算法研究

如何处理约束条件与增强局部搜索能力是遗传算法用于非线性约束优化问题的线性约束优化问题的不足,提出了一种基于模拟退火算法与外点法的混合遗传算法,对于不满足约束条件的解用外点罚函数法来修正,同时把退火选择算子作为一个与选择、交叉和变异平行的算子,嵌入到实数编码的遗传算法中,来增强其的局部搜索能力.算法兼顾了遗传算法、模拟退火算法和外点法三者的长处,既有较快的收敛速度,又能以较大的概率求得非线性约束优化问题的全局最优解.最后以两个测试函数为算例对算法进行测试,验证了该算法搜索能力强、稳健性好,能获得更好的优化结果.实验结果表明引入外点法处理约束条件是可行的.     

非平稳随机序列趋势建模的一种方法——线性规划法

本文给出了一种估计非平稳随机序列趋势分量样本的方法——线性规划法.用此法估计出趋势分量的样本后,再对其建立描述趋势分量的模型,可有效地抑制原序列样本中噪声和野值的影响.     

基于混合遗传算法的数据挖掘

随着数据库应用的不断深化,数据库的规模急剧膨胀,人们需要对这些数据进行分析,从中发现有价值的信息。但是数据库管理系统本身却没有提供有效的工具和方法来利用这些数据,因此数据挖掘成为当今研究的热点。本文即以混合遗传算法为基础对数据挖掘中的算法问题进行系统研究。     

基于遗传规划和过程机理的混合建模方法

利用遗传规划和遗传算法相结合的方法可以确立发酵过程模型的结构和参数得出简明直观的模型表达形式。利用已有的关于发酵过程的机理知识,建立一些模型来代替初始群体中的差个体以提高种群的质量,使其中所包含的优良因子能够被优化过程所利用,从而缩短搜索时间。另外,针对在工业过程中所得的测量值被大噪声甚至野值污染可能性大的问题,提出了基于M估计的具有抗差性能的遗传规划。实验表明,所提出的改进遗传规划所得的模型较为简单,具有较好的泛化性能。     

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA).该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率.通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持.     

一种可扩展的线性规划并行算法

由于线性规划在理论和实践中的重要性，对求解大规模规划问题并行算法的研究已引起许多学者的兴趣．本文根据Galperin提出的线性规划的一种线性时间的立方算法特别适合并行的特点，提出了一种基于SPMD模型和主从式MPI的线性规划并行算法，并对算法性能进行了深入分析，理论分析和在曙光3000上的实验结果表明：该算法具有粗粒度并行、良好的可扩展性和理想加速比模型等优点，明显优于目前为止求解同类不对称线性规划问题的其他并行算法，可用于求解此类大规模线性规划问题的高性能计算．     

混合遗传算法在装箱问题中的应用研究

装箱问题在现实生活中有着广泛的应用,本文针对装箱问题,提出了BF近似算法和遗传算法相结合的混合遗传算法,并在实现上加以了改进,仿真的结果表明该算法在求解装箱问题的表现是良好的。     

Evolving Teams of Predictors with Linear Genetic Programming

This paper applies the evolution of GP teams to different classification and regression problems and compares different methods for combining the outputs of the team programs. These include hybrid approaches where (1) a neural network is used to optimize the weights of programs in a team for a common decision and (2) a realnumbered vector (the representation of evolution strategies) of weights is evolved with each term in parallel. The cooperative team approach results in an improved training and generalization performance compared to the standard GP method. The higher computational overhead of team evolution is counteracted by using a fast variant of linear GP.     

遗传算法程序的模块化设计

随着优化问题的复杂化和优化对象的多样化，对优化方法的主要实现形式－计算机程序设计提出了更高的要求，这里分析了一种进化算法－遗传算法特点，给出一种通用性与计算效率并重的模块化程序设计方法，在不同类型的优化问题中均能取得性能良好的解，在工程计算领域有很强的应用价值，目前已应用于网络图优化，生产作业排序等方面。     

A Genetic Algorithm for Hybrid Flow-shop Scheduling with Multiprocessor Tasks

The hybrid flow-shop scheduling problem with multiprocessor tasks finds its applications in real-time machine-vision systems among others. Motivated by this application and the computational complexity of the problem, we propose a genetic algorithm in this paper. We first describe the implementation details, which include a new crossover operator. We then perform a preliminary test to set the best values of the control parameters, namely the population size, crossover rate and mutation rate. Next, given these values, we carry out an extensive computational experiment to evaluate the performance of four versions of the proposed genetic algorithm in terms of the percentage deviation of the solution from the lower bound value. The results of the experiments demonstrate that the genetic algorithm performs the best when the new crossover operator is used along with the insertion mutation. This genetic algorithm also outperforms the tabu search algorithm proposed in the literature for the same problem.     

基于评价函数的遗传算法求解非线性规划问题

针对具有待式约束和非等式约束的非线性规划问题,通过引进准可行方向、主导准可行方向和可行度等概念,提出描述和度量非可行点（梁色体）的新方法;通过嵌入非可行染色体的信息于评价函数,提出３种改进的评价非可行染色体的新方法;基于新的评价函数方法,提出一种沿权重梯度方向变异的遗传算法（ＥＧＡ）。对测试问题的仿真结果表明了ＥＧＡ算法的有效性。     

基于SQP/GA混合优化算法的双容水箱非线性预测控制

为了计算控制序列，非线性模型预测控制可以转换为一个带约束的非线性优化过程．本文分析了三种约束处理方案，根据遗传算法的特点，将等式约束用于状态量计算，在搜索空间降维的同时消除遗传算法难以求解的等式约束．对双容水箱进行遗传算法和序列二次规划仿真试验和实际控制，结果表明遗传算法对控制量的优化效果优于序列二次规划．为克服遗传算法耗时较长、优化结果存在随机抖动的缺点，结合序列二次规划提出一种混合优化算法，仿真和实控结果表明其可行性和有效性．