基于GA的网络最短路径多目标优化算法研究

针对现有基于遗传算法(GA)优化的网络最短路径算法存在优化目标单一,遗传编码质量低,搜索策略间平衡性差$适应度分配效率与灵活性较低等问题,建立一种多目标优化最短路径自适应GA模型.提出了优先级编码和优先级索引交叉算子,引入了遗传算子参数的模糊控制机制和基于自适应加权的适应度分配方法.实验结果表明,该算法的准确性和稳定性高,复杂度合理,实现了对网络设计优化中多目标最短路径问题的高质量求解.

     

平滑变权缓冲算子构造及其性质

针对变权缓冲算子信息利用不充分以及权重选择问题, 提出一类新的平滑变权缓冲算子. 研究了该缓冲算子的性质, 证明了平滑变权缓冲算子对序列具有弱化作用并能够提升序列光滑性, 得出了平滑变权缓冲算子调节度的递推不等式; 通过多目标优化方法来确定可变权重取值, 构造可变权重的优化目标函数, 并结合遗传算法来确定权重的最优取值. 实例分析表明, 所提出的平滑变权缓冲算子能够有效提高建模精度.

     

铝液配载问题建模及混合遗传算法优化

针对电解铝生产过程中电解槽调配及出铝调度问题, 在建立数学模型分析基础上, 设计一种混合策略优化算法. 通过引入人工经验排出特例, 利用遗传算法完成优化. 以出铝路径为优化适应度函数, 利用交叉算子调配电解槽铝液组合, 利用变异算子改变槽装车路线. 最后通过某铝厂电解槽3 组数据优化实例表明了所提出方法的有效性.

     

基于移动机器人路径规划的鼠群算法

研究静态环境下机器人路径规划问题,并根据老鼠觅食行为提出一种鼠群算法.该算法引入环境因子和经验因子,每次搜索后对路径进行经验因子更新,通过迭代的方式寻找静态环境下机器人最佳路径.同时提出一种禁忌策略,有效地避免了路径死锁问题.理论分析和实验结果表明,该算法能使机器人在有较多障碍的环境下迅速找到一条优化路径,而且安全避碰,与同类算法相比具有一定的优越性.

     

知识引导遗传算法实现机器人路径规划

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,设计一种知识引导遗传算法,在染色体的编码、初始种群的产生、各种遗传算子和优化算子中加入相关的领域知识.综合考虑机器人路径的长度、安全度和平滑度等性能指标,在对机器人进行路径规划的同时,利用删除、简化、修正和平滑4种优化算子进行路径优化操作.仿真结果表明,所提方法能够有效提高遗传算法求解实际路径规划问题的能力和效率.     

基于联合配送的城市物流配送路径优化

针对城市多区域协同发展造成的商业中心相对分散的现状, 提出“多对多” 的城市网络化联合配送机制. 以运输距离、实载率等与成本密切相关的油耗成本为优化目标, 建立面向城市多区域配送需求的车辆路径模型; 同时,利用量子比特位设计染色体结构, 利用云模型云滴随机性与稳定性改进遗传算子, 设计云量子遗传算法对所建立的联合配送模型进行求解. 最后, 结合不同算例对模型和算法进行了仿真实验分析.

     

求解双层规划优化问题的层次风驱动优化算法

针对双层规划的求解问题, 提出一种层次风驱动优化算法. 初始化上层优化变量后, 首先对下层规划进行求解, 满足约束条件的同时, 更新下层规划中的空气质点速度和位置; 然后, 利用风驱动优化算法对上层规划问题进行求解; 最后, 在优化解集合中, 选择上下层规划目标值次序之和最小的解作为最终优化解. 实验结果表明, 所提出的层次风驱动算法是一种有效的求解双层规划问题的方法.

     

一种基于有向交叉的遗传算法

从解空间的角度分析了交叉算子的作用,针对其盲目搜索的缺陷,提出一种有向交叉遗传算子.该算子通过优化控制交叉子代的落点位置,使交叉子代大概率地朝着最优解的方向进化.实验表明,该算子显著地加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度.

     

一种求解混合整数规划的混合进化算法

提出一种基于正交试验设计的混合进化算法,用于求解混合整数规划问题 .进化算法中采用一种混合启发式的变异算子,将正交试验设计作为杂交算子 .为了增加种群的多样性,引入一种迁移算子 .仿真实验结果表明,与已有的一些算法相比,所提出的求解混合整数规划的混合进化算法能快速收敛到问题的最优解,并且算法的计算量小,解的精度高.

     

多目标资源优化分配问题的Memetic 算法

针对传统算法求解多目标资源优化分配问题收敛慢、Pareto解不能有效分布在Pareto 前沿面的问题, 提出一种新的Memetic 算法. 在遗传算法的交叉算子中引入模拟退火算法, 加强了遗传算法的局部搜索能力, 加快了收敛速度. 为了使Pareto 最优解均匀分布在Pareto 前沿面, 在染色体编码中引入禁忌表, 增加了种群的多样性, 避免了传统遗传算法后期Pareto 解集过于集中的缺点. 通过与已有的遗传算法、蚁群算法、粒子群算法进行比较, 仿真实验表明了所提出算法的有效性, 并分析了禁忌表长度和模拟退火参数对算法收敛性的影响.

