基于单亲遗传算法的最优布局问题求解

在单亲遗传算法的基础上提出了一种最优布局问题的求解方法,它不要求初始群体的多样性,同时避免了早熟收敛.以常见的矩形件排样优化问题为例,说明了该方法的可行性和高效性.     

基于混合智能学习算法的函数优化研究

为了改善人工神经网络在优化计算中的一些缺陷和提高遗传算法的局部搜索能力及收敛性能,提出了一种混合智能学习算法,采用遗传算法和误差反向传播算法(BP算法)相结合,将BP算法以一个算子的形式插入到遗传算法中,以提高利用人工神经网络和遗传算法进行优化计算的搜索能力和收敛性能;通过对实例函数的优化计算,对插入BP算子的遗传算法和传统遗传算法的优化结果进行了比较分析,结果表明BP算子的插入对遗传算法的优化性能、收敛速度和收敛精度有较大改善.     

基于RMC的可重构制造系统设备布局优化研究*

为实现多品种变批量生产制造系统阵列式布局的动态重构,提出一种新的设备布局优化方法.建立了可重构制造系统(RMS)设备优化选择数学模型,设计了基于蚁群优化和阶序聚类算法的可重构制造单元(RMC)动态重构算法.以交货期内最小成本为目标,引入系统复杂度和系统响应度从系统能力角度完善了实现RMS重构的约束条件,最终完成了可重构制造系统设备布局优化.最后通过布局实例仿真验证该方法的可行性和有效性.     

基于群智能的连续优化算法研究

在对蚁群优化算法(ACO)和粒子群优化算法(PSO)进行分析的基础上,提出一种解决函数连续优化的群智能混合策略-CA-PSO.在求解过程中,首先对解空间进行区域划分,进而利用ACO在优化初期具备的快速收敛性能,在整个解空间内搜索最优解的敏感区域.然后利用蚁群的搜索结果初始化PSO粒子,利用PSO快速和全局收敛性进行所在小区域内的搜索.种群更新时根据蚁群的拓扑结构和小区域间的阶跃规则,蚁群不断向最优解敏感区域聚集,使得敏感区域内粒子数增加,则局部的PSO搜索策略可以更细密的搜索最优.实例结果表明,CA-PSO既能保证解的分布性与多样性,又避免了在多峰值函数寻优过程中陷入局部最优解而停止运算,最终将收敛到全局最优解.     

量子行为粒子群优化算法的布局问题研究

基于多边形扫描转换的启发式底左（HBL）算法,将量子行为的粒子群算法（QPSO）应用于布局问题——二维不规则多边形优化排样,给出了该问题的粒子构造方法及其布局优化过程。通过与模拟退火遗传算法（SAGA）进行布局优化比较,验证了该算法求解布局优化问题的有效性。     

基于QPSO的图像融合算法的研究*

提出了一种基于量子行为的粒子群优化算法(QPSO)的图像融合方法.将图像融合问题归结为最优化问题,采用了QPSO算法进行优化.QPSO不仅参数个数少,其每一个迭代步的取样空间能覆盖整个解空间,因此能保证算法的全局收敛.与PSO算法和遗传算法进行了比较,证明了QPSO算法在图像融合中具有良好的效果.     

基于遗传算法的物流配送路径优化问题研究

遗传算法是一种基于自然进化原理的全局搜索随机算法.遗传算法在选址问题、配送问题、调度问题、运输问题、布局问题方面意义重大.在建立物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传算法.该遗传算法采用常用的二进制编码,在个体选择上结合使用最优个体保留策略和轮盘赌法.最后以这种方法进行了实验计算,通过计算结果表明,用遗传算法进行物流配送路径优化,可以方便有效地求得问题的最优解或近似最优解.     

一种新的求解函数优化问题的快速演化算法

提出一种新的求解函数优化的快速演化算法;新算法的特征是引入一种基于高斯变异和Cauchy变异的混合自适应变异算子,并作为算法的唯一遗传算子;提出多父体变异的群体爬山搜索策略;采用随机排序选择策略,克服了经典算法易于陷入局部最优解的常见弊病;新算法具有保持群体的多样性、全概率收敛、淘汰压力小、子空间搜索、快速收敛、评价次数少等特性;通过7个标准测试函数测试结果表明,新算法在所有的测试函数中体现出很好的性能,具有稳定、高效和快速等特点.     

基于进化算法的影片递送问题求解

影片递送问题(FDP)是组合优化的一个新问题,它比旅行商问题(TSP)复杂得多.在进化算法的基础上,提出了一种求解FDP问题的算法(IEA).介绍了算法的设计与实现过程,并设计多种类型实例试验.实验结果表明,该算法能精确、快速的解决FDP问题.     

