基于混合遗传算法的多约束集装箱装载问题研究

在考虑集装箱装载货物底置等级、侧放方式、堆码层数等一些实际应用的约束条件下,根据同类型货物一次性装载的思想,提出了一种新的基于空间划分的启发式算法,并以此为基础构造了一种混合遗传算法。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

一种快速解决PFSP问题的混合遗传算法

流水车间调度问题属于NP难问题,并且和实际问题联系很紧。但是因为它的解空间太大,一般的算法很容易过早的陷入局部最优或者计算时间太长,提出了一种比较快速的混合遗传算法,能够在很短时间内计算出比较优的结果。详细介绍了这种算法的效果,并与两种常用来解决此类问题的算法进行了比较,总结出了这个算法的特点。     

求解旅行商问题的一种混合遗传算法

文章针对组合优化中的旅行商问题,设计了将溶入最近邻算法思想的混合遗传算法。它的特点在于用具有最邻近结构的基因片段完成个体的替代;目的在于修正部分适应度偏低的染色体,提高群体的平均适应度。     

一种求解全局优化问题的新混合遗传算法

把简化的二次插值法融入实数编码遗传算法,构成适于求解全局优化问题的混合遗传算法,该混合算法可以较好解决遗传算法的早熟收敛问题,提高了收敛速度,改善了解的质量,并减少了计算量.由于该混合遗传算法对目标函数的性质没有要求,适合求解大规模问题和工程实际问题.通过对23个标准测试函数的仿真实验,并和已有算法的比较,结果表明本文提出的混合遗传算法是非常有效的.     

一种求解集装箱装载问题的启发式算法

所谓集装箱装载问题,就是将若干大小不同的长方体盒子装进一个大小已知的长方体容器,其目标是最大化容器的积裁率.对这一问题,国内外学者利用不同的哲学思想,提出了诸如遗传算法、模拟退火算法等求解算法.本文提出一种求解此问题的基于最大穴度优先原则的启发式算法.算法中使用了两个重要的策略:最大穴度原则和最小边度原则.用一些公开的算例对算法性能进行了实算测试,测试结果表明:算法所得结果的容器积载率高,是求解集装箱装载问题的有效算法.     

一种求解三维集装箱装箱问题的混合遗传算法

在遗传算法的基础上结合传统启发式装箱算法,设计了一个混合遗传算法,该算法既继承了遗传算法的全局搜索好的优点,也克服了遗传算法局部搜索能力差的缺点,能够较好地解决集装箱这类多目标多约束的空间三维分布的问题。     

求解带有预放置矩形块的布局问题的启发式算法*

在超大规模集成电路设计中,一些特别重要的部件,如RAM、ROM、CPU等经常被优先放置,而其他元件则被两两互不重叠地放置在芯片的剩余区域.这类问题能被形式化为带有预放置矩形块的布局问题.基于占角和最大穴度优先的放置策略,为该问题的快速求解提供了一种高效的启发式算法.算法的高效性通过应用于标准电路MCNC得到了验证.     

无线传感网中一种智能数据融合算法的实现及仿真分析

在无线传感网中,传感器节点一般都由自身装配的电池供电,难以进行电量补充,因此节约电量对于无线传感网来说至关重要.为了提高无线传感网能量使用效率,延长网络生存时间,提出了一种结合遗传算法和粒子群算法优化BP神经网络的智能数据融合算法 GAPSOBP(BP Neural Network Data Fusion algorithm optimized by Genetic algorithm and Particle swarm).GAPSOBP算法将无线传感网的节点类比为BP神经网络中的神经元,通过神经网络提取无线传感网采集的感知数据并结合分簇路由对收集的传感数据进行融合处理,从而大幅减少发往汇聚节点的网络数据量.仿真结果表明,与经典LEACH算法和PSOBP算法相比,GAPSOBP算法能有效减少网络通信量,节约节点能量,显著延长网络生存时间.     

