多项目多任务选择计划模型及其免疫遗传算法

针对多资源受限下项目群选择计划及项目流程调度问题,依据项目的权重和承继约束,将项目群按权值从大到小进行排序,各项目内部的任务分别采用网络计划图进行拓扑排序,并以资源约束和合同期等因素为项目选择标准,建立多项目多任务选择计划的资源配置数学模型。进而,在遗传算法中引入免疫系统的记忆性和多样性功能,设计免疫遗传算法求解所获模型的最佳决策方案。比较性的数值实验结果说明了模型的合理性和算法的有效性。     

多项目资源均衡问题及其遗传算法

针对单项目资源均衡优化在企业实际应用中的不足,提出了多项目资源均衡优化的概念,建立了多项目资源均衡问题模型。在此基础上给出一种遗传算法的求解方法,在算法中有效地利用了网络计划图的拓扑排序,减少了遗传操作过程中非法个体的修复计算量,加快了算法的收敛速度。实例计算表明,多项目资源均衡优化可以有效地实现整个企业资源的均衡配置,遗传算法在求解该问题时具有可行性和高效性。     

多项目资源均衡问题及其遗传算法*

针对单项目资源均衡优化在企业实际应用中的不足,提出了多项目资源均衡优化的概念,建立了多项目资源均衡问题模型。在此基础上给出一种遗传算法的求解方法,在算法中有效地利用了网络计划图的拓扑排序,减少了遗传操作过程中非法个体的修复计算量,加快了算法的收敛速度。实例计算表明,多项目资源均衡优化可以有效地实现整个企业资源的均衡配置,遗传算法在求解该问题时具有可行性和高效性。     

多项目多任务选择计划模型及其智能决策

针对多项目多任务选择计划及项目流程调度问题,综合考虑项目的权重、承继约束、各项目内部任务的时序约束及各种资源在使用上存在着先后顺序等特点,将项目层、任务层及资源利用统筹考虑,结合多层决策的思想,建立项目、任务、资源统筹兼顾的混合规划模型。依据免疫系统中克隆选择、细胞克隆、记忆细胞获取、亲和突变等机制,设计求解此模型的免疫克隆选择算法。数值实验结果说明了该模型设计的合理性及算法的有效性。     

动态多项目选择计划管理及其免疫优化决策

针对资源受限情况下动态多项目选择计划管理问题,探讨其数学模型,并设计免疫优化算法对其求解。算法设计中,分别引入基因块的随机漂移与确定性漂移两种变异方式,以及个体的亲和选择与激励选择两种选择方案。最后,数值实验验证了模型的合理性以及各算法的有效性。     

多项目资源均衡优化的免疫遗传算法研究

针对多项目管理“工期固定-资源均衡”问题特点,设计免疫遗传算法对该类问题的求解。免疫遗传算法是模仿生物免疫系统的一种启发式算法,其在免疫算子中加入遗传算子,改进了遗传算法收敛方向无法控制易早熟的缺陷,使算法具有更好的全局搜索能力和记忆功能。最后,结合算例对算法进行验证和分析。     

基于免疫遗传算法的海工多项目资源均衡研究

为使海工项目建造过程中的资源利用更加均衡,建立了海工多项目资源均衡问题模型,并提出了一种基于免疫遗传算法的求解方法.该方法借鉴生物免疫系统原理,对遗传算法进行改进,提出了基于抗体浓度的群体更新策略,以保持抗体种群多样性,克服遗传算法容易早熟及局部寻优能力较差的缺陷;并根据问题模型的启发式信息,将问题约束条件分为两种不同类型,进行分别处理.通过具体算例表明了算法的可行性和有效性.     

多项目多任务选择动态规划及其智能决策

针对动态多项目多任务选择计划资源配置问题,结合实际环境中多项目管理的突发因素及项目权值动态调整的需求,探讨动态环境下多项目选择计划的数学规划模型;进而,依据体液免疫应答所蕴含的免疫进化机理和遗传学中的基因变异规则,设计改进型免疫遗传算法,寻求资源尽可能充分利用且分配均衡的决策方案。比较性的数值实验显示,该算法在优化效果方面明显优于基于优先规则的启发式算法。结果表明,已获模型是合理的,设计的算法是有效的。     

多级多项目批量问题的免疫遗传算法

采用以森林为抗体的编码方式的免疫遗传算法,并引入革亲遗传算子的方法,避免在近传鼻子的运行过程中产生不可行解.     

