遗传模拟退火算法在弹药装载中的应用研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题，属于NP-完全问题，其求解是很困难的。本文在考虑弹药装载中各类约束条件的情况下，将模拟退火算法作了若干改进后，融入遗传算法，提出了一种遗传模拟退火算法来求解弹药装载问题。本文对该算法的遗传算子和冷却进度表进行了详细的阐述，给出了使用该算法求解弹药装载问题的具体实现方法。     

非线性方程组求解的一种新方法

针对现有的非线性方程组求解方法不能同时收敛到所有解的问题,提出了一种混合小生境遗传算法的求解新方法.采用确定性拥挤小生境创造出种群的小生境进化环境,克服遗传算法的遗传漂移现象,维持种群的多样性,使算法能同时收敛到多个解;以拟牛顿算法作为遗传算法的局部搜索算子进行精确搜索,进一步提高算法收敛速度和精度.选择了几组典型的多解非线性方程组进行了求解验证,结果表明所设计的混合小生境遗传算法能在解的定义域内同时收敛到所有解,收敛速度快、精度高,是求解非线性方程组全局解的一种有效方法.     

基于混合遗传模拟退火算法求解TSP问题

TSP问题是典型的NP-hard组合优化问题,遗传算法是求解此类问题的一种方法,但它存在如何较快地找到全局最优解,并防止“早熟”收敛的问题。针对上述问题并结合TSP问题的特点,提出将遗传算法与模拟退火算法相结合形成遗传模拟退火算法。为了解决群体的多样性和收敛速度的矛盾,采用了部分近邻法来生成初始种群,生成的初始种群优于随机产生初始种群。仿真实验结果证明,该算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高。     

铁路输送中平车装载问题的模型与算法

分析了铁路运输中的平车装载问题，借鉴了First Fit算法的思想，并引入条件变异算子，提出了求解平车装载问题的一种改进遗传算法，给出了该改进遗传算法编码方法、遗传算子改进方案和适应度函数的定义，该算法能有效地解决初始群体和进化过程中的无效染色体和早熟问题，并用实例验证了该算法的有效性。     

集装箱装载问题的模拟退火遗传算法

将模拟退火的思想引入遗传算法中,将两者结合起来,探讨了模拟退火遗传算法在复杂集装箱装载中的应用,以此达到缩小搜索区域,增强算法的收敛性的目的。该算法充分发挥了遗传操作中交叉算子的作用,并通过实例仿真表明该算法优于传统的计算方法。     

一种进化类混合算法的研究

针对现有的单一算法在解决数值优化问题中存在的问题,提出了一种基于进化计算的混合算法.该算法在原有遗传算法的基础上对交叉算子进行改进,同时将模拟退火算法与变异算子进行结合形成一种模拟变异算子;为提高算法的求解精度和收敛速度,在算法中引入了进化策略的自适应搜索特性; (μ,λ)选择算子的应用增加了跳出局部最优解的几率,精英保留策略的选用能够保障算法收敛于全局最优解.用两个典型的测试函数对该算法进行测试,测试结果表明算法能够跳出局部最优解的陷阱,快速高效,高精度地收敛于全局最优解.     

GA和HS算法解决电子化配车方法比较

本文针对海尔集团配车系统的业务需求,简要介绍了运用遗传算法(GA)和启发式算法(HS)求解集装箱装载问题的模型,讨论两个模型的建立和求解算法的异同.文中根据实验数据,对两种算法的性能进行了比较和分析,最后提出了有机地结合两种模型的设想.     

求解多车辆装载问题的启发式改进蚁群算法设计

针对启发式优化算法不能较理想地对多车辆大规模装载问题进行优化的局限性,文章设计了一种启发式改进蚁群算法,该算法将单车辆的启发式装载与多车辆装载时的蚁群优化算法有机结合,较好地解决了多车辆大规模装载问题。经过实例验证,该算法具有较高的计算效率和较好的收敛特性。     

改进的小生境混合遗传算法在函数优化上的应用

为了提高经典小生境遗传算法的收敛性能,加强局部寻优能力,设计了一种新的小生境混合遗传算法.通过判断算法的在线性能指标Xe(s),将模拟退火算法巧妙地融入算法的后期,并针对小生境遗传算法的特点选用格雷码编码,同时设计了自适应的遗传交叉算子.用一个Shubert多峰值函数对改进的算法进行验证,结果表明:新算法的收敛性能和进化效率得到提高,局部寻优能力也有加强.     

一种求解全局优化问题的新混合遗传算法

把简化的二次插值法融入实数编码遗传算法,构成适于求解全局优化问题的混合遗传算法,该混合算法可以较好解决遗传算法的早熟收敛问题,提高了收敛速度,改善了解的质量,并减少了计算量.由于该混合遗传算法对目标函数的性质没有要求,适合求解大规模问题和工程实际问题.通过对23个标准测试函数的仿真实验,并和已有算法的比较,结果表明本文提出的混合遗传算法是非常有效的.     

遗传正交试验算法及其应用

遗传算法是一种能够在较大的参数空间中搜索到问题最优解的方法,在解决非线性问题时具有全局收敛性,但收敛性能差。论文提出一种结合遗传与正交试验两种算法优点的新混合遗传算法,应用表明该算法收敛能力强、寻优能力强及能产生大量次优解,是一种值得信赖的算法。     

An Improved Genetic Algorithm Approach on Mechanism Kinematic Structure Enumeration with Intelligent Manufacturing

During the process of mechanism kinematic structure enumeration, isomorphism identification of graphs is an important and complicated problem. The problem is known to be a NP-complete problem. In this paper, according to the mechanism kinematic chain isomorphism identification criteria, a highly efficient hybrid genetic algorithm model is proposed for isomorphism identification. The model method is coupled with genetic algorithm, optimal choice, and optimal crossover operation. It shows a quick convergence rate of the late operation and can avoid convergence to local optimum. Simulation results show that the hybrid algorithm is more rapid and effective compared with simple genetic algorithm and the improved neural network algorithm.     

