直觉模糊小生境的自适应遗传算法求解旅行商问题

提出一种基于直觉模糊距离测度的小生境技术,结合模糊控制的自适应遗传算法求解旅行商问题。运用个体在遗传算法迭代寻优中的适应度值,通过直觉模糊集的距离测度确定个体之间的相似性,使用共享函数和惩罚函数对适应度低的个体进行惩罚和淘汰,维护了种群个体的多样性;建立模糊推理系统,以自适应调节遗传算法迭代中的交叉率和变异率,使遗传算法能在局部寻优和全局寻优之间达到平衡,弥补遗传算法易早熟收敛和后期寻优能力差的缺陷;通过求解TSPLIB中的多组实例并进行对比,结果表明所提算法的收敛速度、优化精度、效率均具有明显优势。     

多下层分式双层规划问题的改进遗传算法

针对一类具有多个线性下层问题的分式双层规划, 提出一种基于新编码方式的遗传算法。 首先,利用对偶理论,将问题化为单层非线性规划;接着,利用下层对偶问题的可行基编码,针对任意编码个体,解出对偶变量值,使得单层规划变为线性分式规划;最后,求解产生的线性分式规划,其目标值作为个体的适应度值。 这种编码方式及适应度的计算有效提高了遗传算法的效率。 通过对4个算例的计算,验证了算法的有效性。     

解非线性规划的多目标遗传算法及其收敛性

给出非线性约束规划问题的一种新解法。它既不需用传统的惩罚函数,又不需区分可行解和不可行解,新方法把带约束的非线性规划问题转化成为两个目标函数优化问题,其中一个是原约束问题的目标函数,另一个是违反约束的度函数,并利用多目标优化中的Pareto优劣关系设计了一种新的选择算子,通过对搜索操作和参数的合理设计给出了一种新型遗传算法,且给出了算法的收敛性证明,最后数据实验表明该算法对带约束的非线性规划问题求解是非常有效的。     

关于计算机配色模型参数值的优化方法讨论

就数学模型中参数值的优化问题列出两种不同的优化方法———非线性规划函数寻优和遗传算法最优化工具箱中的gaopt函数寻优。针对两种优化方法各自的特点,把gaopt函数的最优解作为非线性规划函数寻优的初始值,解决非线性规划函数初始值难以确定的问题,同时也能更快速、更合理地找到所需的参数值。结果表明,采取将遗传算法同函数调用相结合的方法,可较好地实现模型中参数值的优化。     

一类区间系数二次双层规划问题的遗传算法

针对上下层均含区间系数的二次双层规划,提出了一种基于两个适应度评估的遗传算法。将下层目标系数区间作为遗传算法的搜索空间,对于每一个确定的个体,下层问题不含区间系数;利用二次规划的最优性条件,将个体所对应的问题转化为两个确定的二次规划;利用基枚举方法求解这两个二次规划问题,相应的最优值作为个体的两个适应度。算法通过两个适应度的比较,获得问题的最好最优解和最差最优解。数值仿真结果表明,该算法是可行有效的。     

连锁门店选址与配送中心选择联合决策研究

借助商圈理论,在多商品多配送中心情况下,建立了连锁门店选址与配送中心选择联合决策问题的模型,针对该模型的特点,提出了一种适用的求解策略。通过改进哈夫模型,利用基于聚集度的启发式算法,对门店进行分类,确定门店与商圈的隶属情况;以商圈利润最大为目标建立混合整数规划模型,利用非线性规划寻优的遗传算法求解。应用算例进一步说明了该模型的可行性和有效性。     

基于改进微粒群算法的直觉模糊整数规划

提出了一种基于改进微粒群算法的直觉模糊整数规划。首先定义了目标函数和约束函数的隶属和非隶属函数,通过直觉模糊“最小-最大”算子,提出了直觉模糊整数规划模型;然后通过对微粒群算法进行改进,对直觉模糊整数规划进行了求解,并通过一个算例表明本文的算法性能优于其他几种算法。     

加工时间不确定的炼钢连铸生产调度问题研究

针对炼钢连铸生产过程中存在的加工时间不确定性问题,采用三角模糊数表示不确定性加工时间信息,引入４种模糊运算,建立了问题的模糊规划调度模型．采用“中间值最大隶属度”的算法,将模糊规划调度模型转化为非线性规划模型,并在多重精炼工序、多机并行条件下,应用遗传算法求解最小完成时间．最后,利用实际生产数据的仿真实验表明了模型与算法的有效性．     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

基于个体相似性评价策略的改进遗传算法

遗传算法是一种通过模拟自然进化过程搜索最优解的方法。但这种算法在求解最优解过程中总是以计算时间为代价来换得最优解的产生。对此,提出一种基于个体相似`性评价策略的改进遗传算法,融入了一种新的旋转交叉算子,每个子个体根据其与父个体的相似度和可信度来确定个体的适应度值,仅当可信度值低于某个阈值时,个体才做真实的适应度计算。实验结果显示,相似性评价策略计算得到的个体适应度值接近真实的适应度值,并且改进的算法求得最优解需要的评价次数明显要少于传统遗传算法,而在测试准测上的数据表明:提出的改进遗传算法相对于传统遗传算法,性能较好且求得的最优解也较为理想。     

直觉模糊集相似度遗传算法求解多目标车间调度问题

为了提高高维多目标置换流水车间调度问题的求解质量,提出基于直觉模糊集相似度的遗传算法(similarity of intuitionistic fuzzy sets GA,SIFS_GA).算法中分别将参考解和Pareto解映射为参考解直觉模糊集和Pareto解直觉模糊集.计算两个集合之间的直觉模糊相似度,用以判断Pareto解的优劣.以直觉模糊集相似度值引导多目标遗传算法进化.对6个CEC标准测试集与10个流水车间调度测试实例进行仿真实验,结果表明SIFS_GA算法性能优于常用的多目标优化算法,且可以有效解决多目标置换流水车间调度问题,尤其在解决规模较大的问题上是一种有效方法.     

