多项目资源均衡优化的免疫遗传算法研究

针对多项目管理“工期固定-资源均衡”问题特点,设计免疫遗传算法对该类问题的求解。免疫遗传算法是模仿生物免疫系统的一种启发式算法,其在免疫算子中加入遗传算子,改进了遗传算法收敛方向无法控制易早熟的缺陷,使算法具有更好的全局搜索能力和记忆功能。最后,结合算例对算法进行验证和分析。     

基于免疫遗传算法的海工多项目资源均衡研究

为使海工项目建造过程中的资源利用更加均衡,建立了海工多项目资源均衡问题模型,并提出了一种基于免疫遗传算法的求解方法.该方法借鉴生物免疫系统原理,对遗传算法进行改进,提出了基于抗体浓度的群体更新策略,以保持抗体种群多样性,克服遗传算法容易早熟及局部寻优能力较差的缺陷;并根据问题模型的启发式信息,将问题约束条件分为两种不同类型,进行分别处理.通过具体算例表明了算法的可行性和有效性.     

遗传算法TSP问题的实现及免疫优化

本文介绍了遗传算法的基本知识，并利用遗传算法解决TSP（旅行商）问题，在此基础上，用免疫遗传算法进行优化对比。     

免疫识别器构造的多级演化

本文提出了基于多种群演化的遗传算法程序设计，通过对识别器的“自我”训练和“非我”测试来构造计算机网络安全免疫系统中至关重要的识别器，并在文章最后通过实验例子比较该算法与传统遗传算法单种群演化的效果。     

多项目多任务选择计划模型及其免疫遗传算法

针对多资源受限下项目群选择计划及项目流程调度问题,依据项目的权重和承继约束,将项目群按权值从大到小进行排序,各项目内部的任务分别采用网络计划图进行拓扑排序,并以资源约束和合同期等因素为项目选择标准,建立多项目多任务选择计划的资源配置数学模型。进而,在遗传算法中引入免疫系统的记忆性和多样性功能,设计免疫遗传算法求解所获模型的最佳决策方案。比较性的数值实验结果说明了模型的合理性和算法的有效性。     

基于三维免疫遗传算法的高校排课问题研究

深入分析了高校排课问题,建立了其数学优化模型,构建了它的基本求解框架。针对高校排课问题的特点,引入遗传算法来加以解决,设计了多种改进方案,包括:三维编码方案、初始种群生成方案、适应度函数设计方案、免疫策略、自适应交叉概率和自适应变异概率设计方案。仿真结果表明该算法能够满足高校排课问题的多重约束条件,能更有效地解决高校排课问题。     

多项目选择计划及其两层决策免疫遗传算法

探讨项目计划管理中,资源受限下含承继约束的多项目选择计划两级规划模型及其求解算法.依据项目的承继关系,将所有项目划分为若干子群,各子群内部的项目之间存在承继约束,子群之间仅有优先关系,进而获得了资源受限下资源配置平衡的两级规划模型.基于遗传算法的基本结构,引入免疫系统的多样性、记忆性等特征,获得了求解此模型的免疫遗传算法.数值实验结果表明了该模型设计的合理性及算法的有效性.     

多项目资源均衡问题及其遗传算法

针对单项目资源均衡优化在企业实际应用中的不足,提出了多项目资源均衡优化的概念,建立了多项目资源均衡问题模型。在此基础上给出一种遗传算法的求解方法,在算法中有效地利用了网络计划图的拓扑排序,减少了遗传操作过程中非法个体的修复计算量,加快了算法的收敛速度。实例计算表明,多项目资源均衡优化可以有效地实现整个企业资源的均衡配置,遗传算法在求解该问题时具有可行性和高效性。     

基于时间轴的软件多项目任务调度遗传算法

合理的调度可以在很大程度上提高人力资源在软件项目开发中的利用率。在研究了现有的任务调度算法的 基础上,考虑了软件开发任务的可拆分特性,结合员工的技能水平与项目经验对任务调度的影响,定义了基于时间轴 的多项目并行调度模型。该模型将任务按时间单元进行拆分,并且提出员工学习模式,用以动态改变员工的技能水平 和项目经验,从而提高员工分配的灵活性,使得满足约束下的成本开销最小化,其中包含员工薪水和超时任务的开销。 模型分解后,利用遗传算法求解,由于模型中约束条件众多,因此遗传算法中增加了各种启发式来提高算法性能。通 过仿真实例验证了模型和算法的有效性。     

基于免疫量子遗传算法的多峰函数寻优

针对多峰函数优化中的全局及局部寻优问题,提出了一种结合免疫克隆算子的量子遗传算法,给出了实现流程。该算法集量子遗传算法的快速性和免疫克隆算法全局搜索性于一身。它不仅有效克服了量子遗传算法容易陷于局部最优的缺点,也避免了普通免疫克隆算法计算缓慢的缺点。用多峰值函数进行了全局寻优的仿真实验,并与基本遗传算法,量子遗传算法的计算结果进行了比较,结果表明所提算法能以较快的速度搜索到全局最优解,并且其鲁棒性远高于普通量子遗传算法和遗传算法。     

