用自适应遗传算法求解一类组合调度优化问题

针对JobShop组合调度优化问题,提出一种改进的自适应遗传算法,该算法在经典遗传算法的基础上增加了重构和局部寻优操作,构造了新的交叉和变异算子,自适应地确定交叉和变异概率,提高了算法的搜索效率.算例表明,该算法能有效求解JobShop调度等组合优化问题.     

基于局部搜索机制快速求解TSP问题的自适应遗传算法

提出了一种基于局部搜索机制快速求解TSP的遗传算法。基于局部搜索机制,自适应地将标准遗传算法与局部启发式算法结合,使得局部启发式算法只在有效改善种群个体质量的情况下才允许执行,有效地避免了因局部搜索次数过多而引起的陷入局部最优和计算负担过重现象的发生。仿真结果表明,该算法具有较强的全局优化能力及较快的收敛速度,在求解TSP问题时有较高效率。     

启发式构建软件定义网络的控制消息路由树算法

为了分析控制器位置和控制消息路由树对软件定义网络控制平面性能(如控制消息平均时延、控制消息路由树可靠性)的影响,建立相关数学模型,提出启发式的路由树搜索算法、最短路径算法和贪婪算法并对该模型进行优化. 仿真结果显示,在相同的网络拓扑条件下,启发式路由树搜索算法能有效地在控制消息平均时延和控制消息路由树可靠性2个性能指标上取得均衡,其综合性能明显优于最短路径算法和贪婪算法.     

一种改进的基于进化阶段的自适应遗传算法

为改善遗传算法的优化性能,延长种群搜索过程,对基于进化阶段的自适应策略遗传算法进行了改进.改进的自适应策略不仅基于进化阶段,同时基于个体,特别是采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.实验结果表明,该改进的算法确实延长了算法的搜索阶段,提高了算法的性能.     

基于局部搜索机制快速求解TSP问题的自适应遗传算法

提出了一种基于局部搜索机制快速求解TSP的遗传算法.基于局部搜索机制,自适应地将标准遗传算法与局部启发式算法结合,使得局部启发式算法只在有效改善种群个体质量的情况下才允许执行,有效地避免了因局部搜索次数过多而引起的陷入局部最优和计算负担过重现象的发生.仿真结果表明,该算法具有较强的全局优化能力及较快的收敛速度,在求解TSP问题时有较高效率.     

智能排课优化算法研究

为解决高校排课优化问题,建立了以教学效果好评度最大化为优化目标的排课数学模型.针对传统遗传算法的不足,给出了一种混合遗传算法,该算法不仅能够对传统遗传算法的交叉率、变异率进行自适应改进,还能够实现冲突检测与消除功能.测试结果表明,该算法比传统的遗传算法、贪婪算法和蚁群算法耗时短,而且教学效果好评度最高,这说明该算法能有效缩短排课时间,提高排课质量和效率,实现高校排课智能化.     

改进分区蚁群算法在Ad Hoc网络路由中的应用

本文针对当前AdHoc网络路由的特点,在AdHoc路由优化算法基础上提出一种改进的蚁群算法。该算法首先将影响蚁群算法性能的参数作为遗传算法中的染色体,通过迭代找出最优的参数组合,然后对区域节点采用动态邻域分解的同时进行并行优化计算,最后将各子区域进行邻域全局连接得到最优解,该算法体现＂分而治之＂的思想。实验仿真结果表明,改进算法有效地提高了网络传输性能和通信效率,在性能上较基本蚁群算法有更大的优势。     

智能社区传感网簇头选举路由算法研究

为了减少智能社区传感网数据传输造成的能耗不均匀并延长网络寿命,提出了簇头选举优化的传感网路由自适应优化算法.在该算法中,首先提出了一种适应用于智能社区传感网结构的三维分簇方法,该三维分簇方法采用基于最小化总传输损耗的簇头选举机制来优化传感网的能量.其次,针对分簇之后的簇间数据传播问题,提出了一种自适应蚁群传播方法,借助蚁群算法的最优寻路思想,寻找能量损耗和误包率更低的能量均衡路由.最后,仿真结果表明该算法在减少能量消耗和延迟、提高传输效率及节点存活时间方面均具有较好的性能.     

一种结合混沌搜索的自适应遗传算法

在系统分析和研究自适应遗传算法特点的基础上,提出了一种新颖的混合软计算:结合混沌搜索的自适应遗传算法.一方面,算法将具有对初值敏感、易跳出局部极小、搜索速度快和计算精度高的混沌优化算法引入到自适应遗传算法中,以平衡其"开发"和"探测"之间的性能;另一方面,算法设定群体早熟收敛的量化计算公式和判定阈值,并引入了一组新的自适应交叉率和变异率的计算函数,从而有效防止了算法陷入局部最优的缺点.通过对4个基准测试函数的仿真计算,证明该算法能有效提高全局寻优的性能,且鲁棒性好.     