基于免疫遗传算法的多约束QoS路由选择算法

该文针对多约束Qos路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为Qos参数。设计了一个基于免疫遗传算法的Qos路由选择算法,该算法主要利用生物免疫机制中的抗原识别、抗原记忆和抗体的抑制、促进作用来控制收敛方向,促进快速求解。实验表明本文提出的算法具有较好的性能,大幅度地提高Qos路由选择的效率。     

基于免疫遗传算法的移动机器人全局路径规划

提出了基于免疫遗传算法的静态环境下移动机器人全局路径规划方法。该方法首先建立机器人工作空间中环境信息的神经网络模型,并利用该模型建立机器人免碰撞路径与神经网络输出的关系,将免碰撞要求和路径最优要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数,同时保证了抗体的多样性和成熟收敛。通过仿真,并与遗传算法相比,性能有很大提高,证明了该全局路径规划方法的正确性和有效性。     

基于改进式免疫遗传算法的车联网任务卸载方案

为了解决车联网场景下卸载决策和资源分配不合理的问题,提出了一种改进的启发式车联网任务卸载策略。该策略利用改进式的双种群免疫遗传算法（IDP-IGA）,在保留了精英种群的同时引入了自适应移民算子,并在满足车辆最大容忍时延和路侧单元最大可分配资源的前提下,优化系统的时延-能耗开销。仿真结果表明,所提算法具有良好收敛性,与传统算法和遗传-粒子群优化算法相比,能够显著降低系统的时延-能耗开销,在任务卸载过程中实现最优的资源分配方案。     

在多项目管理人力资源调配中的病毒遗传算法

在分析多项目并行任务资源分配的研究现状基础上,针对企业多项目管理中有限人力资源配置这一核心问题,对人力资源限制下多项目任务调度的过程进行了数学描述,并采用基于病毒遗传算法的倒排法对多项目任务进行排程,力求在满足工期的前提下得出较优的工程解,实现多项目并行任务管理中人力资源的优化配置。     

基于遗传算法的主体规划实现

面向主体的软件开发是计算机科学与技术领域的一项重要技术.近年来,在主体体系结构,主体规划、主体通信语言等方面的研究已经得到了一系列进展.探讨了主体规划的实现问题,提出将遗传算法的思想用在主体每一步的动作的选择中.给出了基于遗传算法的主体规划算法,并结合一个应用实例展示了具体的实现过程.     

DNA免疫遗传算法及其应用

在研究T-S模糊RBF神经网络的基础上,提出了一种基于DNA生物机理和结构的免疫遗传算法,用于优化设计T-S模糊RBF神经网络的规则后件参数。该方法采用基于抗体浓度的更新策略调节机制,能有效地保持抗体的多样性,避免早熟收敛。应用于延迟焦化汽油干点的软测量建模,实例仿真结果表明DNA免疫遗传算法在T-S模糊神经网络系统的优化设计中是有效的,可获得较高精度的模型。     

理性遗传算法及其在运动规划中的应用

为提高理性遗传算法遗传信忠的完备性、算法全局收敛性以及算法的整体结构，给出了一个更一般化的理性算子和算法结构，证明了算法的全局收敛性．理论分析和在运动规划问题中的应用结果验证了理性遗传算法的有效性．     

免疫遗传算法及其在波阻抗反演中的应用*

提出一种改进的免疫遗传算法（IGA）并用于波阻抗反演。IGA设计了基于抗体激励度和抗体浓度的免疫选择算子及加速全局收敛的非一致性变异算子,提出了抗体规模自适应调整机制,IGA能够改善传统非线性反演方法易早熟和局部收敛等弊端。通过理论模型试算表明,IGA具有较高的反演精度和反演效率;阳泉二矿实际资料反演所得剖面的纵向分辨率明显高于实际地震剖面,弱反射波的连续性和可检测性明显提高,表明改进的免疫遗传算法适用于煤炭地震波阻抗反演。