垃圾分类收运模式下车辆路径问题建模与仿真

建立与垃圾种类相匹配的垃圾分类收运体系是确保垃圾分类制度有效实施的重要一步.生活垃圾分类收运问题属于车辆路径问题范畴.在垃圾分类收运模式下,考虑垃圾种类-车辆类型匹配关键因素,研究多种类垃圾多车型车辆路径优化问题.以车辆启动成本、运输成本之和最小化为目标,建立混合整数规划模型,利用遗传算法予以求解.通过算例仿真验证了模型及算法的有效性,在践行垃圾分类制度上具有实际应用价值.     

垃圾收运路线问题的蜂群优化算法研究

整个垃圾处理系统中城市生活垃圾收运费用占很大比例,通过研究垃圾收运路线问题,可以有效节约成本,提高作业效率.根据城市生活垃圾收运系统的特点,采用带中转站的垃圾收运问题的标准数学模型.在分析蜂群优化算法理论的基础上,针对问题的特点,研究了蜂群优化算法求解的具体步骤,并通过实例仿真,证明了蜂群优化算法在解决带中转站的垃圾收运问题上的可行性和有效性.最后通过与蚁群算法对比,进一步说明了蜂群优化算法在解决问题的优越性.     

改进遗传算法的防空目标分配

对防空目标分配的前提、原则和分配模型假设条件进行分析,建立基于遗传算法的防空目标分配模型,针对二进制编码不利于处理约束条件的缺点提出十进制编码的染色体表示策略,对建立的模型进行优化。设定初始条件后,基于遗传算法的原理,对改进后的防空目标分配模型进行MATLAB仿真,然后用改良圈算法和海明距离对初始种群的产生进行改进,引入Logistic混沌序列对交叉算子进行改进,并且用按个体适应度大小排序的选择算法来代替赌轮选择方法。仿真结果表明,与简单遗传算法相比,遗传算法改进合理,搜索到全局最优解的概率提高到了90%以上,收敛速度大大增加,相较于模拟退火和禁忌搜索算法,改进后的遗传算法能够以非常少的进化代数,极少的时间消耗达到较高的搜索概率,效率提高了一倍甚至更多。     

基于改进帝国竞争算法的柔性作业车间机器故障重调度

针对机器故障下的柔性作业车间重调度问题,提出了一种改进的帝国竞争算法（ICA）。首先,以最大完工时间、机器能耗和总延迟时间为目标函数建立柔性作业车间动态重调度模型,并对三个目标采用线性加权法;然后提出了改进的ICA来把优良的信息保留到下一代,即在传统ICA的同化和革命步骤后加入一个轮盘赌的选择机制,使初始帝国中的优秀基因得以保留,并且更新后的帝国质量更优,更加贴近最优解;最后,在机器发生故障后,采用事件驱动的重调度策略对故障点后未加工的工序进行重新调度。通过生产实例,对假设的三种机器故障情景进行仿真实验,并把所提算法与改进遗传算法（GA）和遗传算法与模拟退火混合算法（GASA）这两种算法进行比较。实验结果表明了提出的改进ICA是有效且可行的。     

基于改进NSAG-Ⅱ算法的多目标混流装配线平衡优化研究

针对混流装配线平衡问题，提出了基于NSAG-Ⅱ算法的多目标混流装配线平衡优化方法。以混流装配线的生产节拍、线平衡和均衡系数为适应度目标函数，建立遗传算法优化模型，算法基于传统遗传算法的缺点进行针对性改善和用光机混流装配线实例和Flexsim仿真验证了算法的可行性。结果表明，该改进遗传算法可对混流装配线平衡进行优化，可整体提高混流装配线生产效率。     

利用改进的遗传算法优化产品性能参数模型

借鉴机械优化设计的思想,以总费用为目标函数、以零件参数(标定值和容差等级)为自变量,建立产品性能参数模型,并提出了一种改进的遗传算法.该算法运用了随迭代次数变化的变异概率、自适应变化的交叉概率以及结合赌轮算法的精英选择策略.仿真试验证明,改进的遗传算法不但在收敛速度和搜索能力上优于简单的遗传算法,而且能够较好地避免局部最优,是较好的大规模参数寻优方法.     

