一种基于新改进的Price算法的混合遗传算法求解约束优化问题

新改进的Price算法能够求解多峰、多维,以及不可微目标函数的全局优化问题.把新改进的Price算法作为局部搜索算子,并入到实数编码遗传算法中,构成一个混合遗传算法,求解约束优化问题.该混合算法增强了全局寻优能力,提高了函数值的精度,并减少了计算量.通过对13个约束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有效的.     

出厂物流整体优化的散货船舶配载模型与算法

在船舶配载0/1规划模型中,同时将港机在各船舱的作业分配作为决策变量,以最短装船时间为目标,联合优化船舶配载和港机分配问题,并考虑了仓库发货能力的约束,从而实现出厂物流的整体优化。由于散货的摆放规则使得高度和宽度得到限制,只需计算占用长度来满足配载舱容约束,因此可将三维装箱问题简化为一维问题,消除了0/1规划模型中的非线性约束,利于快速求解。最后以各舱开始配载时间为基准计算出仓库发货时间和车辆调度任务。     

基于MATLAB的一种混合遗传算法的研究

在简要分析简单遗传算法的基础上,介绍了一种改进的混合遗传算法.使用MATLAB语言编制了GA及其改进算法的实现程序,改进算法可以大幅度提高GA用于求解复杂问题的鲁棒性.多峰值函数优化结果表明,该算法能更有效地达到全局最优解.     

基于蚁群算法的军用车辆器材装箱配载问题

目的对军用车辆器材装箱配载问题进行合理优化,以提高集装箱的空间利用率。方法阐述了军用车辆器材装箱配载问题的重要性,并对装箱配载问题进行理论分析,应用蚁群算法建立数学模型和实现流程,通过实例分析验证该算法的合理性。结果利用蚁群算法模拟与优化装箱配载问题使集装箱利用率达到了88.96%,并确定出了最优的装箱配载方案。结论蚁群算法能够对军用车辆器材装箱配载问题进行合理优化。     

求解一类非线性双层规划问题的混合遗传算法

本文研究下层目标函数为拟凹函数的非线性双层规划问题。利用下层目标的最优值能在可行域极点上达到的性质,将求极点的方法引入遗传算法,提出了一种混合遗传算法。为了提高该算法的效率,结合种群最优个体,给出了有利于产生高质量后代的杂交和变异算子。对于下层问题存在多个最优解的情况,证明了其最优解可表示为极点最优解的凸组合,并利用这一结论修正了算法,使得该算法也能求解下层多解的情形。数值结果表明本文提出的算法是有效的。     

一种混合遗传算法在压电智能结构振动控制全局优化设计中的应用

本文针对采用压电作动器／传感器的智能结构,了振动控制中作动器／传动器的配置以及反馈增益的全局优化设计问题。     

基于混合遗传算法的多箱型三维装箱问题研究

目的 提高电商仓储领域打包环节包装箱的利用率。方法 针对电商仓储领域多箱型多种物品类型的三维装箱问题,建立混合整数规划的数学模型,设计基于启发式经验规则和多种算子组合的装箱过程模块算法。分别从装箱顺序和带有改进型算子这两方面设计多箱型三维装箱问题混合遗传算法,对装箱方案进行优化。结果 经实验证明,在装箱顺序优化环节PSO–HGA算法系列中,PSO–HGA–S1算法最优。在带有改进算子的混合遗传算法中,IPO–HGA–S1算法最优。结论 文中设计的混合遗传算法能很好地提高电商仓储领域打包环节包装箱的利用率。     

多港口集装箱配载的双目标精确算法研究

配载计划是集装箱运输过程中的一个重要环节,文中对多港口单个贝位的配载情形进行研究。以航线中最小翻箱数量和贝位两侧装载平衡为优化目标,把船舶航行的安全性及稳定性作为约束,建立混合整数规划的双目标优化模型。为了精确求解该问题的Pareto前沿,开发出Epsilon精确算法,通过实例证明了模型的有效性,对我国长江沿岸港口集装箱配载计划的制定具有一定的指导意义。     

一种求解TSP问题的混合遗传算法

旅行商问题是一个经典的组合优化问题,也是一个NP完全题。由于它在实际中的应用非常广泛,例如在超大规模集成芯片制造、印刷电路板制造、机器人控制等等高科技领域方面。所以长期以来,人们一直努力寻找一种既有高质量的解,又能快速收敛的近似算法。本文首先简单的介绍了遗传算法和r—opt算法,然后给出了一种用新的混合遗传算法求解TSP问题的算法以及算法的思想、流程、参数设置以及算法的创新之处;最后通过对比实验验证了本文算法的优越之处：另外,对本算法中的交叉算子的实验说明了本文中两种交叉算子结合使用使算法效率有较大的提高。最后提出了本算法的进一步研究方向。     

基于混合遗传算法的多航空集装器装箱优化设计

目的 为了解决当前航空业因航空集装器上货物的组装编排均由人工完成,尚无任何软件系统可以实现自动计算,造成航空货运经济效益和时效性低下的问题,开展航空集装器装箱算法研究.方法 充分利用精英选择策略的精英遗传算法和轮盘赌的简单遗传算法相结合,研究多航空集装器的装箱最优问题.结果 以某航空公司的某国际航线选取了20 d的历史数据来进行实验,计算得出,国际航线平均舱位利用率提升了5％.结论 对多航空集装器装箱进行了装箱模型构建和算法优化,提升了航空货运舱容利用率,装载得到了有效地优化,实现了装箱最优.     

