基于改进的PSO算法求解电力公司最优报价策略

电力公司报价策略是一个双层优化问题,其中上层的ISO是保证社会公共效益最大化而制定的市场清除价模型,确定参与发电的电力公司,下层是基于发电公司利润最大的模型。采用启发式算法求解简单易行,最优解具有全局性,且与初始点选择无关。运用改进后的粒子群优化算法（PSO）求解电力公司利润最大的优化问题,并与确定性方法的计算结果进行了比较。在IEEE30节点6机系统验证了该方法的有效性。     

基于预备工作集的最小序列优化算法

为了提高支持向量机求解大规模问题的训练速度,提出了一种新的工作集选择策略--预备工作集策略:在SMO中,利用可行方向策略提取最大违反对的同时,从核缓存cache中提取违反KKT条件程度最大的一系列样本组成预备工作集,为此后历次SMO迭代优化提供工作集.该方法提高了核缓存的命中率,减少了工作集选择的代价.理论分析和实验结果表明,预备工作集策略能够很好地胜任待优化的工作集,加快了支持向量机求解大规模问题的训练速度.     

Available-to-promise based bidding decision by fuzzy mathematical programming and genetic algorithm

The present study attempts to integrate bidding decisions with order promising and production planning to enhance supplier profitability and service level. This study formulates the bid price and production plan as a mixed integer programming model with fuzzy constraints. The fuzzy constraints represent the decision-maker’s subjective judgment regarding the customer’s price tolerance. The proposed model combines the advanced available-to-promise (AATP) concept to find optimum resource allocation and enable accurate estimations of production costs and delivery dates. The proposed solution procedure determines the optimum bid price by striking a compromise between profitability and the possibility to win the contract. This study develops a genetic algorithm to solve this problem, and provides computer simulated experiments to evaluate the performance of the proposed approach.     

基于蜂群算法的多属性反向拍卖中供应商投标策略模型

为了确定多因素多组合投标环境下当前供应商的最佳投标策略,给出一种多属性反向拍卖中供应商投标策略模型。该模型分析了竞争供应商的投标策略和获胜者确定规则,着重将人工蜂群算法的优化流程与当前供应商的决策过程相结合,根据竞争供应商的投标策略计算其成本函数,利用人工蜂群算法进行探索,得到当前投标组合下一轮最优投标策略。仿真实验表明,该模型在动态变化的投标过程中能快速高效求得当前供应商每一个投标组合的最优投标策略。     

基于遗传算法的集装箱后方堆场箱位分配策略*

根据重庆港实际情况建立了以提箱时间为制约因素,以最小化翻箱率为目标的集装箱后方堆场箱位分配模型,并针对模型提出了基于遗传算法的解决方案。方案对一次卸船或者进港的一批箱进行全局优化,并考虑其分配对后续集装箱的影响。遗传算法迭代过程中采用适应度函数指数变换防早熟,采用可行解替换法处理约束,并设计最优解保存策略保证最终的优化效果。最后针对实际堆场的不同规模,对方案的优化结果同文献中的其他遗传算法方案进行比较,证明了本文优化策略的优越性和实用性。     

A fuzzy-logic based bidding strategy for autonomous agents in continuous double auctions

Increasingly, many systems are being conceptualized, designed, and implemented as marketplaces in which autonomous software entities (agents) trade services. These services can be commodities in e-commerce applications or data and knowledge services in information economies. In many of these cases, there are both multiple agents that are looking to procure services and multiple agents that are looking to sell services at any one time. Such marketplaces are termed continuous double auctions (CDAs). Against this background, this paper develops new algorithms that buyer and seller agents can use to participate in CDAs. These algorithms employ heuristic fuzzy rules and fuzzy reasoning mechanisms in order to determine the best bid to make given the state of the marketplace. Moreover, we show how an agent can dynamically adjust its bidding behavior to respond effectively to changes in the supply and demand in the marketplace. We then show, by empirical evaluations, how our agents outperform four of the most prominent algorithms previously developed for CDAs (several of which have been shown to outperform human bidders in experimental studies).     

基于免疫遗传算法的负载均衡策略

针对基于遗传算法的负载均衡策略(SGALB)搜索效率不高、局部寻优性能不佳、容易产生退化的问题,提出一种基于免疫遗传算法的负载均衡策略(IGALB)。通过在SGALB基础上对种群进行亲和力和浓度计算,增加基于浓度的调节概率因子,确保种群的多样性,克服了SGALB早熟收敛;同时在一定条件下引入免疫算子,进行接种疫苗和免疫选择,有效缓解了SGALB的退化现象。仿真实验表明,该算法的寻优能力高于SGALB,并有效提高了集群系统的性能。     

基于家族遗传算法的虚拟机放置策略

提出一种基于家族遗传算法的虚拟机放置策略FGA-VMP(family genetic algorithm based virtual machine place-ment).采用一个自调节的变异算子(mutation operator)避免普通遗传算法的早熟问题;把整个种群划分为多个家族,将这些家族的进化操作并行处理,...     