一种改进的基于进化阶段的自适应遗传算法

为改善遗传算法的优化性能,延长种群搜索过程,对基于进化阶段的自适应策略遗传算法进行了改进．改进的自适应策略不仅基于进化阶段,同时基于个体,特别是采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解．实验结果表明,该改进的算法确实延长了算法的搜索阶段,提高了算法的性能．     

基于蚁群算法的改进遗传算法

遗传算法具有快速全局搜索能力,但对于系统中的反馈信息却没有利用,往往导致无为的冗余迭代,求解效率低。根据这一缺陷提出一种将蚁群算法融合到遗传算法的新策略：为了弥补遗传算法中的变异算子变异过程中的盲目无原则性,将蚁群算法的正反馈思想引入到遗传算法中。利用蚁群算法信息素更新原则指导变异规则,有效地提高了算法的寻优效率,优化了解的质量。为了验证算法的有效性,对TSPLIB库中的两个公共实际事例eil51和gr202以及安徽省17个城市的数据进行了仿真实验,结果表明改进后的算法是有效的。     

一种求解N皇后问题的优化组合遗传算法

基于遗传算子优化组合思想,采用二进制编码方式,选择矩阵遗传算子和布尔遗传算子组合应用对N皇后问题求解,避免了常规遗传算法的杂交率和变异率选取.从N皇后问题的约束条件角度,构造适应度评价函数,保证了算法的全局收敛性.实验结果表明,本文算法具有良好的搜索效率和求解质量,运行一次在收敛代数内可以搜索到多个解,当皇后数N较大时,搜索到解的效率越明显好于常规遗传算法.     

混合遗传算法的电力系统无功优化

针对遗传算法（GA）的局限性，提出了一种应用于电力系统无功优化问题的混合遗传算法（GASA）。实施了最优保留策略，改进交叉和变异操作，并结合模拟退火算法（SA）的Metropolis判别准则的复制策略，使寻优过程能够跳出局部最优解，从而形成了混合遗传算法。优化过程中考虑了电力系统无功优化自身特点，提高了计算效率。对IEEE30节点系统的仿真表明：该算法能够有效地提高收敛速度，避免早熟收敛。     

Improved genetic algorithm freely searching for dangerous slip surface of slope

1INTRODUCTION Thestabilityofslopeisinvolvedinmanyengi neeringfields,suchasmineengineering,hydraulicengineering,civilengineeringandsoon.Thetheo ryoflimitequilibriumisalwaysusedtoanalyzethestabilityofslope[1,2],ofwhichthekeyissuesaretogetthemostdangerousslipsurfaceandthesafetyfactor.Atpresent,theprocessesofanalysisforthestabilityofslopeintheworldareasfollows:firstly,theslippatternofslopeissupposed;secondly,themostdangerousslipsurfaceisap proximatelydecided;finally,thesafetyfactorisapproximat…     

基于搜索空间划分的自主式遗传算法与应用

如何让无疲劳的计算机代替易疲劳的用户是交互式遗传算法研究的一个重要内容.该文给出了基于搜索空间划分的自主式遗传算法.该方法首先利用遗传搜索过程中的历史信息对搜索空间进行划分,以实现在用户未疲劳时避免用户疲劳.当用户疲劳时,由机器代替用户评价进化个体继续进行遗传操作,从而达到减轻用户疲劳的目的.利用此方法进行服装设计的实验结果验证了该方法的有效性.     

基于改进遗传算法的无功优化

遗传算法的基础上对其局限性进行改进,使该算法在电力系统无功优化的应用中具有一定优越性。通过改进编码和选择算子,自适应的交叉变异概率等策略,并引入基于模拟退火策略的适应度函数和混沌算法,使得改进遗传算法高速、准确的收敛于最优解,改善了传统遗传算法易陷入收敛性差、效率低的弊端。在此基础上建立无功优化数学模型,介绍了该算法具体实现步骤,并将其应用于IEEE30节点,证明所提算法是可行和有效的。     

单级倒立摆系统控制方法设计

倒立摆系统以其自身的不稳定性为系统的平衡提出了难题，也因此成为自动控制实验中验证控制算法优劣的极好的实验装置。通过比较分析遗传算法与自适应神经模糊推理系统两种不同方法在倒立摆控制系统中的应用，并实验证实：使用基于ANFIS倒立摆系统计算量小，收敛快，但是其鲁棒性却不如基于遗传算法所设计的控制其好；遗传算法求解问题的效率高，且随着问题规模的扩大，优势更为突出。     

求解线性互补问题的一种改进的遗传算法

互补问题作为一类重要的优化问题,其传统算法中初始点的选取较为困难.本文通过引入阻尼最小二乘算法对遗传算法进行改进求解互补问题,计算结果表明应用改进的遗传算法计算线性互补问题不依赖于初始点的选取,可以提高收敛效率,减少迭代次数.     

多维数据的改进最小生成树聚类算法

针对传统的应用于基因表示的最小生成树(MST)聚类算法在时间复杂度和聚类质量上的不足,提出了一种新的应用于数据处理的改进最小生成树(IMST)的聚类算法.该算法在提高构造最小生成树的效率的同时,通过对初步划分的生成树用矩阵表示,以度最大的结点作为聚类中心,再根据中心点算法完成聚类,解决了以往最小生成树算法无法解决的多个簇用短边或长度相同的边相连无法分类的问题,从而提高了聚类速度,改善了聚类的质量.通过对多维数据进行分析,计算各个属性的差异度,得出结论:一些属性的存在对于构造最小生成树有很小的影响或没有影响,删除这些属性列也可以提高效率,达到减少计算复杂性的目的.     

基于遗传算法的区域电力市场日交易计划研究

通过对区域电力市场日交易计划的研究,建立了区域电力市场发电侧日交易计划的数学模型.该数学模型考虑了机组组合问题,还考虑了以边际电价和机组实际报价的2种结算方式.应用遗传算法求解数学模型,同时针对标准遗传算法中存在的问题,采用了一个十进制———二进制混合编码的遗传算法,并结合区域电力市场日交易计划模型的特殊性,对算法设计和求解中的若干关键技术,包括约束处理技术、遗传算子设计和算法效率优化等进行了研究.最后运用分布式协同方法求解,并进行基于.NET的程序架构设计,对于提高算法效率,解决遗传算法的收敛问题都较有利.