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.
相似文献针对不同直觉模糊集的隶属度与非隶属度可能存在交叉影响, 提出广义直觉模糊加权交叉影响平均(GIFWIA) 算子, 推导出其数学表达式, 研究该算子的性质, 并探讨了基于GIFWIA 算子的多属性决策方法. 通过实例表明了所提出广义算子在决策应用中的有效性, 并分析了不同参数lambda 对决策的影响. 通过灵敏度和相关比较分析, 解释了交叉影响对决策结果的影响, 表明了所提出广义算子的稳定性.
相似文献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.
相似文献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.
相似文献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.
相似文献最小交叉熵阈值法(MCET) 在二级阈值中是有效的, 但在多极阈值的穷尽搜索中却要付出昂贵的时间代价. 鉴于此, 提出一种基于遗传算法(GA) 的MCET选择方法: 在执行图像分割(IS) 任务之前, 先将IS 转化为在一定约束 条件下待优化的问题; 在寻找待优化问题最优解的计算过程中引入一种回归设计技巧以存储中间结果; 使用这种回 归设计技巧, 在一组标准测试图像上利用GA搜索待优化问题的最优解. 实验结果表明, 利用所提出的方法获得的多 个阈值非常接近于穷尽搜索获得的结果.
相似文献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.
相似文献首先,定义了群体的算术交叉扩展子空间、寻优空间和基因位直方图概念,并分析了交叉在解空间的扩展性.然后,证明了在二进制编码中,交叉不能改变基因层次上的多样性;而在实数编码中,在一定条件下,算术交叉可改变基因层次上的多样性,但以扩大寻优空间、产生无用解为代价.随后,证明了交叉可改变个体层次上的多样性,而变异可改变以上两个层次上的多样性.最后,分析了所得结论对遗传算法的改进和应用具有的指导意义,并通过仿
真加以验证.
讨论一类大规模系统的优化问题,提出一种递阶优化方法.该方法首先将原问题转化为多目标优化问题,证明了原问题的最优解在多目标优化问题的非劣解集中,给出了从多目标优化问题的解集中挑出原问题最优解的算法,建立了算法的理论基础.仿真结果验证了算法的有效性.
相似文献针对多选择多维背包问题(MMKP)的特点,设计一种新型混合算法(ACO&PR).该算法将线路重连算法(PR)嵌入蚁群算法(ACO),在搜索过程中既考虑解的质量,又考虑解的分散性.线路重连算法在重连过程中,向导解的属性逐步引入起始解属性中,可快速获得该线路上的最优解.实验结果表明,该算法优于其他现有较好的方法,获得了较好的结果.
相似文献分析量子进化算法和免疫算子的特点,提出一种分级变异的量子进化算法,用于求解多目标优化问题.算法主要基于两个策略:首先,利用快速非受控排序和密度距离计算种群抗原-抗体的亲和度;然后,基于亲和度排序将个体进行分级,最优分级中的个体作为算法中的最优个体,大部分实施量子旋转更新和免疫操作,而剩余分级中的个体实施免疫交叉操作以获得新的个体补充种群.求解多目标0/1背包问题的实验结果表明了该算法的有效性.
相似文献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.
相似文献