一种面向路径的测试用例自动生成方法

由于标准遗传算法一般使用固定的交叉和变异概率,并且容易出现局部收敛、早熟等现象,降低了遗传算法的全局搜索效率。针对这种情况,提出一种改进遗传算法。在使用实数编码的前提下,对适应度函数进行优化改进,避免过早收敛,对变异和交叉算法进行优化,使得交叉和变异概率能够自适应调整,增加种族的多样性,确保算法的全局搜索能力。实验结果表明,改进之后的遗传算法可以达到很高的路径覆盖率,搜索效率比标准遗传算法高。     

自适应遗传算法在服装生产流水线平衡问题中的应用

将自适应遗传算法应用于服装生产流水线中,利用自适应遗传算法能够自动给出比较合适的交叉概率、和变异概率,显著提高了搜索效率,同时改进了遗传算法的搜索能力的特点,解决并行制造中的流水线平衡问题。针对某款运动上衣的生产工艺进行仿真,结果表明了该算法的有效性。     

混合遗传算法求解带不相关并行机的HFSSP

研究了带不相关并行机和批生产约束的混合流水车间调度问题,其中初始阶段为串行批处理机,相邻加工阶段间工件的运输时间独立于加工时间。针对该问题,以最小化最大完工时间(makespan)为目标,建立了整数规划模型,提出一种结合NEH启发式算法、局域搜索和自适应遗传算法的混合遗传算法获取近优解。采用NEH启发式算法产生初始工件加工序列群以提高群质量,提出自适应参数调节机制设计交叉变异概率,进而利用交叉和变异操作改进解的质量。最后,通过局域搜索产生邻域解以更新遗传算法(GA)的解。仿真实验测试了不同规模的实例,与其他基于GA的混合算法的性能进行对比,结果表明所提出的混合遗传算法优于其他算法,能在合理的计算时间内得到较好的近优解。     

求解非连通图旅行商问题的改进遗传算法

为了克服传统遗传算法的早熟收敛问题,提出改进遗传算法。采用基于旅行商遍历城市顺序的染色体编码,结合随机法与贪心法生成初始种群,提高遗传效率。通过执行优先保留交叉和平移变异操作,引入局部邻域搜索,给出最优解是否满足非连通约束的判据。最后,实验结果验证了该算法的有效性。     

基于距离测度的改进自适应遗传退火算法

交叉操作和变异操作是遗传算法的两种基本操作,遗传算法的收敛速度在很大程度上与交叉概率和变异概率的选取以及交叉个体的配对策略有关.本文提出一种基于距离测度的改进自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.算法采用非等概率交叉配对策略,根据两个个体之间的距离自适应地确定交叉配对概率.此外,算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明了该算法的有效性.     

一种解决早熟收敛的自适应遗传算法设计

为了解决简单遗传算法(SimpleGeneticAlgorithm,SGA)易陷入局部最优解的问题,及以往自适应遗传算法只考虑与进化代数相关的交叉与变异概率,而忽略个体分布情况及种群规模不可变等问题,本文在保留以往自适应遗传算法优点的同时,设计了与种群中个体分布相关的可变交叉概率与变异概率。同时考虑了种群规模的波动情况,使算法在相对稳定的动态种群规模中寻找优质解。     

基于遗传算法的轮廓切割顺序受限路径优化

考虑一类轮廓切割顺序受限的加工路径优化问题.遵循由内到外的轮廓切割约束条件,以遍历所有待切割轮廓且刀头在轮廓问移动的空行程距离最短为优化目标,把约束条件转化到遗传算法编码问题采用启发式搜索技术以加快遗传算法的爬山速度,并且能自适应调整交叉和变异概率.实际应用结果表明所提算法能有效缩短空行程.     

