一种考虑Agent截止期限的CPU时间片分配算法

提出了一种综合考虑移动Agent执行时间片和执行截止期限要求的CPU时间片组合拍卖混沌遗传算法。该算法在定义了问题模型的基础上,设计了可减少遗传算法计算复杂度的预选择策略,以及变长的染色体编码方式、基于混沌优化技术的两种交叉算子（同父交叉算子和标准交叉算子）,同时设计了基于混沌优化技术的换序算子和换标算子。实验仿真结果表明,该算法可取得优质的最优解。     

灾变遗传算法求解带时间窗的车辆调度问题

提出一种可以有效求解带时间窗的车辆调度问题的灾变遗传算法.遗传算法作为一种高效的启发式算法被用于解决这类组合优化问题,但是该算法存在过早收敛、易陷入局部最优等缺陷.针对此问题,在搜索过程中采用灾变算子使遗传算法跳出局部最优,并针对车辆调度问题设计一种可以直接产生可行解的交叉算子,避免染色体交叉过程中产生不可行的子代.通过仿真算例验证了所提出的算法求解带时间窗的车辆调度问题的有效性;通过与标准遗传算法、改进遗传算法和粒子群算法的比较,进一步验证了灾变遗传算法在优化性能以及算法鲁棒性方面的优势.     

遗传算子的分析

阐述了遗传算法的特点,分析了遗传算法中选择算子、交叉算子和变异算子的特性,讨论了不同遗传算子对算法最优结果的获得所起的作用,提出了改善算法性能的措施,并设计了切实可行的选择算子、交叉算子和变异算子。模拟结果表明,遗传算法能在较短的时间内提供优化解,为解决复杂的优化问题提供了可行方案。     

遗传算子的分析

阐述了遗传算法的特点，分析了遗传算法中选择算子、交叉算子和变异算子的特性，讨论了不同遗传算子对算法最优结果的获得所起的作用，提出了改善算法性能的措施，并设计了切实可行的选择算子、交叉算子和变异算子。模拟结果表明，遗传算法能在较短的时间内提供优化解，为解决复杂的优化问题提供了可行方案。     

改进遗传优化的贝叶斯网络结构学习

针对贝叶斯网络结构学习提出了一种改进的遗传算法,和传统遗传算法相比,该改进算法针对贝叶斯网络结构学习问题增加了优化变异和修正非法图两个新的算子。新算子不但保持了贝叶斯网络学习的多样性和正确性,而且还能保证算法快速搜索到全局最优的网络结构。将该改进遗传算法用于贝叶斯网络结构学习的仿真结果表明,和传统K2算法、GS／GES算法、遗传算法和粒子群算法等算法相比,该算法具有更好的全局搜索能力和收敛速度。     

基于混合遗传算法的固定货架拣选问题求解

针对自动化立体仓库固定货架系统拣选路径优化问题的特点,分析并设计了一种新型混合遗传算法。构造初始种群时加入了一种补充算法,遗传操作采用了一种受贪婪算法启发的交叉算子和倒位变异算子,显著改善了原有遗传算法的搜索能力。仿真结果表明该遗传算法在执行时间和优化效果两方面均能很好的满足作业要求。     

铁路输送中平车装载问题的模型与算法

分析了铁路运输中的平车装载问题，借鉴了First Fit算法的思想，并引入条件变异算子，提出了求解平车装载问题的一种改进遗传算法，给出了该改进遗传算法编码方法、遗传算子改进方案和适应度函数的定义，该算法能有效地解决初始群体和进化过程中的无效染色体和早熟问题，并用实例验证了该算法的有效性。     

一种基于改进遗传算法的TSP问题求解方法

通过改进经典遗传算法的交叉算子和变异算子,提出了一种改进遗传算法。介绍了该算法的基本步骤及特点,并对TSP问题进行了仿真实验。实验结果表明改进算法有效地提高了算法的收敛速度与寻优质量,在解决TSP问题时表现出良好特性,与经典遗传算法相比具有明显优势。     

改进算子的遗传算法在QoS多播路由优化上的应用

针对QoS多播路由问题提出了一种改进遗传算子的遗传算法,通过设计多样性维持机制的选择算子、与代数相关的交叉算子和与个体适应度相关的变异算子,有效地解决了传统遗传算法应用于多播路由优化时的早熟收敛问题。实验结果显示,在随机网络中,该算法所获得的解与最优解的相对误差不超过1．0％,算法的收敛速度和寻优能力明显优于传统遗传算法。     

基于改进遗传算法的时间最优控制问题求解

对原有遗传算法的不足进行分析 ,提出改进的遗传算法。对于高维、高精度问题 ,改进算法相对原算法可节省大量存储空间和解码时间。提出的选择算子仅与父代的大小顺序有关 ,既可避免原算法对适应值必须为正的限制 ,又可避免算法过早收敛到局部解。证明了新算法的全局收敛性 ,并对新的选择算子进行了性能分析。将改进的遗传算法引入受约束时间最优控制问题的求解 ,获得了令人满意的结果     

一种基于遗传算法的自动排课系统设计

该文提出并实现了一种高校自动排课算法,利用遗传算法建立数据模型,定义了时间片、授课单元、切片算子、不完全两点交叉和适应度函数。通过使用遗传算法,对课程进行编排和对课表进行优化;并用VC 进行编程,Matlab进行仿真,用文件输出结果;实验结果表明,遗传算法对课表的编排和优化有着比较显著的作用。     