     

面向冗余机器人实时控制的逆运动学求解有效方法

针对-自由度冗余机器人实时运动控制,对机器人逆运动学提出了一种新的求解方法.采用位姿分解方式,使-自由度冗余机器人逆运动学简化为,自由度位置逆运动学求解.在梯度投影法得到位置优化解的基础上,利用机器人封闭解公式求得一组优化解.通过对-自由度机器人仿真分析,表明了该方法的有效性.

     

基于侦察蚁和觅食蚁协作的机器人路径规划算法

根据对真实蚂蚁的最新研究成果,提出了一种全新的机器人路径规划蚂蚁算法.该算法由两组侦察蚁采用最近邻侦察搜索策略相向搜索出一条较优路径,再由一组觅食蚁通过在该路径附近觅食实现对该路径的优化,从而得到一条优化的路径.计算机仿真实验结果表明,算法收敛速度提高显著,且在障碍物非常复杂的地理环境,也能迅速规划出最优或基本最优的路径,效果令人满意.

     

进化强化学习及其在机器人路径跟踪中的应用

研究了一种基于自适应启发评价(AHC)强化学习的移动机器人路径跟踪控制方法.AHC的评价单元(ACE)采用多层前向神经网络来实现,将TD(λ)算法和梯度下降法相结合来更新神经网络的权值.AHC的动作选择单元(ASE)由遗传算法优化的模糊推理系统(FIS)构成.ACE网络的输出构成二次强化信号,用于指导ASE的学习.最后将所提出的算法应用于移动机器人的行为学习,较好地解决了机器人的复杂路径跟踪问题.

     

钢铁企业合同计划与余材匹配的集成优化方法

钢铁企业的合同计划和余材匹配的集成优化是解决钢铁企业面向订单生产的关键技术.由于该问题复杂,涉及因素多,求解难度大,对此提出一个带有提前拖期惩罚的联合计划优化的数学模型,并提出一种嵌有"优先适合启发式"的遗传算法.该方法利用背包问题的求解思路改进了染色体的性能,从而加快了遗传算法的求解速度.将该模型及算法应用于实际钢铁企业的计划编排中,取得了满意的效果.

     

变权缓冲算子及其作用强度的研究

针对传统缓冲算子不能实现作用强度的微调,从而导致缓冲作用效果过强或过弱的问题,构造了变权弱化缓冲算子和变权强化缓冲算子．研究了缓冲算子调节度与可变权重之间的关系,并用遗传算法探讨该类缓冲算子的优化问题．研究结果表明,可变权重在功能上类似于高阶作用算子,但控制缓冲算子作用强度的灵活性则明显优于高阶缓冲算子．最后以我国能源消费总量的预测问题为例,验证了变权缓冲算子的有效性和优越性．

     

一种求解旅行商问题的新型帝国竞争算法

帝国竞争算法是一种已在连续优化问题上取得较好效果的新型社会政治算法. 为了使该算法更好地应用于离散型组合优化问题, 提出一种求解旅行商问题的新型帝国竞争算法. 在传统算法的基础上, 改变初始帝国的生成方式; 同化过程采取替换重建方式, 以提升求解质量; 革命过程中引入自适应变异算子, 以增强搜索能力; 殖民竞争过程中调整了殖民地分配方式; 算法加入帝国增强过程, 以加快寻化速度. 实验结果表明, 新型帝国竞争算法求解质量高、收敛速度快.

     

免疫克隆选择算法求解柔性生产调度问题

为减少计算复杂度,将具有解决复杂组合优化问题的免疫克隆选择算法应用于求解柔性生产调度问题.首先设计一种有效的抗原和抗体的数据结构,用抗原表示待调度的生产计划,抗体表示高效的柔性生产调度结果;然后着重设计了用于产生高效的柔性生产调度结果的克隆免疫算子;最后运用该模型对一个实际生产系统进行仿真调度决策,实验评估结果验证了算法的正确性和有效性.

     

基于杂合机制的免疫遗传算法在动态问题中的应用

针对遗传算法在求解动态问题时存在多样性缺失,无法快速响应环境变化的问题,提出一种基于杂合子机制的免疫遗传算法．该算法借鉴免疫系统中多样性与记忆机理,从保持等位基因多样性出发,在免疫变异中引入杂合映射机制,使种群能够探索更大的解空间．同时,通过引入记忆策略,使算法迅速跟踪最优解变化轨迹．该方法在动态０-１优化问题的求解中取得了较好的效果．

     

力矩受限的机器人吸引域估计方法

针对力矩受限的机器人组合非线性反馈控制的局部稳定区域描述问题,研究了吸引域的估计方法.利用不变集属性和椭球性质,定义两种不同意义的最大椭球不变集来逼近吸引域,分别采用设置初始状态法和参考形状集法求解.通过带有约束的优化问题描述,所有条件均能转化为线性矩阵不等式条件,易于求解.由于采用优化技术,能够减小吸引域估计的保守性.数值算例验证了所提方法的有效性.

     

Delta算子不确定系统扩展参数依赖H∞控制

研究了含有多面体参数摄动Delta算子系统的参数依赖H∞控制问题.基于Delta算子系统有界实引理"提出了扩展参数依赖H∞性能准则.利用该准则,以参数化的线性矩阵不等式形式给出了参数依赖H∞控制器存在的充分条件,并通过求解优化问题设计控制器.研究结果表明该方法保守性较低,且物理概念清晰.数值示例验证了所提方法的有效性.