使用混合邻域搜索算法求解多目标柔性JSP问题

通过对实际车间调度问题及邻域搜索算法的研究,针对传统遗传算法存在着一些缺陷,对多目标柔性JSP(车间调度)问题提出了基于遗传算法,并结合多种邻域搜索算法形成的一种新的混合邻域搜索算法。该算法基于相似度和免疫机制来构造初始解的策略,在遗传算子中提出了一种自适应的变异交叉概率,并在选择算子中结合模拟退火算法策略和免疫机制。经过实验结果表明,该混合邻域搜索算法提高了算法搜索的效率,并很好地解决了JSP问题。     

具有混沌局部搜索策略的双种群遗传算法*

为提高遗传算法的局部和全局搜索能力,提出了一种具有混沌局部搜索策略的双种群遗传算法（CLSDPGA）。CLSDPGA中,一个作为探测种群,另一个作为开发种群。两个种群按照不同交叉概率和变异概率进行进化,每个种群每进化一代后就对其最优解进行混沌局部搜索。若搜索到更优的解,则取代原最优解直至搜索到预设的混沌次数,同时两个种群之间每10代进行一次移民操作。六个Benchmark函数的实验结果证明,CLSDPGA比另一种自适应局部搜索策略的遗传算法（a-hGA2）具有更好的寻优能力。     

基于改进遗传算法的带时间窗VRP问题研究

带时间窗约束的VRP问题(VRPTW)属于NP-hard问题,采用改进遗传算法探索最优方案。首先分析了带时间窗VRP问题的一般数学模型,并采用罚函数的方法对时间窗约束进行处理;设计了带权重的适应度函数,并采用了基于基因库的跨世代精英选择算子、PMX交叉算子和局部爬山变异算子;最后通过仿真实验与传统遗传算法和自适应遗传算法进行了对比研究,仿真结果表明改进遗传算法在解决带时间窗VRP问题中具有较高收敛速度和全局搜索能力。     

时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据。     

Battery swap station location-routing problem with capacitated electric vehicles

In this paper, we present an electric vehicles battery swap stations location routing problem (BSS–EV–LRP), which aims to determine the location strategy of battery swap stations (BSSs) and the routing plan of a fleet of electric vehicles (EVs) simultaneously under battery driving range limitation. The problem is formulated as an integer programming model under the basic and extended scenarios. A four-phase heuristic called SIGALNS and a two-phase Tabu Search-modified Clarke and Wright Savings heuristic (TS-MCWS) are proposed to solve the problem. In the proposed SIGALNS, the BSSs location stage and the vehicle routing stage are alternated iteratively, which considers the information from the routing plan while improving the location strategy. In the first phase, an initial routing plan is generated with a modified sweep algorithm, leading to the BSSs location subproblem, which is then solved by using an iterated greedy heuristic. In the third phase, the vehicle routes resulting from the location subproblem are determined by applying an adaptive large neighborhood search heuristic with several new neighborhood structures. At the end of SIGALNS, the solution is further improved by a split procedure. Compared with the MIP solver of CPLEX and TS-MCWS over three sets of instances, SIGALNS searches the solution space more efficiently, thus producing good solutions without excessive computation on the medium and large instances. Furthermore, we systematically conduct economic and environmental analysis including the comparison between basic and extended scenarios, sensitivity analysis on battery driving range and efficiency analysis about the vehicle emissions reduction when EVs are used in the logistics practice.     

低碳时变城配送车辆路径-发车调度集成优化

针对交通拥挤环境下日益增长的城市配送需求，通过分析时序依赖对成本和碳排放的影响，引入车辆在节点等待和离散调度策略，研究基于时序依赖的低碳城市配送车辆路径与离散调度问题。为求解该问题，设计基于遗传算法与局部搜索相结合的混合进化搜索算法对模型求解，用积极的局部搜索机制替代随机的变异操作，并通过可行解构造算法、变概率交叉和多种局部搜索策略来提高算法求解质量和求解效率。通过对比仿真实验对算法和模型的有效性进行了验证。     

多中心半开放式送取需求可拆分的车辆路径优化

针对多中心半开放式送取需求可拆分的车辆路径问题,构建了以车辆配送距离最短为目标的多中心半开放式送取需求可拆分的数学模型。设计大变异邻域遗传算法进行求解,采用二维染色体编码及顺序交叉策略,同时运用大变异策略和邻域搜索策略提高算法全局和局部的寻优能力,通过算例对比验证了所提模型与算法的有效性。算例实验表明,大变异邻域遗传算法在求解多中心物流配送车辆路径问题上求解质量较优、求解效率较高、求解结果较为稳定,同时验证了联合配送下多中心半开放式送取需求可拆分的配送模式优于独立配送下单中心送取需求可拆分的配送模式。研究成果不仅拓展了车辆路径问题,还可为相关快递物流企业配送优化提供决策参考。     