应用布尔遗传算子求解N皇后问题

应用回溯法求解规模较大的N皇后问题时,时间开销巨大。从提出布尔遗传算子角度,增强遗传算法局部搜索性能,与具有良好全局搜索性能的矩阵遗传算子组合应用,对N皇后问题求解。采用自然数和二进制互换的编码方式,应用N皇后的约束条件构造适应度函数,保证了算法的全局收敛性。通过与回溯法和相关遗传算法比较,实验证实了该方法应用于求解N皇后问题,具有良好的搜索效率和求解质量。     

基于遗传算法的机械臂逆运动学问题解决方案

提出应用遗传算法求解机械臂的逆运动学问题,将种群定义于机械臂的关节角轨迹层面,利用连续性函数实现算法的初始化算子,交叉算子和变异算子。算法仅使用表现型数据表示方式,克服了传统遗传算法在数据的基因型和表现型之间频繁地进行编码和解码操作。通过和传统遗传算法进行对比分析,验证了所提出的方法能够避免传统遗传算法求解逆运动学问题时存在的多重切换点现象,能够获得更平滑的关节角轨迹,缩短了算法的收敛时间,生成的笛卡尔轨迹具有更高的精度。     

基于改进遗传算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,分析了遗传算法与传统数学优化方法的不同优势与特性,提出一种求解电力系统经济负荷分配问题的改进遗传算法.利用极大熵理论将经济负荷分配问题转化为可微问题,将BFGS法引入遗传算法,提出了BFGS算子,以提高遗传算法的寻优速度与局部搜索能力.同时,应用单纯形交叉算子将种群逐步向最优点进行引导,实现算法的快速寻优.实例研究结果验证了所提出方法的有效性.     

A class of multi-objective supply chain networks optimal model under random fuzzy environment and its application to the industry of Chinese liquor

An important issue, when shipping cost and customers demand are random fuzzy variables in supply chain network (SCN) design problem, is to find the network strategy that can simultaneously achieve the objectives of minimization total cost comprised of fixed costs of plants and distribution centers (DCs), inbound and outbound distribution costs, and maximization customer services that can be rendered to customers in terms of acceptable delivery time. In this paper, we propose a random fuzzy multi-objective mixed-integer non-linear programming model for the SCN design problem of Luzhou Co., Ltd. which is representative in the industry of Chinese liquor. By the expected value operator and chance constraint operator, the model has been transformed into a deterministic multi-objective mixed-integer non-linear programming model. Then, we use spanning tree-based genetic algorithms (st-GA) by the Prüfer number representation to find the SCN to satisfy the demand imposed by customers with minimum total cost and maximum customer services for multi-objective SCN design problem of this company under condition of random fuzzy customers demand and transportation cost between facilities. Furthermore, the efficacy and the efficiency of this method are demonstrated by the comparison between its numerical experiment results and those of tradition matrix-based genetic algorithm.     

改进遗传算法在磁性材料组炉优化问题中的应用

牌号、交货日期、优先级、需求量等是磁性材料生产工单的属性,计划员需要依据上述属性寻求最优的生产工单组合以最小化生产成本并提高生产效率.针对磁性材料企业人工组炉存在的组炉时间长,组炉结果不优化问题.本文建立了磁性材料生产工单组炉优化模型.提出将该组炉问题转化为伪旅行商问题,并采用一种改进遗传算法求解.染色体编码采用从1到N的自然数编码方式,并设计一种基于最早完工日期规则的初始种群产生方法.引入精英选择策略和改进的贪心三交叉算子,优化遗传算法收敛速度和精度;引入逆转算子,提高遗传算法全局搜索能力.基于实际生产数据的仿真实验表明,建立的磁性材料组炉优化模型是合适的,所提改进算法是有效的.     

有时间窗物流配送车路由问题的改进遗传算法

给出了有时间窗物流配送车路由问题的数学模型．通过引入新颖交叉算子RC，构造了一种改进的遗传算法．实验结果表明．该算法在解决有时间窗的物流配送车路由问题时，比PMX及RC算子具有更优的性能，在满足所有需求点的前提下达到各评价指标的综合最优，是求解配送车路由问题的一个较好方案．     

Sequencing in mixed model assembly lines: A genetic algorithm approach

The mixed model assembly lines are becoming increasingly popular in a wide area of industries. We consider the sequencing problem in mixed model assembly lines, which is critical for efficient utilization of the lines. We extend standard formulation of the problem to allow a hybrid assembly line, in which closed and open workstations are intermixed, and sequence-dependent setup time. A new approach using an artificial intelligence search technique, called genetic algorithm, is proposed. A genetic representation suitable for the problem is investigated, and genetic control parameters that yield good results are empirically found. A new genetic operator, Immediate Successor Relation Crossover (ISRX), is introduced and several existing ones are modified. An extensive experiment is carried out to determine a proper choice of the genetic operators. The performance of the genetic algorithm is compared with those of heuristic algorithm and of branch-and-bound method. The results show that our algorithm greatly reduces the computation time and its solution is very close to the optimal solution. We have identified the ISRX operator to play a significant role in improving the performance.