Interactive genetic algorithms with individual’s fuzzy fitness

Interactive genetic algorithms are effective methods to solve an optimization problem with implicit or fuzzy indices, and have been successfully applied to many real-world optimization problems in recent years. In traditional interactive genetic algorithms, many researchers adopt an accurate number to express an individual’s fitness assigned by a user. But it is difficult for this expression to reasonably reflect a user’s fuzzy and gradual cognitive to an individual. We present an interactive genetic algorithm with an individual’s fuzzy fitness in this paper. Firstly, we adopt a fuzzy number described with a Gaussian membership function to express an individual’s fitness. Then, in order to compare different individuals, we generate a fitness interval based on α-cut set, and obtain the probability of individual dominance by use of the probability of interval dominance. Finally, we determine the superior individual in tournament selection with size two based on the probability of individual dominance, and perform the subsequent evolutions. We apply the proposed algorithm to a fashion evolutionary design system, a typical optimization problem with an implicit index, and compare it with two interactive genetic algorithms, i.e., an interactive genetic algorithm with an individual’s accurate fitness and an interactive genetic algorithm with an individual’s interval fitness. The experimental results show that the proposed algorithm is advantageous in alleviating user fatigue and looking for user’s satisfactory individuals.     

基于改进粒子群优化的移动界面模式聚类算法

聚类是一种非常有效的信息分析方法。针对现有基于粒子群优化的模糊C均值(Fuzzy C-means,FCM)聚类算法的聚类效果不佳的问题,提出一种基于改进粒子群优化的模糊C均值聚类算法,并将该聚类算法应用到移动界面模式的聚类中。首先,利用直觉模糊熵的几何解释和约束构造合理的直觉模糊熵;然后,在粒子群优化中使用直觉模糊熵判断种群的多样性程度,并引入混沌反向学习策略来提高全局搜索能力;最后,为了增强聚类算法的非线性处理能力,在聚类算法中加入高斯核函数,并将该聚类算法应用到移动界面模式的聚类中。移动界面模式聚类的实验表明,与现有聚类算法相比,文中所提聚类算法具有更好的聚类效果。     

异构无线网络密集部署场景下高效网络接入及频谱分配

如何在异构网络重叠覆盖场景下实现动态耦合频谱资源高效分配以满足用户流量需求是下一代无线通信网络的重要挑战。综合考虑网络域频谱属性差异化及用户域需求多样化问题，以用户获得总带宽最大化为目标，将频谱资源分配建模为非线性多约束条件0-1整数规划问题，并设计了两种求解方法。首先，设计了一种基于改进匈牙利算法的化简方法，该方法通过对约束条件进行化简，将复杂模型转化为标准形式0-1规划，并通过对匈牙利算法进行改进，有效求解了该复杂的频谱分配问题；其次，设计了一种改进的遗传算法，把主网络干扰约束及次用户需求融合进适应度评估中，以修正不符合要求的基因，并利用精英主义思想保留优秀个体，以进化迭代到优秀个体。最后通过实验对提出的方法与粒子群优化方法的性能进行对比分析，实验结果显示化简方法具有较大的效率优势，而改进遗传算法可得到更大的带宽。     

Intuitionistic fuzzy optimization technique for solving multi-objective reliability optimization problems in interval environment

In designing phase of systems, design parameters such as component reliabilities and cost are normally under uncertainties. This paper presents a methodology for solving the multi-objective reliability optimization model in which parameters are considered as imprecise in terms of triangular interval data. The uncertain multi-objective optimization model is converted into deterministic multi-objective model including left, center and right interval functions. A conflicting nature between the objectives is resolved with the help of intuitionistic fuzzy programming technique by considering linear as well as the nonlinear degree of membership and non-membership functions. The resultants max–min problem has been solved with particle swarm optimization (PSO) and compared their results with genetic algorithm (GA). Finally, a numerical instance is presented to show the performance of the proposed approach.     

一种求解软件可靠性分配的近似算法

在考虑开发成本约束的基础上,通过建立一种开发成本-可靠度-满意度三者平衡的软件可靠性分配和优化模型,将对软件可靠性最优分配问题转化为对模糊非线性规划问题的求解,从而为软件可靠性分配的最优化问题提供了一种新方法。为获得具有实际意义的数值解,提出一种沿着加权梯度方向进行变异的特殊遗传算法。最后结合实例,证明了该方法的有效性和合理性。     

信息不完全确定的多准则区间直觉模糊决策方法

提出了一种权系数信患不完全确定且准则值为区间直觉模糊集的多准则排序方法．该方法利用证据推理算法对准则进行集成。得到各方案的区间直觉模糊集,计算各方案与理想方案和负理想方案的距离。并结合不完全确定的权系数信息建立非线性规划模型。利用粒子群算法求解所得优化模型。得出最优准则权系数。通过比较方案的区间直觉模糊集与理想方案和负理想方案的距离,得到方案集的排序．最后的数值算例说明了该方法的有效性和可行性．     

基于遗传算法的传感器管理系统的优化

介绍一种用于解决带有模糊目标和资源约束的传感器系统的模糊非线性规划问题的非精确方法。提出一种沿加权梯度方向进行变异的特殊遗传算法,在遗传算子中运用模糊控制的思想,寻找最优解所在的邻域,而不是发现精确最优解。从而实现模糊非线性规划传感器系统的优化。