基于遗传算法的振动主动控制优化方法研究

对多岛遗传算法和非支配排序遗传算法进行了研究;以结构振动系统的结构振动能量指标和系统控制能量指标作为多目标优化函数,建立了振动主动控制系统的传感器和作动器位置、数量、长度及控制增益的多目标优化配置数学模型,首次采用非支配排序遗传算法作为优化策略进行多目标优化,同时,以多岛遗传算法作为优化策略,以系统存留能量指标作为单目标优化函数,并以悬臂梁作为算例进行了对比仿真,验证了二者的一致性。     

基于智能垃圾桶的垃圾分类动态收运路径优化问题研究

针对城市生活垃圾分类收运过程中存在的环境二次污染和垃圾产生量不确定性等问题,提出了一种基于智能垃圾桶的动态收运车辆路径优化方法。建立以最小化碳排放成本、燃油消耗成本、固定成本和车辆延迟到达惩罚成本为目标的动态车辆路径优化模型。采用滚动时域的方式将动态问题转换为一系列静态问题,并设计两阶段算法进行求解。首先采用粒子群算法对收运车辆路径进行规划,而后在每个时域末,综合考虑待清运垃圾桶的位置和垃圾量、垃圾收运车辆的位置和装载量以动态调整现有车辆路径。研究结果表明,相较于传统的静态收运方案,动态垃圾收运方案能够在降低车辆运输成本和碳排放成本的同时,显著降低由于清运不及时造成的环境二次污染的风险。     

基于改进遗传算法的防空导弹分队WTA问题求解

针对以往防空作战中目标分配模型精度差、求解方法效率低的问题,建立了基于射击综合优势和目标威胁度的目标分配数学模型,其中目标威胁度评估综合运用了灰色综合关联度和改进的层次分析法,提高了结果的精度.并且采用改进的混沌蜜蜂双种群进化遗传算法对该模型进行了求解,改进的地方主要有:采用轮盘赌选择与最优保存策略相结合的选择操作,采用了算术交叉方法等.实验结果表明,应用文中的遗传算法求解防空导弹作战中目标分配问题,与传统算法相比,无论是在优化性能还是在时间性能上,都具有更好的效果.     

基于改进遗传算法的飞机定检人员均衡配置

将遗传算法应用于解决飞机定检人员均衡配置问题中.根据均方差指标建立了人员均衡配王模型;采用候选集合策略处理约束条件,保证每个个体都对应有可行解;采用最优保存策略和基于预选择的小生境实现方法对基本遗传算法进行改进,并使用其求解模型.仿真实例结果表明,改进遗传算法克服了基本遗传算法客易“早熟”的不足,均衡配置后人员工作时间均方差减少65.90％.     

Intelligent Garbage Can Decision-Making Model Evolution Algorithm for optimization of structural topology of plane trusses

The optimum design of structural topology of trusses is widely acknowledged as the most difficult and challenging problem in the area of structural optimization. Based on differential evolution algorithms and using the framework of a Garbage Can Decision-Making Model, we proposed an Intelligent Garbage Can Decision-Making Model Evolution Algorithm (IGCMEA) to simulate the decision-making process in human social organizations. In a decision-making process, when faced with issues such as unclear goals and methods, employee turnover and so forth, representatives of all participating parties will communicate, argue, compromise and adapt with each other in order to find a solution to the problems. Group meetings are conducted to choose the best solution in a more objective, reasonable and efficient manner. By applying the differential evolution (DE) algorithm and IGCMEA to perform an optimization test on the 100-dimensional Schwefel Function, we showed that IGCMEA can achieve an efficient and satisfactory result. We also optimized the truss topology using IGCMEA and obtained a better result than when using the Genetic Algorithm as in the literature, thus illustrating the superior power of IGCMEA.     

基于混合并行遗传算法的文本聚类研究

针对传统K-Means聚类算法对初始聚类中心的选择敏感,易陷入局部最优解的问题,提出一种基于混合并行遗传算法的文本聚类方法。该方法首先将文档集合表示成向量空间模型,并在文档向量中随机选择初始聚类中心形成染色体,然后结合K-Means算法的高效性和并行遗传算法的全局优化能力,通过种群内的遗传、变异和种群间的并行进化、联姻,有效地避免了局部最优解的出现。实验表明该算法相对于K-Means算法、简单遗传算法等文本聚类方法具有更高的精确度和全局寻优能力。     

