混合遗传模拟退火算法求解背包问题

提出了一种混合遗传模拟退火算法求解背包问题,该算法应用改进的模拟退火算法作为局部搜索,提高算法的搜索效率,采用同时考虑解的质量和种群多样性的种群更新策略,保持种群的多样性,仿真实验结果表明该算法是有效的.     

基于遗传算法的0/1背包问题求解

利用遗传算法提出了解决０／１背包问题的３种算法,这３种算法分别是基于罚函数修正方法和译码方法的算法,理论分析表明,修正方法可以获得问题的最优解,在不同测试数据集上对这３处算法的性能进行了比较,结果与理论分析一致。     

对求解0-1背包问题的混合遗传算法的改进

将启发式搜索算法贪心算法与基本遗传算法相结合构成的混合遗传算法在求解大规模0-1背包问题时．其性能较基本遗传算法和贪心算法都有很大的改善。在这种混合遗传算法的基础上作进一步的改进．使算法性能获得进一步的提高。     

基于禁忌搜索的启发式求解背包问题算法

设计了一种基于禁忌搜索的遗传算法,利用遗传算法提供的并行搜索主框架,结合禁忌算法的个体串行搜索方式,能扩大搜索空间,快速实现全局优化。把基于禁忌搜索的遗传算法与启发式方法相结合用来求解背包问题,经过计算机仿真,其优化性能指标及搜索效率均有大幅度的提高。     

利用遗传贪婪混合算法求解背包问题

采用遗传贪婪混合算法解决背包问题,提出利用补偿算子来解决算法较早收敛于局部最优解的思想,有效抑制算法的早熟收敛。在算法的交叉操作中加入确定性策略,在算法的变异操作中加入非确定性策略,以确保算法具有更好的收敛性能。实验结果表明,该算法性能较佳,可以满足解决背包问题的需要。     

基于FPGA的背包问题的求解

采用Handel-C语言对基本遗传算法和改进的遗传算法进行编程来求解背包问题,并且给出了应用这两个算法的具体步骤.通过对实例仿真实验,改进的遗传算法明显提高了算法的全局搜索能力和收敛速度,验证了算法的有效性,并且最终在FPGA上实现对背包问题的求解.     

基于禁忌和声搜索算法解决0-1背包问题

和声算法是模拟音乐演奏的一种基于群的超启发算法。由于算法的简易性和快速收敛性,其在连续优化问题中得到广泛应用。文章利用改进的和声算法解决基于离散的0-1背包优化问题。通过运用二进制编码,并引入禁忌思想以及结合自适应的参数调整策略,提出了禁忌和声搜索算法。经过试验仿真,验证了禁忌和声算法与其他算法相比具有一定的性能改进。     

一个解决0/1背包问题的蚁群方法

蚁群算法已成功地应用于著名的旅行商问题和其他一些组合优化难题。为了使用蚁群算法来解决经典的0／1背包问题，本文比较了旅行商问题和0／1背包问题的不同之处，在原有的蚁群优化模型的基础上扩展了它的应用范围，用来解决0／1背包问题。同时，相应的一些参数也得到了优化。实验结果显示了蚁群算法的健壮性和作为启发式算法在解决组合优化难题时的潜力。     

关于背包问题下界的估计

文献［１］讨论了线性背包问题的解的关系及小容量背包问题的下界。本文分析了与之相关的一些问题，并给出了较文献［１］中更为精确的下界估计式。     

求解多目标背包问题的改进人工鱼群算法

作为一种新的群智能算法,在求解多目标背包问题时,人工鱼群算法存在盲目搜索、收敛速度慢和求解精度低等问题.针对这些问题,本文结合人工鱼位置全局最优信息,对人工鱼的移动策略进行自适应改进,提出一种改进的人工鱼群算法.对多目标背包优化问题实验仿真表明,本文改进的人工鱼群算法收敛速度和搜索到的非劣解的精度均优于粒子群算法和遗传算法.     

一种求解TSP问题的改进遗传算法

遗传算法(GA)是基于生物进化论的一种全局优化搜索算法,是求解TSP问题的一种方法,但它存在如何较快地找到最优解并防止"早熟"收敛的问题.结合TSP问题最优解一般包含城市与其最近城市的相连的特点,提出了贪婪两点插入变异算子,改进了启发式杂交算子,并根据个体适应度与群平均适应度根据个体的适应度赋予不同的变异概率,使得较好的个体探测路径,较差个体开发新个体.对初始群体作局部优化提高其质量加快算法的收敛速度,最优个体连续几代一直保留,则采用局部微调算子使子代中的最优个体跳离局部解.通过实验分析,改进的算法能较快的收敛到TSP问题的已知最优解;其测试结果与国际标准测试库TSPLIB中的最优路径相比,或接近或优于.     

解决一类家纺企业生产计划排单问题的并行混合遗传算法

为了解决一类家纺企业的生产计划排单问题，提出了一个基于自然编码的混合遗传算法，此算法具有如下特点：一方面编码方式能有效地反映调度方案；另一方面对每子代得到的调度方案利用爬山算法对其进行了局部调整，大大加快了收敛速度．同时为了更好地适应调度实时性和解大规模此类问题的需要，基于遗传算法自然并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法．计算结果表明，此算法是有效的，优于普通的遗传算法，有着较高的并行性，并能适用于解决大规模此类企业生产计划排单问题.     

基于遗传算法的排课设计

阐述了遗传算法在课表生成过程中的应用。介绍了针对排课问题,遗传算法所涉及的编码方案,采用了布尔矩阵形式来实现、适应度函数的确定,主要涉及节次优度和周次组合优度这2个参数、和遗传操作的3种操作方法的实现过程。     

Memetic算法求解多维背包问题

针对多维背包问题较难找到全局最优解的情况,提出了一种求解多维背包问题的Memetic算法,该算法主要由带反馈机制的禁忌局部搜索算法、交叉算子和种群更新策略组成.其中,种群更新策略需要同时考虑种群中解的质量与种群的多样性,以提高算法搜索的多样性.测试表明,该算法能够有效避免陷入局部最优解并找到比现有算法更好的结果.     

闭回路的支撑数算法

给出了寻找闭回路的一种算法——支撑数算法，作为求解运输问题表上作业法的一个补充。     

解并行机提前/拖后调度问题的一种新并行遗传算法

针对交货期窗口非等同并行机提前／拖后调度问题,设计了一个基于向量组编码的新的遗传算法．此算法特点是编码方法简单,能有效地反映实际调度方案,即清楚反映出每台机器加工工件的代号和顺序,并能保证交叉和变异后个体自动满足约束条件,收敛速度快．同时为了更好地适应调度实时性和解大型此类问题的需要,在基于遗传算法自然并行性特点的基础上,实现了主从式控制网络模式下并行遗传算法．仿真结果表明,此算法是有效的,优于普通的遗传算法,具有较高的并行性,并能适用于解大型这类调度问题．     

遗传算法在求解时间表问题中的应用研究

时间表问题（TTP）是一类特殊的资源调度问题，属于NP完全问题．排课问题是时间表问题的一个实例，属于多目标优化问题，本文给出了其数学模型．由于遗传算法具有良好的全局搜索能力，在优化问题中有着广泛的应用．本文根据排课问题的特点对普通遗传算法作了改进，设计了一种新的染色体编码方法，通过线性加权法将各目标优化函数进行整合转化成为单目标优化问题，并将此作为遗传算法的适应度函数．最后给出了一个计算实例，用MATLAB进行了仿真，算法最终收敛到稳定状态，所得的结果能够满足要求．