用遗传算法求解M台设备的双行布置问题

描述了车间设置布置中常见的双行布置问题的数学模型,给出了以总储运费用最少为目标的遗传寻优算法,仿真实验说明了这一方法的有效性。     

人机交互的遗传算法及其在约束布局优化中的应用

复杂工程布局（如卫星舱布局）方案设计问题在理论上属带性能约束的布局优化问题（NPC问题）,很难求解,因而目前研究得尚少。为解决此类问题,该文提出了一种人机交互的遗传算法。该算法首先将人工设计的个体作为染色体群体的组成部分,然后在遗传运算中,把人工适时设计的新个体加入到染色体群体中,以代替群体中的较差个体。从而构成人机交互的遗传算法,这样可以充分发挥人和计算机各自的特长。文后通过3个算例（其中一个为作者构造的已知最优解的算例）的数值计算,验证了该算法的可行性和有效性。     

制造系统中的单向环型设备布局设计

提出一种优化建模与虚拟现实技术相结合的求解策略，较好地解决了制造系统中的单向环型设备布局问题．研究该问题的固有特性，提出三条定理，构建了一个启发式算法，并实现了一个沉浸式虚拟布局设计的例子．     

基于遗传算法的设施布置研究

为了进行优良的设施布置,给决策者提供较好的布置方案,提出了变动邻近区域遗传算法。算法在解决设施布置问题时,改进了传统遗传算法中的不足,进而达到用最小成本获得最大效率的目的。通过实例应用,并进行了结果分析。算法在最终解个数、Pareto解个数、Pareto解的均匀程度等性能指标上均优于传统算法。实验结果表明,使用本算法使决策者能以较合理的数据来选择布置方案。     

改进的蚂蚁算法在矩形优化排料中的应用

矩形件优化排料问题是一类具有NP完全难度的组合优化问题.将改进的蚂蚁算法应用到矩形件优化排料问题求解中,优化试验结果表明可获得比基本蚂蚁算法更好的效果,为矩形件优化排料这类NP完全问题提供了新的思路和方法.     

基于HFSS-MATLB-API的天线布局优化仿真

随着用于车载平台的天线数量日益增多, 汽车的电磁兼容问题日益严重. 针对天线布局缺少统一合理模型和理论方法指导的现状,利用HFSS-Matlab-Api脚本库在Matlab中调用HFSS建模进行天线布局的电磁兼容性仿真, 采用遗传算法对布局进行优化. 此方法省去人为数学模型推导过程, 减少用户反复绘制模型、修改参数的重复工作. 不仅充分利用HFSS仿真的高精度、可靠性和便捷性, 而且采用遗传算法减少盲目的试探带来的时间和成本的浪费. 最后, 得到与理论相符合的实验结果, 从而验证了布局与优化方法的可行性.     

云计算中基于遗传算法的数据布局策略

数据布局的合理性直接影响数据中心间的数据调度效率,进而提高对用户的数据采集效率。论文以数据中心之间数据调度为基础建立数学模型,利用分布式云计算技术处理用户的海量数据,并提供高性能计算资源和海量存储资源模式。在分布式云计算系统中,数据密集型计算可以有效处理数据中心之间的数据调度,通过遗传算法的全局优化能力产生最佳的近似解,并最终获得数据布局的最佳近似结果。实验结果表明,遗传算法可以有效地计算出最优数据布局的近似结果,并使数据中心之间的数据调度最小化。     

一种基于遗传算法的工艺品布局求解算法

在组件特征模型的基础上，针对工艺品布局创新的需要提出亚组件的概念，在遗传算法中引入人机交互技术，在适合度函数中引入形象度和抽象度，形成一种基于遗传算法的布局自动求解算法。以斑铜工艺品布局求解为例，对该算法进行了验证。理论和实例分析表明，该算法能快速有效地生成多个斑铜工艺品的布局方案。     

一种改进的遗传算法及其在布局优化中的应用

该文以人造卫星舱布局为背景,研究二维带平衡及不干涉等约束的圆集在圆容器内的布局优化问题,属于NP-困难问题.文章提出一种求解此类问题的改进的遗传算法,即十进制编码控制参数自适应遗传算法,从而缓解了“组合爆炸”和遗传算法的早熟收敛问题.文章给出两个算例(其中一个为作者构造的已知最优解的算例),计算结果表明了此算法的有效性,并且优于数学规划的乘子法的计算结果.此遗传可推广应用于其他布局优化问题的求解.