基于免疫遗传算法的多维多层关联规则挖掘

依据遥感影像的特点及WCS标准,研究面向服务的遥感数据挖掘模式及其基于工作流的分布式系统架构。在此基础上,采用.Net体系及WSBPEL流程建模语言,设计一个遥感影像纹理关联规则的挖掘系统,并研究对大数据集的访问、网络资源占用、程序的可伸缩性等方面的实现技术,为Internet环境下遥感影像的处理提供了依据。     

基于免疫遗传算法的多维多层关联规则挖掘

提出一种基于免疫遗传算法的多维多层关联规则挖掘算法。免疫遗传算法具有很好的鲁棒性及全局搜索能力,能快速有效地进行全局优化搜索。针对现有多维多层关联规则挖掘中存在阈值定义不合理的缺点,依据多维和多层数据的共同特点,给出一种启发式的阈值自定义方式,结合免疫遗传算法提高挖掘效率和结果的准确性。结果表明,挖掘效率和质量有明显提高。     

基于改进免疫遗传算法的不规则图形排样

在基本遗传算法的基础上提出了针对件排样问题的改进免疫算法;探讨了能记忆排样过程先验知识的浓度算子对排样过程的影响,实验证明是有效的.     

异构环境下独立任务分配问题的免疫遗传算法

针对异构环境下独立任务分配问题，提出了一种免疫遗传算法，为抑制早熟停滞现象，基于免疫原理，为遗传算法定义了染色体浓度，采用免疫变异算子来维持种群的多样性，采用接种疫苗算子来提高算法的求精能力，使算法在空间探索和局部求精间取得了很好的平衡，仿真结果表明．遗传算法能够很好地应用于求解任务分配问题，基于免疫原理的优化算子能够有效地提高遗传算法的搜索效率、优化搜索结果．     

基于改进免疫遗传算法的矩形件排样

文章在基本免疫遗传算法的基础上提出了针对矩形件排样问题的改进算法,探讨了能记忆排样过程先验知识的浓度算子对排样过程的影响,实验证明是有效的。     

求解最大团问题的均匀设计抽样免疫遗传算法

针对遗传算法在最大团求解中保持群体多样性能力不足、早熟、耗时长、成功率低等缺陷,依据均匀设计抽样理论对交叉操作进行重新设计,结合免疫机理定义染色体浓度设计克隆选择策略,提出求解最大团问题的均匀设计抽样免疫遗传算法。仿真算例表明,该算法在解的质量、收敛速度等各项指标上均有提高,与DLS-MC、QUALEX等经典搜索算法相比,对部分算例能得到更好解。     

基于模式记忆的免疫遗传算法

免疫遗传算法在传统遗传算法的全局随机搜索的基础上,借鉴生物免疫机制中的抗体的多样性,能有效提高群体的多样性,同时其具有记忆功能能够有效地提高搜索效率。但是在函数优化问题的解决上,免疫记忆功能一直没有能很好的实现。该文提出在免疫遗传算法中引入模式控制的方法来解决复杂函数优化的问题。基于免疫遗传机制,利用免疫记忆库记忆优秀免疫遗传模式,它能有效地加速优化过程,并且克服通常函数优化无缺乏记忆的功能。通过一个复杂函数的仿真实例证明了该方法的有效性。     

求解SAT问题的量子免疫克隆算法

将量子计算应用于人工免疫系统中的克隆算子,提出了一种基于量子编码的免疫克隆算法(Quantum-Inspired Immune Clonal Algorithm,QICA)来求解SAT问题,并从理论上证明了算法的全局收敛性.算法中采用量子位的编码方式来表达种群中的抗体,针对这种编码方式采用量子旋转门和动态调整旋转角度策略对抗体进行演化,加速原有克隆算子的收敛;利用克隆算子的局部寻优能力强的特点,在各个子群体间采用量子交叉操作来增强信息交流,提高种群的多样性防止早熟.实验中,用标准SATLIB库中的3700个不同规模的标准SAT问题对QICA的性能作了全面的测试,并与单纯的量子遗传算法和简单免疫克隆算法以及著名的WalkSAT和PFEA2算法进行比较,仿真实验表明:QICA具有更高的成功率和运算效率.对于具有250个变量、1065个子句的SAT问题,QICA也仅用了1.357s,显示出了优越的性能.     

多背包问题的遗传算法求解

本文提出了一种新的组合优化问题—多背包问题,并给出了它的基于0/1规划的数学模型;提出了解决多背包问题的遗传算法。该算法以目标函数加约束惩罚函数作为适应值函数,交叉算子选用了一致交叉的方法,仿真的结果表明该遗传算法在求解多背包问题上的表现是良好的。     

求解三维装箱问题的多层树搜索算法

提出了一种求解三维装箱问题的多层树搜索算法, 该算法采用箱子–片–条–层–实体的顺序生成装载方案, 装载方案由实体表示. 该算法由3层搜索树构成. 第1层为三叉树, 每个树节点的3个分叉分别对应向实体中填入XY面平行层、XZ面平行层、YZ面平行层; 第2层为二叉树, 每个树节点的两个分叉分别对应向层内装载两个相互垂直的最优条; 第3层为四叉树, 用于将同种的多个箱子生成片. 在同时满足摆放方向约束和完全支撑约束的前提下, 该算法求解BR12~BR15得到的填充率高于现有装箱算法.