离散变量结构优化设计的组合遗传算法

传统的遗传算法在处理离散变量结构优化问题存在很多缺陷,遗传进化过程缓慢,遗传操作具有相当大的盲目性,本文采取改进措施,实施最差个体替换法和优良个体保护法,确保遗传种群的优良品质,保证优良个体只执行改进性能的基因操作,同时利用拟满应力设计方法收敛快的特点,将拟满应力设计方法和遗传算法相结合提出了组合遗传算法,适时地利用拟满应力设计优化结果提供种群成员,从而加快了遗传进化的进程,算例表明,组合遗传算法的优化结果是令人满意的。     

柔性调度多目标优化的混合粒子群算法研究

研究多目标柔性调度问题,提出了一种基于多目标粒子群优化算法和局域搜索技术相结合的新算法.建立以最大完成时间、机器总负载和最大机器负载为目标函数的多目标数学调度模型.将粒子群算法运用到机器分配子问题;局域搜索技术运用到工序排列子问题,对粒子群算法得到的结果进行再调度.粒子群优化算法的全局搜索能力与局域搜索技术相结合,加快了算法的收敛速度.最后通过与其他算法进行测试比较,验证了该算法的可行性及有效性.     

基于遗传算法的混合离散变量结构优化设计

本文研究了适于解决混合离散变量结构优化设计的遗传算法，给出了混合离散变量的遗传基因表达模式和适值函数建立的简便方法，计算实例表明该算法是有效的。     

红外图像分割的改进模糊C均值聚类方法

分类数和初始聚类中心的选取对红外图像的分割结果有较大的影响。传统的模糊C均值算法的分类数和聚类中心往往设定为经验值。为获得最佳的分类数,提出采用轮廓指标确定出较理想的分类数。针对传统的模糊C均值聚类算法对初始聚类中心比较敏感的问题,提出了基于直方图灰度值的最小最大距离法来确定初始聚类中心。实验结果表明该方法有效可行。     

求解TSP问题的贪心遗传算法

提出贪心遗传算法。通过构建“基因库”形成好的“基因片断”，从而生成高性能的初始种群；依据贪心选择的原则指导遗传操作，实施贪心交叉操作和贪心变异操作；移民操作向种群引进新的遗传物质，克服了封闭竞争缺点，并且可以避免早熟收敛。贪心遗传算法可以大大加快搜索的速度，仿真结果表明算法是十分有效和实用的。     

基亏基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先。对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的。但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力。对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

基于基因片段分解的粒子群算法求解置换Flowshop问题

针对粒子群算法在求解置换流水车间调度问题时容易早熟的现象,提出了一种基于基因片段分解的粒子群优化算法求解置换流水车间调度问题。首先,对工件加工顺序采用了基因片段分解的方法,个体的初始值是随机生成的,但是初始种群采用贪婪方法得到。然后,通过加入综合学习策略和增强基因片段间的合作来提高该算法的全局搜索能力,对基因片段最优解进行交换局部搜索。最后,通过对Rec系列20个子问题的仿真测试,得出该算法在每个子问题上都取得了优于粒子群算法的解。仿真结果表明该算法收敛速度快,且具有较高的求解质量。     

结构优化GAs算法应用研究

阐述了遗传算法优于传统算法的特性，介绍了遗传算法的基本机理和其在结构优化领域内的应用，表明遗传算法是一种适合于结构优化设计的有效方法。     

贪心遗传算法求解组合优化问题

许多问题最终可以归结为求解一个组合优化问题,GA是求解组合优化问题的一个强有力的工具,但遗传算法在应用中常出现收敛过慢和封闭竞争问题,本文提出贪心遗传算法。该算法的初始种群建立、交叉和变异等过程,都引入贪心选择策略指导搜索;移民操作向种群引进新的遗传物质,克服了封闭竞争缺点。贪心遗传算法可以避免早熟收敛并改进算法的性能,算法搜索起步阶段的效率是非常高的,本文通过TSP问题仿真试验证明了算法的有效性,在较少的计算量下,得到令人满意的结果。     

离散变量优化的多峰并行搜索遗传算法

遗传算法是优化设计问题有效方法，但是对于多变量、多约束、多峰搜索空间的优化设计问题，搜索常出现收敛慢或早熟现象，这样，常常导致遗传搜索最终只能找到一个较好的解，而非全局最优解，为寻找全局最优解，这里在多峰附近采取并行的一种优化搜索策略，利用拟满应力设计搜索快、精度高的特点，将遗传算法(GA)和拟满应力设计方法相结合，算法采取分级运算模式：一级是运用遗传算法在多峰搜索空间寻找相对最优解；二级主要是细化调整，在当前搜索状态不增加进化代数的前提下，用拟满应力设计得到尽量优的解。算例表明，算法能在较少的计算量下，得到令人满意的结果。