共查询到18条相似文献,搜索用时 102 毫秒
1.
基于遗传算法求解多目标优化问题Pareto前沿 总被引:7,自引:0,他引:7
该文给出了传统的求解多目标优化方法存在的问题,引入了当前研究多目标优化的新方法———基于遗传算法求解问题的pareto解,讨论了该方法要解决的关键问题———多样性保持及解决策略,并给出了一个求解pareto解集的新算法,算法简单、高效、鲁棒性强。最后给出了实验结果。 相似文献
2.
Pareto遗传算法在货位配置中的应用研究 总被引:10,自引:0,他引:10
固定货架是自动化立体仓库应用最广泛的存储设备,货位配置是否优化直接影响货架的稳定性和存取操作效率。因此,建立了货位配置优化问题的数学模型,提出了采用Pareto遗传算法解决多目标组合优化问题,可得到Pareto最优解集。此算法包括5个基本算子:选择、变异、交叉、小生境技术、Pareto集合过滤器。通过仿真实验验证了将Pareto遗传算法应用在实际货位配置优化问题中,取得了较好的结果。 相似文献
3.
蒋昀昕 《数字社区&智能家居》2010,(9X):7676-7678
在自适应小生境遗传算法的基础上,该文提出自适应K—均值聚类适应值共享小生境遗传算法。这种算法将聚类分析、自适应技术有机地结合起来,并且对于通常的K——均值聚类方法做了改进,即引进了一个最小聚类距离,通过调节最小聚类距离控制收敛到的小生境的数目,避免找到无效的极值点。这种算法不仅无需事先确定生境的具体数目和生境半径的大小,而且计算量小,搜索效率较高。 相似文献
4.
将Pareto适应度遗传算法(PFGA)与局部搜索相结合,提出了一种用于求解多目标组合优化问题的改进算法IPFGA,该算法基于Pareto支配关系对遗传操作产生的每一个个体进行局部搜索,并采取在外部群体中引入拥挤距离的精英选择策略。实验结果表明,与PFGA相比,IPFGA有更快的收敛速度。 相似文献
5.
6.
随着越来越多的服务能够满足用户的功能需求,需要一种策略基于服务的多种QoS属性来帮助用户选择合适的服务.以XML描述服务的QoS属性,提出了一种基于QoS的Pareto最优的服务选择策略,选择出那些不在所有的QoS属性上劣于其它服务的服务.实验结果表明,与随机选择和偏好导向的选择策略相比,Pareto最优策略有独特的效果. 相似文献
7.
8.
针对交互式遗传算法缺乏衡量评价不确定性的问题,采用离散适应值评价进化个体,利用灰度衡量评价的不确定性。通过确定离散适应值的灰度,获得反映种群进化分布的信息;基于此,给出了进化个体的自适应交叉和变异概率。将该算法应用于服装进化设计系统,仿真实例与分析结果表明,所提出的算法可以有效缓解人的疲劳,提高优化效率。 相似文献
9.
10.
基于遗传算法的系统在线辨识 总被引:13,自引:1,他引:13
首先介绍了一种基于自然选择和自然遗传学机理的全局搜索学习算法-遗传算法,并讨论了它在系统在线辨识中的实现,仿真表明,遗传算法能在线辨识时滞并收敛到全局最优。 相似文献
11.
12.
基于种群规模可变的粗粒度并行遗传算法 总被引:6,自引:0,他引:6
在科学计算领域,并行计算越来越成熟,并行遗传算法开始受到关注。本文分析了遗传算法并行化的动机和实现模型,提出了一种新算法-基于种群规模可变的粗粒度并行遗传算法,仿真结果验证了这种新算法的有效性和合理性。 相似文献
13.
采用多目标遗传算法来确定多跳无线网服务质量路由优化问题的Pareto最优解集。通过计算表明,多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集,这为决策者进行目标折衷决策提供了充分的依据,此算法是有效可行的。 相似文献
14.
本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。 相似文献
15.
针对多目标流水车间调度Pareto最优问题, 本文建立了以最大完工时间和最大拖延时间为优化目标的多目标流水车间调度问题模型, 并设计了一种基于Q-learning的遗传强化学习算法求解该问题的Pareto最优解. 该算法引入状态变量和动作变量, 通过Q-learning算法获得初始种群, 以提高初始解质量. 在算法进化过程中, 利用Q表指导变异操作, 扩大局部搜索范围. 采用Pareto快速非支配排序以及拥挤度计算提高解的质量以及多样性, 逐步获得Pareto最优解. 通过与遗传算法、NSGA-II算法和Q-learning算法进行对比实验, 验证了改进后的遗传强化算法在求解多目标流水车间调度问题Pareto最优解的有效性. 相似文献
16.
基于Pareto的多目标优化免疫算法 总被引:2,自引:0,他引:2
免疫算法具有搜索效率高、避免过早收敛、群体优化、保持个体多样性等优点。将其应用于多目标优化问题,建立了一种新型的基于Pareto的多目标优化免疫算法(MOIA)。算法中,将优化问题的可行解对应抗体,优化问题的目标函数对应抗原,Pareto最优解被保存在记忆细胞集中,并利用有别于聚类的邻近排挤算法对其进行不断更新,进而获得分布均匀的Pareto最优解。文章最后,对MOIA算法与文献[3]中SPEA算法进行仿真,通过比较两者的收敛性和分布性,得到了MOIA优于SPEA的结论。 相似文献
17.
18.
一种基于遗传算法的自动排课系统设计 总被引:1,自引:0,他引:1
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。 相似文献