A Grafted Genetic Algorithm for the Job-Shop Scheduling Problem

The standard genetic algorithm has limitations of a low convergence rate and premature convergence in solving the job-shop scheduling problem. To overcome these limitations, this paper presents a new improved hybrid genetic algorithm on the basis of the idea of graft in botany. Through the introduction of a grafted population and crossover probability matrix, this algorithm accelerates the convergence rate greatly and also increases the ability to fight premature convergence. Finally, the approach is tested on a set of standard instances taken from the literature and compared with other approaches. The computation results validate the effectiveness of the proposed algorithm.     

基于混合遗传算法的生产工艺规划与决策问题

零件生产加工过程中,由于各加工特征有多个加工工艺而不同工艺方法又有不同的机器选择,以及受工艺约束的工序特征排序问题,使得柔性工艺规划问题具有NP难特性.通过对可选工序和机器进行分段编码;并用约束调整算法解决受工艺约束的工序排序问题;对于问题的多目标特性,采用随机权重来设置适应度函数,用外部精英保留策略并引入k-means聚类算法裁剪精英集来保持群体多样性,该方法通过该混合遗传算法的交差,变异等操作,能有效解决受工序约束的多工艺路线的优化与决策问题.以实例的形式论证了该算法在求解柔性工艺规划问题的有效可行性.     

A Hybrid Genetic Algorithm for Vehicle Routing Problem with Complex Constraints

Most research on the Vehicle Routing Problem （VRP） is focused on standard conditions, which is not suitable for specific cases. A Hybrid Genetic Algorithm is proposed to solve a Vehicle Routing Problem （VRP） with complex side constraints. A novel coding method is designed especially for side constraints. A greedy algorithm combined with a random algorithm is introduced to enable the diversity of the initial population, as well as a local optimization algorithm employed to improve the searching efficiency. In order to evaluate the performance, this mechanism has been implemented in an oil distribution center, the experimental and executing results show that the near global optimal solution can be easily and quickly obtained by this method, and the solution is definitely satisfactory in the VRP application.     

A robust Island Parallel Genetic Algorithm for the Quadratic Assignment Problem

The Quadratic Assignment Problem (QAP) is a difficult and important problem studied in the domain of combinatorial optimisation. It is possible to solve QAP instances with 10--20 facilities using exhaustive parallel algorithms within a few days on a cluster machine. However, large QAP instances with more than 100 facilities are not solvable using exhaustive techniques. We have explored a variety of Genetic Algorithm crossover operators for this problem and verified its performance experimentally using well-known instances from the QAPLIB library. By increasing the number of processors, generations and population sizes we have been able to find solutions that are the same as (or very close to) the best reported solutions for large QAP instances in QAPLIB. In order to parallelise the Genetic Algorithm we generate and evolve separate solution pools on each cluster processor, using an island model. This model exchanges 10% of each processor’s solutions at the initial stages of optimisation. We show experimentally that both execution times and solution qualities are improved for large QAP instances by using our Island Parallel Genetic Algorithm.     

A Genetic Algorithm Hybrid for Constructing Optimal Response Surface Designs

Hybrid heuristic optimization methods can discover efficient experiment designs in situations where traditional designs cannot be applied, exchange methods are ineffective, and simple heuristics like simulated annealing fail to find good solutions. One such heuristic hybrid is GASA (genetic algorithm–simulated annealing), developed to take advantage of the exploratory power of the genetic algorithm, while utilizing the local optimum exploitive properties of simulated annealing. The successful application of this method is demonstrated in a difficult design problem with multiple optimization criteria in an irregularly shaped design region. Copyright © 2004 John Wiley & Sons, Ltd.     

混合花朵授粉算法在作业车间调度中的应用

对最大完工时间最短的作业车间调度问题进行了研究,总结了当前求解作业车间调度问题的研究现状,提出一种花朵授粉算法与遗传算法的混合算法。混合算法以花朵授粉算法为基础,重新定义其全局搜索和局部搜索迭代公式,在同化操作过程中融入遗传算法的选择、优先交叉和变异操作,进一步增强算法的勘探能力。通过26个经典的基准算例仿真实验,并与近5年的其他算法比较,结果表明所提算法在求解作业车间调度问题具有一定优势。