多车型开放式车辆路线问题的混合启发式算法

多车型开放式车辆路线问题,是物流配送优化中不可缺少的环节。针对标准遗传算法存在收敛速度慢,局部搜索能力差,易早熟的缺点,采用混合启发式算法进行优化求解。采用实数序列编码,使问题变得更简洁;有针对性地构建初始解,提高了解的可行性;用基于排序的选择与最佳保留相结合策略,保证群体的多样性;引入部分算术交叉算子,加强染色体的全局搜索能力;利用模拟退火算法的Boltzmann机制,控制遗传算法的交叉、变异操作,提高了算法的收敛速度和搜索效率。仿真结果表明混合启发式算法在求解质量和计算效率上好于标准遗传算法。     

中转联盟运输调度的遗传算法研究

介绍中转运输调度问题的优越性。在此基础上建立了优化确定运输调度问题中转点的数学模型,并构造了求解该模型的遗传算法,算法中针对城市货物运输的具体特点,采用较新的交叉算子。实例计算表明：文中提出的模型和算法能够有效地解决AVRP中转点的确定问题。     

中转联盟运输调度的遗传算法研究

介绍中转运输调度问题的优越性。在此基础上建立了优化确定运输调度问题中转点的数学模型,并构造了求解该模型的遗传算法,算法中针对城市货物运输的具体特点,采用较新的交叉算子。实例计算表明:文中提出的模型和算法能够有效地解决AVRP中转点的确定问题。     

混合正交遗传算法及其在函数优化上的应用

在分析和研究正交遗传算法的基础之上,依据混合优化策略及混合遗传算法的构造原则,通过对自适应正交局部搜索算子的改进提出了一种新的变异算子。该算子具备自适应全局搜索和局部搜索的能力,能够保证算法的变异概率取值为1.0时,算法的搜索效率最高;结合正交交叉算子之后,又能保证算法的交叉概率也取值为1.0时,算法的搜索效率最高;由此解决了交叉概率和变异概率参数的匹配问题。而使用的截断选择和负相关配对、最优交叉策略、精英选择和重复个体剔除策略等组合算子,一方面能够保证算法的收敛速度;另一方面也能有效地保持种群的多样性,这样在保证算法快速收敛的同时避免出现早熟现象;由此解决了＂全局最优＂和＂快速收敛＂的矛盾。因此,提出的改进型新算法在处理一些常用的测试函数上具有较高的效率。     

混合种群多样性自适应遗传操作的HMM训练模型

针对传统GA方法训练HMM模型所存在的对遗传控制参数具有较强的敏感性的问题：1)提出一种以混合遗传种群多样性为原则的BPD-AGA算法,该算法依据决定种群多样性的基因型和表现型来自适应地调整遗传参数,使整个遗传迭代过程能够在扩大遗传搜索空间的同时提高最优解的质量;2)提出了一种基于BPD-AGA的HMM训练模型,该模型一方面利用BPD-AGA的自适应选择操作,选择对混合种群多样性贡献最大的个体作为竞争优胜者;另一方面利用BPD-AGA的自适应交叉变异操作,在扩大算法搜索空间的同时保护对混合种群多样性贡献较大的个体,从而保证了HMM解个体的全局最优性;3)为了提高BPD-AGA训练的收敛速度,利用Baum-Welch算法从外部对BPD-AGA的收敛性进行了改善,提出了一个从外部和内部同时改善GA性能的BPD-AGA/Baum-Welch混合模型;4)给出了将所提出的模型和算法应用在交通视频车辆行驶状态判别中的实现过程.仿真实验验证了所提出模型和算法的有效性.     

游戏引擎最短路径搜索优化遗传算法设计

为满足游戏地图中最短路径搜索求解, 提出了一种优化的自适应遗传算法。该算法采用与游戏地图中节点数和弧段数相关联的节点复杂度算子, 结合种群的整体情况和进化潜力来设定自适应遗传算法的交叉率和变异率。实验表明, 该算法避免了搜索结果陷入局部最优解, 确保最短路径的搜索成功率及提高搜索速度, 在游戏引擎设计中具有一定的实用价值。