集装箱装载问题的一种DNA遗传算法

三维集装箱装载是一个复杂的组合优化问题,约束条件多,属于NP完全问题,求解难度大.在考虑方向性约束和稳定性约束的情况下,提出了一种DNA遗传算法（DNA-GA）,给出了有效的编码和解码方法。实例计算结果表明,利用DNA-GA解决装箱问题是行之有效的一种方法,对推广DNA计算在求解NP难解问题中的应用具有一定的意义。     

三维装箱问题的偏随机密钥混合遗传算法

考虑实践约束的三维装箱问题属于复杂的组合优化问题,具有典型NP难问题的特点。针对一般遗传算法求解装箱问题易陷入局部最优的缺点,提出使用偏随机密钥遗传算法进行装载序列搜索,结合基于极点的启发式方法实现货物的优化布置,进而通过部分装载物品的位移来改善整体重心分布。经过实例运算和分析,证明提出的方法能快速制定货物优化布置方案,达到装载工具高效利用及货物安全运输的要求。     

货架分配问题的一个有效混合遗传算法

针对货架分配问题提出了一个遗传算法与模拟退火算法及一个局部搜索算法混合的算法。首先,设计了一种比较直观的编码方法,用一个矩阵作为一种货架分配方案。第二,设计了与编码相应的杂交和变异算子,并且杂交、变异都能生成可行解,不需要对解进行修正。第三,为了能够生成好的初始种群,定义了一个阀值,这个阀值不仅反映了解的适应值的信息,而且还反映解的结构的信息。第四,为了增加算法的局部搜索能力,同时又尽量不增加计算的复杂度,让模拟退火算法和一种局部搜索算法并行作用于相应的子群。通过大量的数据模拟实验及与其他的几种算法模拟结果进行比较,实验显示,该算法不论是计算结果还是算法的稳定性都优于其他算法。     

应用自适应遗传算法解决集装箱装载问题

集装箱配载是一个复杂的组合优化问题,其约束条件多,属于NP完全问题,并且求解难度大．在满足一定的约束条件下。提出一种3维集装箱装载的自适应遗传算法．算法中考虑了货物放置方向和装载容积等约束条件,给出了有效的解码算法．实例仿真结果表明了该算法的有效性和实用性．     

基于云计算的混合并行遗传算法求解最短路径

为提高最短路径求解问题的效率,提出一种基于云计算的细粒度混合并行遗传算法求解最短路径的方法。方法采用云计算中H adoop的Map Reduce并行编程模型,提高编码效率,同时将细粒度并行遗传算法和禁忌搜索算法结合,提高了寻优算法的计算速度和局部寻优能力,进而提高最短路径的求解效率。仿真结果表明,该方法在计算速度和性能上优于经典遗传算法和并行遗传算法,是一种有效的最短路径求解方法。     

基于遗传算法的不同形状物体布局求解研究

通过对不同形状物体布局特点的分析,依据遗传算法的基本思想,选择通过对不同形状物体布局特点的分析,根据遗传算法的基本思想,选择合适的编码方法、遗传算子和适应性度函数,提出一种基于遗传算法的不同形状物体布局求解算法.该算法可实现对不同形状物体进行布局求解.计算机仿真实验表明,该算法具有收敛速度快,能够在较短时间内获得较佳的布局方案.     

约束入库问题模型与算法研究

对某冷轧厂冷卷约束入库问题建立数学模型,归结为有约束的装箱问题 (binpacking),设计带匹配权值的bestfit算法实现优化入库.该算法简便易行,效果良好,是求解一类约束入库问题的有效算法.计算实例说明了模型的合理性与算法的有效性.     

快速公交车辆调度优化的禁忌算法设计与实现

提出了一类基于公交运营效益最大化的BRT调度问题并建立了数学模型。根据问题的特点设计了优化该问题的禁忌算法。通过多次仿真运算,计算结果及分析表明用禁忌算法优化此类调度问题是有效的。