基于遗传算法的手机键盘字母布局的研究

该文探讨了手机键盘上的拼音字母的布局问题,给出了此问题的数学模型。运用遗传算法将手机键盘上的拼音字母进行重组,在对常用汉字进行模拟的过程中采用了多种优化策略,不断地对遗传算法进行优化,最后得到了理想的键盘字母布局。实验表明,该种字母布局大大提高了拼音输入法的效率,方便了用户的使用。     

基于混合果蝇优化算法的现场服务调度问题

员工技能熟练程度对现场服务调度问题（FSSP）的执行效率有极大影响,现有研究中未考虑员工技能因素。针对上述问题,首先以员工的旅行时间、服务时间和等待时间为优化目标,建立考虑员工技能熟练程度的FSSP模型;然后,提出混合果蝇优化算法（HFOA）对该模型进行优化求解,根据问题特征和算法特点,设计了基于矩阵的编码方法;定义了两类矩阵操作,提出了3种搜索算子,重构了果蝇优化算法（FOA）的嗅觉搜索和视觉搜索过程;为了提升算法性能,构造了基于最邻近插入启发式算法的初始化算子;最后,通过典型实例对算法进行了仿真实验,并与遗传算法（GA）、贪婪随机自适应搜索过程（GRASP）算法进行了比较。实验数据显示,与其他两种算法相比,HFOA在均值和最优值方面表现更优秀。结果表明改进初始化方法和搜索策略后,HFOA在优化的精度和稳定性上优于其他算法。     

基于离散人工蜂群算法的云任务调度优化

针对现今云计算任务调度只考虑单目标和云计算应用对虚拟资源的服务的质量要求高等问题,综合考虑了用户最短等待时间、资源负载均衡和经济原则,提出一种离散人工蜂群(ABC)算法的云任务调度优化策略。首先,从理论上建立了云任务调度的多目标数学模型;然后,结合偏好满意度策略并引入局部搜索算子和改变侦察蜂搜索方式,提出多目标离散型人工蜂群(MDABC)算法的优化策略。通过不同的云任务调度仿真实验,显示了改进离散人工蜂群算法相对于基础离散人工蜂群算法、遗传算法以及经典贪心算法,能够得到较高的综合满意度,表明了改进离散人工蜂群算法能够更好地改善虚拟资源中云任务调度系统的性能,具有一定的普适性。     

需求随机的变质性产品生产计划模型

研究了能力约束的有限计划展望期生产计划问题,各周期的需求随机,库存产品存在变质且变质率为常数。建立了问题的期望值模型,目标函数为极小化生产准备成本、生产成本、库存成本的期望值。提出了随机模拟、遗传算法和启发式算法相结合的求解算法。用数值实例对模型和算法进行了验证,优化结果表明模型和算法是有效的。     

基于分布式遗传算法的移动Agent迁移策略

迁移策略是移动Agent（Mobile Agent，MA）的核心技术之一，MA的效率很大程度上取决于迁移策略的优化。本文提出了一种改进的分布式遗传算法（EDGA），用于对多约束条件下MA迁移策略最优问题进行求解。EDGA将分布式遗传算法和Cascade模型相结合，在迁移算子部分设计一个中心监控器，观察每个子种群的进化，并对迁移个体的选择以及相应子种群的大小做出调整，使进化能力好的子种群得到更大的空间来搜索最优值。实验结果表明：本文所提出的EDGA算法在求解速度和质量上取得了较大的改善。     

基于遗传算法的飞机大修总装工作流程优化

将遗传算法应用于飞机大修总装工作流程优化中。以完成时间最短为目标,建立总装工作流程优化模型;综合“工序重置法”和罚函数法,满足总装工作中的工序和人员约束条件;采用改进的最优保存策略对基本遗传算法作进一步改进。仿真结果表明,改进的遗传算法的最优解搜索能力较基本遗传算法有明显提高,验证了GA在解决定检离位工作流程优化问题上的适用性。     

基于遗传算法的智能公交发车频率优化研究

在分析公共交通线网发车间隔优化理论的基础上,从公共交通线网间发车间隔对公交网络系统进行优化出发,提出了基于社会总体效益最优的思想,构建了公共交通线网发车间隔优化模型,从而解决了智能公交中的线网间智能调度的难题,一种新的生物进化算法遗传算法被引入到问题的求解过程中。模型和算法应用于长春市的典型线路,获得了较好的优化结果。