基于禁忌搜索算法的VLSI布局

将禁忌搜索算法应用于VLSI门阵列的布局问题,建立了以总线长度和通道拥挤度的布局目标函数,用禁忌搜索算法求解目标函数的最小值,通过实验仿真,将本算法和遗传算法进行了比较,结果表明不论在解的质量和收敛速度方面,禁忌搜索算法优于遗传算法.     

用遗传／禁忌搜索混合算法求解可变加工时间的调度问题

有效地混合了遗传算法和禁忌搜索算法，对于一类加工时间可变的提前／拖期单机调度问题进行了研究。目标函数基于任务的提前／拖期惩罚、附加惩罚以及加工时间的偏离量惩罚，目标是确定最优的公共交货期、最优加工时间和最优加工顺序极小化目标函数，并与一般的遗传算法相比较，实验结果说明了遗传／禁忌混合算法的有效性。     

基于混合遗传禁忌搜索算法的多机器人任务分配

为解决传统遗传算法在求解仓储多机器人任务分配问题时，收敛速度慢且容易陷入局部极值的问题，该文提出一种混合遗传禁忌搜索算法。首先以机器人配送成本最小为目标建立数学模型；然后在传统的遗传算法中引入禁忌搜索算法中的禁忌表和藐视准则，来对遗传算法每次迭代后的种群进行优化调整，使得算法能够跳出局部最优且快速收敛。仿真结果表明，混合遗传禁忌搜索算法能有效地改善遗传算法的全局寻优能力，提升仓储的整体运行效率。     

排课模型中的算法分析与设计

排课模型用到了遗传算法和禁忌搜索算法。为了提高遗传算法的局部搜索能力,根据遗传算法和禁忌搜索算法自身的特点,通过分析两者的优势和不足,给出一种将两者混合使用的排课算法。     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

遗传和禁忌搜索算法在多车物流配送问题中的应用

多车物流配送策略属于物流的统筹配给范畴,应用十分广泛.考虑到遗传算法存在早熟收敛和盲目搜索问题,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,将禁忌搜索算法作为遗传算法的变异算子,提出了基于遗传和禁忌搜索的组合算法,并通过与纯遗传算法的比较证实该算法的有效性.     

IT外包进度风险控制的自适应禁忌搜索算法

针对委托代理模式下的IT外包项目的进度风险控制问题构建了双层结构的优化模型.设计了自适应禁忌搜索算法对模型进行求解，该算法将多样化搜索机制与禁忌搜索相结合，在算法运行过程中，根据适应值的反馈自动调整禁忌搜索强度与多样化搜索力度；同时，应用贪婪策略构造初始解，循环交替应用两种邻域结构提高算法寻优能力.实验结果表明，进度风险控制显著地降低了IT外包项目的拖期风险，同时使委托方和代理商双方实现收益最大化.将自适应禁忌搜索算法的实验结果分别与遗传算法、模拟退火算法、禁忌搜索算法、自适应遗传算法和自适应模拟退火算法的实验结果进行了比较：在收敛程度和稳定性方面自适应禁忌搜索算法优于其它算法，并且随着问题规模的增加，该算法的优势更为明显.     

模糊Job Shop调度中的混合搜索策略的研究

采用并行遗传算法作为全局搜索算法，提出一种混合搜索策略，用于求解模糊Job Shop调度问题．根据模糊Job Shop调度问题解的特征，提出基于关键工序的邻域选择方法，并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法，加强了遗传算法局部搜索能力．针对13个困难benchmark问题的实验结果表明，在较短的时间内，混合搜索策略的算法得到的平均满意度比并行遗传算法提高4.67%，比TSAB算法提高5.76%．采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．     

基于混合遗传与禁忌搜索的网格任务调度的研究

网格技术将所有可用于共享的资源（例如,计算机、存储设备、软件、数据库等）通过网络连接起来,并将它们转化成一种标准的计算能力。为各种复杂的计算任务提供资源,因此网格任务在各种资源之间的调度成为了一个关键的问题。本文通过对遗传算法与禁忌搜索算法的分析,提出了一种混合遗传算法与禁忌搜索算法的策略,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,通过把禁忌搜索算法作为遗传算法的变异算子的方法,提高了网格任务调度的有效性。最后,使用网格模拟器,对算法的性能进行了测试,并比较了轻重负载情况下,经典遗传算法和本算法调度方案的性能差异。     

基于混合遗传算法的水电站优化调度应用研究

在众多解决高维组合优化问题的工具中,遗传算法具有较好的全局搜索能力,而禁忌搜索算法则在局部搜索方面优势明显。本文根据水电站优化调度问题的实际特点,提出了遗传算法与禁忌搜索算法相结合的混合优化算法,采取禁忌搜索算法替换遗传算法变异算子的混合策略。以此算法对一个实例进行了模拟计算和分析。     

A hybrid intelligent genetic algorithm

Application of genetic algorithms to optimization of complex problems can lead to a substantial computational effort as a result of the repeated evaluation of the objective function(s) and the population-based nature of the search. This is often the case where the objective function evaluation is costly, for example, when the value is obtained following computationally expensive system simulations. Sometimes a substantially large number of generations might be required to find optimum value of the objective function. Furthermore, in some cases, genetic algorithm can face convergence problems. In this paper, a hybrid optimization algorithm is presented which is based on a combination of the neural network and the genetic algorithm. In the proposed algorithm, a back-propagation neural network is used to improve the convergence of the genetic algorithm in search for global optimum. The efficiency of the proposed computational methodology is illustrated by application to a number of test cases. The results show that, in the proposed hybrid method, the integration of the neural network in the genetic algorithm procedure can accelerate the convergence of the genetic algorithm significantly and improve the quality of solution.     

