基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

基于遗传算法的服装配送路径优化策略

针对服装配送网络中的车辆路径优化问题,以路径最优和服装配送车辆消耗费用最低为目标,对服装配送车辆数目不确定的配送路径选择问题建立模型,并利用遗传算法对配送路径进行优化.最后以实例为研究对象,建立服装配送的模糊数学模型,并通过MATLAB对其进行模拟仿真,并验证算法的可行性和优越性,解决了服装配送路径优化的实际问题.     

取消变异的小生境遗传算法及应用

为提高算法寻优能力,提出取消变异的小生境遗传算法.算法在寻优过程中采用最优保持子代种群产生策略,通过对种群中个体适应值惩罚机制的小生境操作,加速淘汰适应值低的个体,实现种群基因多样性,克服了遗传算法中随进化代数的增加种群个体趋于相似而造成全局搜索能力下降的缺点,增强了遗传算法在解决多变量多峰值优化方面的能力.将小生境遗传算法用于典型测试函数进行寻优测试,与取消变异改进遗传算法和基本遗传算法比较,证明了其在多变量、多峰值优化问题中的有效性和收敛性.     

基于遗传算法的电子商务物流配送研究

针对电子商务在物流配送中存在的问题,本研究以车辆可行驶最大路程为限制条件,将遗传算法与节约算法相结合,利用节约算法产生遗传算法的初始解,构造节约遗传算法解决电子商务环境下的物流配送路径优化问题。仿真结果表明,节约遗传算法比遗传算法更具有全局最优性,求得最短路径的效果明显高于遗传算法;随着进化代数的增加,两种算法都越来越趋向于最优值,节约遗传算法的进化起点远高于遗传算法的进化起点,其最优值比遗传算法最优值好;节约遗传算法中的进化代数和种群规模对算法的性能有一定的影响;有路程限制与无路程限制所取得的货车运行路线不同,车辆的最大运行距离也不同。该研究可以提高物流配送效率、缩短配送距离,对节约物流成本和提高客户服务水平具有重要意义。     

电动汽车加电站电池配送路径优化

在分析电动汽车加电站运营模式的基础上,根据电动汽车加电站需求动态变化的特点,建立了加电站电池配送路径问题的动态车辆调度模型. 利用自适应准则改进遗传算法,构造了自适应遗传算法;针对动态车辆调度问题实时性强的特点,设计了"初始化路径制定+实时动态调度"的两阶段求解策略,通过信息更新插入动态需求加电站,对已产生的计划路径进行局部优化调整,仿真计算结果验证了模型和算法的有效性.     

静液传动混合动力车辆驱动系统优化匹配

为了解决通用优化算法无法有效计算静液传动混合动力车辆驱动系统优化匹配时设计变量具有复杂约束的问题,建立液压泵/马达排量与其转速范围的规则知识库,采用基于该规则知识库的自适应模拟退火遗传算法,对轮边驱动静液传动混合动力车辆的驱动系统关键元件及系统参数进行优化匹配.对优化后的混合动力车辆的节能和动力特性进行仿真分析,并采取...     

车辆路径问题的改进遗传算法研究

车辆路径问题(VRP)是现代物流管理中的重要环节,是一个NP-hard问题.标准遗传算法用于最优化问题时存在早熟收敛和收敛速度缓慢的特点.本文提出一种改进的多种群遗传算法,在子种群间引入竞争,设定各个子种群的规模取决于各个子种群的平均适应水平.实验结果表明,该算法能有效求得车辆路径问题的优化解,是求解车辆路径问题的一个有效方案.     

一类特殊约束下的遗传算法及其收敛性分析

针对一类带约束的优化问题提出了隔离小生境的多种群孤立进化遗传算法,分析了算法的全局收敛性.并将算法用于模糊控制器的优化问题,仿真实例说明了算法的有效性和实用性.     