一种基于浮点数编码遗传算法的颅像叠加方法

针对计算机辅助颅像重合技术中三维颅骨模型与二维人脸照片的颅像叠加问题,提出一种基于浮点数编码遗传算法的自动叠加方法。首先使用遗传算法寻找三维颅骨相对于二维照片上对应标志点的最佳匹配几何变换f,遗传算法采用浮点数编码,选择、交叉、变异算子分别使用最佳保留选择算子、启发式交叉算子和随机变异算子,然后通过相似性变换和透视投影变换,将三维颅骨模型映射到二维人脸照片上,实现最佳颅像叠加。实验表明,此方法实现了自动化的颅像叠加,且耗时短,准确度高。     

一种基于遗传算法的BLAS库优化方法

基于OpenBLAS和BLIS开源线性代数基础算法库,对稠密矩阵乘法GEMM运算的性能优化展开研究。针对如何选取稠密矩阵分块并行算法的关键分块参数这一问题,建立性能优化模型。采用改进的遗传算法求解上述优化模型,将某一分块参数组合(种群个体)所对应的稠密矩阵乘法的性能值作为该个体的适应度,通过不断迭代地进行选择、交叉、变异操作,找到最优的分块参数组合,使得稠密矩阵运算的性能值最优。数值实验表明,基于遗传算法求解得出最优分块参数下的GEMM性能值优于默认分块参数下的性能值,达到了优化的目的。     

基于遗传算法的圆柱阵列稀疏方法

由于共形阵列所具有的特性,使其正得到日益广泛的应用,但其耗用较多的阵元,方向图具有相对主瓣较高的旁瓣电平。为此,针对基本的共形阵列——圆柱阵列的天线阵元,应用经典遗传算法,以阵元的工作状态为优化参量,对其进行稀疏。减少了阵元数量,仿真结果表明,该方法能有效地降低圆柱阵列的旁瓣电平。     

A decomposition based multiobjective genetic algorithm with adaptive multipopulation strategy for flowshop scheduling problem

Natural Computing - Recently, the solution algorithm for multiobjective scheduling problems has gained more and more concerns from the community of operational research since many real-world...     

A modified method for image encryption based on chaotic map and genetic algorithm

Multimedia Tools and Applications - The security of digital data has been attending more than past, spatially image data security. In this study, a hybrid image encryption method has been proposed...     

A genetic algorithm calibration method based on convergence due to genetic drift

The selection of Genetic Algorithm (GA) parameters is a difficult problem, and if not addressed adequately, solutions of good quality are unlikely to be found. A number of approaches have been developed to assist in the calibration of GAs, however there does not exist an accepted method to determine the parameter values. In this paper, a GA calibration methodology is proposed based on the convergence of the population due to genetic drift, to allow suitable GA parameter values to be determined without requiring a trial-and-error approach. The proposed GA calibration method is compared to another GA calibration method, as well as typical parameter values, and is found to regularly lead the GA to better solutions, on a wide range of test functions. The simplicity and general applicability of the proposed approach allows suitable GA parameter values to be estimated for a wide range of situations.     

基于FDH的分区域多目标遗传算法

提出了一种基于FDH的分区域多目标遗传算法（FDH MOGA）。该算法通过FDH对种群中所有个体进行评价,根据评价所得的效率值和拥挤度对种群进行选择,提高了该算法的局部搜索能力,同时引入分区策略增加算法的搜索范围,有效避免了遗传算法早熟的缺陷,提高了所获解的多样性。对多个测试函数以及投资组合优化问题的测试结果显示,FDH MOGA算法具有良好的计算性能,更具有效性。     

结合保优策略和移民策略的自适应遗传算法

针对基本遗传算法具有早熟性收敛、寻优时间长及局部搜索能力差的问题,分析产生这些问题的原因。结合最优保存策略和移民策略,提出基于种群平均适应度信息的遗传算法自适应算子的改进方案,并对改进遗传算法的收敛性予以证明。仿真结果表明,改进遗传算法在搜索效率、搜索精度和克服早熟收敛现象方面均有明显的优越性。     

基于遗传算法和禁忌搜索的混合优化策略

将禁忌搜索和遗传算法相结合,给出了一种求解优化问题的混合策略--禁忌遗传优化算法.该算法一方面为禁忌搜索找到了较好的初始点,减少了调用禁忌搜索的次数,另一方面也可以克服遗传算法爬山能力差的缺点,从而加快了收敛速度,提高了解的质量.通过实例验证了该优化算法的有效性和可靠性,并将其用于网络拥塞控制的研究中,为进一步实施网络拥塞控制提供了一种有效的途径.     

一种基于改进遗传算法的网格资源调度策略

首先对网格资源调度的特点、现有遗传算法的局限性进行了分析,在此基础上对遗传算法进行改进;提出一种基于改进遗传算法的网格资源调度策略（GRSS_IGA）,该算法综合考虑资源任务分配量、任务截止时间、任务等待时间及资源利用率等QoS参数;并用马尔可夫理论证明了算法的正确性;最后通过仿真对改进前后两种算法的性能进行比较,实验结果表明改进后的算法降低了时间消耗,提高了资源利用率。     

基于遗传算法的机场滑行调度优化策略

提出一种基于遗传算法的滑行调度优化策略。该策略首先用遗传算法确定各航班经过交叉点的顺序,再根据上一步得到的顺序求解具体的调度计划,并反复迭代以逐渐优化,直到得到最优解或满意解。相对于混合整数线性规划（MILP）模型而言,有效地提高了求解效率,减少了求解时间。     

基于多中心城市策略的分层元胞遗传算法

为提高分层元胞遗传算法在解决复杂函数优化问题时的求解精度、收敛速度和求解效率.在分层元胞遗传算法的基础上借鉴西方经济理论中中心城市思想提出了一种基于多中心城市策略的分层元胞遗传算法.该算法在进化初期选择适应度值高的多个个体作为种群进化过程中的中心城市,中心城市周围元胞空间的个体按照一定的迁移规则往中心城市迁移,全局最优...