Hybrid intelligent parameter estimation based on grey case-based reasoning for laminar cooling process

In this paper, a hybrid intelligent parameter estimation algorithm is proposed for predicting the strip temperature during laminar cooling process. The algorithm combines a hybrid genetic algorithm (HGA) with grey case-based reasoning (GCBR) in order to improve the precision of the strip temperature prediction. In this context, the hybrid genetic algorithm is formed by combining the genetic algorithm with an annealing and a local multidimensional search algorithm based on deterministic inverse parabolic interpolation. Firstly, the weight vectors of retrieval features in case-based reasoning are optimised using hybrid genetic algorithm in offline mode, and then they are used in grey case-based reasoning to accurately estimate the model parameters online. The hybrid intelligent parameter estimation algorithm is validated using a set of operational data gathered from a hot-rolled strip laminar cooling process in a steel plant. Experiment results show the effectiveness of the proposed method in improving the precision of the strip temperature prediction. The proposed method can be used in real-time temperature control of hot-rolled strip and has potential for parameter estimation of different types of cooling process.     

基于差分和状态空间遗传混合算法的信号配时优化

为了最大限度地挖掘现有道路的承载能力,提出了一种基于差分进化算法和状态空间模型遗传算法的两阶段混合优化算法,建立以车辆平均等待时间最小为目标的数学模型进行优化。为了解决差分进化算法在后期收敛速度变慢,容易陷入局部最优的缺点,引入改进后的状态空间模型遗传算法形成一种混合算法。然后,用所提出的混合算法对5个经典测试函数进行寻优测试,并与定时控制、差分进化算法以及状态空间模型遗传算法进行对比,实验结果表明该混合算法不仅提高了收敛速度,并且在保证了算法收敛精度的前提下缩短了迭代次数。最后,以单交叉路口为例,验证该混合算法在求解信号灯配时问题时的优化效果。     

基于混合遗传算法的任务驱动分组优化研究

智能算法应用到教学领域来实现自动分组具有重要意义。针对网络学习环境下任务驱动教学中如何按最优分组方案进行小组划分的问题,综合考虑了分组问题中学习者之间的特征差异和任务难易程度等影响因素,构建了基于任务驱动分组优化问题的数学模型,提出了基于混合遗传算法的任务驱动分组优化策略。在MATLAB7.0平台上,运用混合遗传算法对任务驱动的分组优化进行了仿真实验。实验结果表明,基于混合遗传算法的任务驱动分组优化是可行且有效的。     

基于遗传算法和隐马尔可夫模型的Web信息抽取的改进

直觉模糊蕴涵是直觉模糊推理的重要基础,为直觉模糊集在不确定信息系统下推理和决策中的应用提供了理论基础。对直觉模糊蕴涵进行了研究。首先回顾了直觉模糊的有关基础知识,在此基础上构造了一种新的广义的直觉模糊蕴涵,证明了其单调性、边界性等系列重要性质,最后证明了该蕴涵可构成直觉模糊剩余格。     

基于混合自适应遗传算法的工作流挖掘优化

针对目前工作流挖掘算法采用局部策略而无法保证最优挖掘以及算法对噪声敏感的情况,提出了基于混合自适应遗传算法的工作流挖掘优化算法。首先定义了基本工作流网以及变迁的使能和点火规则,描述了过程模型;然后提出了过程模型转换成基本工作流网的算法,给出了衡量事件日志与过程模型的符合性的适应值评价函数;最后根据进化阶段以及个体相似度设计了混合自适应的交叉率和变异率。仿真试验结果表明,该算法与α算法相比具有更高的鲁棒性和对噪声的抗干扰性;与基本遗传算法相比,该算法能显著提高解的质量和收敛速度。     

Pi-sigma神经网络混合学习算法及收敛性分析

将一种解决函数优化问题的混合遗传算法用于Pi-sigma神经网络的训练。这种混合算法充分利用遗传算法算法的全局搜索能力,又利用了单纯型法的局部搜索能力,因此该混合遗传算法可以使Pi-sigma神经网络更快的收敛到全局最优解,而且收敛速度比遗传算法更快。实验证明了这种算法的优越性。最后还证明了该算法可以以概率1收敛到全局最优解。     

混合遗传算法在结构参数标定中的应用

对多关节三维扫描仪的参数标定方法进行了研究。在准确推出三维空间坐标模型的基础上,提出了基于非线性最小二乘法思想的参数优化模型,继而提出了一种基于奇异值分解的最小二乘法的参数标定方法,在分析其适用范围之后,进一步提出了嵌入这种最小二乘法算子的混合遗传算法,这种算法综合了两者的优点,具有收敛速度快,精度高等优点,特别是其修正参数误差的范围比文献3、4的范围大大提高了。实验结果证明这种标定方法具有非常好的鲁棒性和工程应用价值。     

产生式与判别式线性混合分类器

产生式方法和判别式方法是解决分类问题的两种不同框架,具有各自的优势。为利用两种方法各自的优势,文中提出一种产生式与判别式线性混合分类模型,并设计一种基于遗传算法的产生式与判别式线性混合分类模型的学习算法。该算法将线性混合分类器混合参数的学习看作一个最优化问题,以两个基分类器对每个训练数据的后验概率值为数据依据,用遗传算法找出线性混合分类器混合参数的最优值。实验结果表明,在大多数数据集上,产生式与判别式线性混合分类器的分类准确率优于或近似于它的两个基分类器中的优者。