基于克隆策略的QoS选播路由算法

在分析选播通信模型的基础上,提出一种基于克隆策略的QoS选播路由算法,在保证带宽和时延的条件下对目标函数进行优化,对带时延约束的QoS选播路由问题作了深入研究。既保留了遗传算法较强的全局搜索能力,又避免了局部搜索性能差和早熟现象,实验结果表明与基于遗传算法的选播路由算法相比,此算法是有效可行的。     

带时间窗车辆路径问题的多目标文化基因算法

针对物流配送中带时间窗的车辆路径问题,以最小化车辆使用数和行驶距离为目标,建立了多目标数学模型,提出了一种求解该问题的多目标文化基因算法。种群搜索采用遗传算法的进化模式和Pareto排序的选择方式,局部搜索采用禁忌搜索机制和存储池的结构,协调两者得到的Pareto非占优解的关系。与不带局部搜索的多目标遗传算法和单目标文化基因算法的对比实验表明,本文算法的求解质量较高。     

基于改进遗传算法的机器人路径规划与仿真

针对标准遗传算法解决机器人处于障碍环境下寻找最优路径局部寻优精度较差、规划效率低的问题,提出一种改进遗传算法的机器人路径规划方法。该算法采用一维编码表示路径,构造了路径最优化的目标函数和适应度函数,利用多个种群拓宽搜索空间,提高了规划效率,采用保优选择策略,避免陷入局部最优。仿真结果表明,改进遗传算法比标准遗传算法路径规划质量高,能够获得平滑的低代价路径,稳定性好,是机器人路径规划的一种较好的方法,且具有一定的推广意义。     

局部搜索与遗传算法结合的大规模复杂网络社区探测

基于遗传算法的复杂网络社区探测是当前的研究热点. 针对该问题,本文在分析网络模块性函数Q的局部单调性的基础上, 给出一种快速、有效的局部搜索变异策略, 同时为兼顾初始种群的精度和多样性以达到进一步提高搜索效率的目的, 采用了标签传播作为初始种群的产生方法;综上,提出了一个结合局部搜索的遗传算法(Genetic algorithm with local search, LGA). 在基准网络及大规模复杂网络上对LGA进行测试, 并与当前具有代表性的社区探测算法进行比较, 实验结果表明了文中算法的有效性与高效性.     

自适应伪蒙特卡罗算法及其在拟合太阳电池I-V曲线中的应用

文章分析了序贯数论优化算法用于太阳电池I-V曲线拟合时的不足之处,将遗传算法中自适应搜索的思想和序贯数论优化算法相结合提出了一种自适应伪蒙特卡罗算法。该算法的基本过程是:以太阳电池等效电路的数学模型为基础建立目标函数;在拟合时,利用自适应搜索算法来随机地确定收缩比,即,用第t次拟合中的计算结果来确定第t+1次的最优参数可取值范围,使各步中目标函数的参数空间构成一个最优决策序列。拟合结果表明,该算法比直接采用伪蒙特卡罗算法具有更少的计算量、更高的收敛性和鲁棒性。     

遗传算法在多修正因子寻优中的应用

模糊控制系统中的多修正因子校正法是一种方便、有效的控制规则优化方法,其修正因子的选取是一个寻优问题。常见的寻优方法有局部搜索法、模拟退火法和遗传算法。本文基于基本遗传算法,在目标函数的制定方面作了相应改进,并将其应用于上述修正因子的寻优。实验结果表明,该算法能有效求得多修正因子的优化解。     

Genetic algorithms for flowshop scheduling problems

In this paper, we apply a genetic algorithm to flowshop scheduling problems and examine two hybridizations of the genetic algorithm with other search algorithms. First we examine various genetic operators to design a genetic algorithm for the flowshop scheduling problem with an objective of minimizing the makespan. By computer simulations, we show that the two-point crossover and the shift change mutation are effective for this problem. Next we compare the genetic algorithm with other search algorithms such as local search, taboo search and simulated annealing. Computer simulations show that the genetic algorithm is a bit inferior to the others. In order to improve the performance of the genetic algorithm, we examine the hybridization of the genetic algorithms. We show two hybrid genetic algorithms: genetic local search and genetic simulated annealing. Their high performance is demonstrated by computer simulations.     

基于改进遗传算法的摄像机自标定方法

摄像机自标定技术不受标定板和相机运动轨迹的限制,其标定过程简单、适用性强。由于传统的遗传算法在摄像机自标定参数优化过程中易出现过早收敛、停滞现象和解易陷入局部最优的问题,提出一种改进的遗传算法。首先,通过结合精英保留策略和随机联赛选择算法作为初始化种群的方法、改进轮盘赌选择方法、采用自适应杂交概率和变异概率方法对遗传算法进行改进;然后,将Hartley定义的简化Kruppa方程转化为目标函数,采用改进的遗传算法搜索目标函数的最优值;最后,实验结果表明,该方法能较好地缓解过早收敛和停滞显现,提高了精度。     

基于博弈策略强化学习的函数优化算法

该文提出了一种基于博弈论的函数优化算法。算法将优化问题的搜索空间映射为博弈的策略组合空间,优化目标函数映射为博弈的效用函数,通过博弈策略的强化学习过程智能地求解函数优化问题。文章给出了算法的形式定义及描述,然后在一组标准的函数优化测试集上进行了仿真运算,验证了算法的有效性。