基于小生境遗传算法的离散变量结构优化设计

小生境技术的引入,提高了遗传算法处理多峰函数优化问题的能力。提出了基于隔离机制的自适应小生境技术,隔离小生境技术具有生物学基础,不仅能够有效地保证群体中解的多样性,而且具有很强的引导进化能力,针对简单遗传算法中的交叉与变异概率等不能动态地适应整个寻优过程,提出采用根据适应度调整交叉、变异概率并与小生境技术相结合的改进遗传算法。算例表明,该遗传算法对桁架结构的布局进行优化设计比较容易实现,简单、有效,可以产生很好的效益。     

带时间窗和货物权重的车辆路径问题的研究

提出了带货物权重及时间窗的车辆路径问题在车辆数不确定条件下的一个新的求解算法.通过利用轮盘赌选择策略,既能使最优个体进入下一代,又避免了个体之间因为适应度不同而被选择进入下一代的机会相差很大,从而保证了下一代的多样性并提高了算法的收敛速度.选用cx交叉算子有效避开遗传算法的＂早熟收敛＂,同时对路径划分算法进行优化,从而达到VRPTWW车辆数与路径双重优化.数值实验结果表明,此算法可以有效求得车辆路径问题的优化解或近似优化解,是求解车辆路径问题的一个较好的方案.     

基于小生境遗传算法的网格节点资源研究

针对解决网格节点资源聚类问题，提出了基于小生镜遗传算法的模糊聚类分析方法。该算法把小生镜遗传算法搜索的随机性和并行性引入模糊聚类中，对模糊聚类中的聚类中心的个数和聚类中心的选取进行指导，解决了模糊C均值聚类对初始聚类中心的敏感性问题、实验证明该方法能具有全局收敛性，克服了FCM算法可能陷入局部极小值，并有效地对网格节点资源整合归类，从而改善网格节点资源发现的性能。     

基于小生境遗传模拟退火算法的不规则件优化排样

针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"最低水平线与填充算法相结合"策略的启发式排样算法实现二维不规则件自动排样,得到了满意的优化排样结果。     

可拓聚类适应度共享小生境遗传算法研究

针对遗传算法易陷入早熟收敛和全局搜索能力差等缺点,提出一种基于可拓理论的小生境遗传算法.算法首先构造了遗传编码物元和可拓遗传算子,然后通过可拓聚类方法实现小生境群体的划分,结合适应度共享技术和聚类代表个体保存策略,维持稳定多样的小生境.仿真实验表明,该算法能可靠、快速地收敛到全局最优解,有效避免早熟收敛,其收敛速度和求解精度均优于简单遗传算法和常规小生境算法.     

小生境遗传算法在机械优化设计中的应用

针对在机械设计中经常遇到的多个变量、多个局部极值的参数优化设计问题,提出了应用小生境遗传算法求解多峰值函数全局最优化解的途径。对小生境遗传算法的基本构造模型和实现技术给出了全面的描述。最后,以曲柄摇杆机构的优化设计为算例,验证了该算法的有效性。     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

一种快速实现多峰值函数优化的改进遗传算法

针对基本遗传算法具有的收敛早熟、局部搜索能力差等缺点,提出了一种快速实现多峰值函数优化的改进算法。该算法包含并行小生境技术、可疑峰值点判断、引入局部搜索参数等策略,并采用C语言成功编写了通用程序。数值算例表明：该改进算法能有效防止早熟收敛,明显提高遗传算法的收敛效率,快速搜索到目标函数的所有最优点。该算法对求解多峰值函数优化问题具有普适性。     

基于改进免疫算法的有能力约束车辆路径问题

针对遗传算法、免疫遗传算法在解决车辆路径问题(VRP)中存在的问题与不足,提出了一种改进免疫遗传算法。该算法主要在检查个体的多样性程度方面进行了简化,运用多样性指数阈值控制种群个体的多样性。通过有能力约束VRP的实验验证了新算法,得到了满意的效果。     

混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．     

利用遗传贪婪混合算法求解背包问题

采用遗传贪婪混合算法解决背包问题,提出利用补偿算子来解决算法较早收敛于局部最优解的思想,有效抑制算法的早熟收敛。在算法的交叉操作中加入确定性策略,在算法的变异操作中加入非确定性策略,以确保算法具有更好的收敛性能。实验结果表明,该算法性能较佳,可以满足解决背包问题的需要。