免疫遗传算法在配电网重构中的应用

配电网重构是配电网络优化的主要措施,其实质是一个多目标非线性混和优化问题.采用免疫遗传算法来研究重构问题的求解方法.免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力.实验表明,免疫遗传算法具有很好的全局收敛性,能有效解决配电网重构问题.     

基于改进遗传算法的弹药运输车辆调度问题研究

建立了弹药运输车辆调度问题的数学模型,针对传统遗传算法求解该问题具有收敛速度慢、易陷入局部极小的缺点,提出了一种改进的遗传算法予以求解。在改进算法中引入一种基于信息素的遗传交叉算子,该算子能利用以信息素形式保存的全局信息,从而提高收敛速度;算法中的变异算子采用Relocation、Exchange、2-opt＊及2-opt 4种启发式搜索算法,尽可能扩大搜索范围。算例分析表明了所提改进遗传算法求解弹药运输车辆调度问题的有效性和可行性。     

基于免疫遗传算法的煤与瓦斯突出预测研究

根据影响煤与瓦斯突出的各个因素与突出强度之间存在的复杂的非线性映射关系,建立了突出强度预测的BP网络模型.针对BP网络收敛速度慢和易陷入局部极小值及基于遗传算法的BP网络易出现未成熟收敛问题,提出了一种基于免疫遗传算法(IGA)的BP网络,即利用IGA实现对BP网络的优化.IGA在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.结果表明:将基于IGA的BP网络应用于煤与瓦斯突出强度预测,该算法设计的BP网络具有较快的收敛速度和较强的全局收敛性能,在煤与瓦斯突出预测中取得了良好效果.     

免疫遗传算法在配电网重构中的应用

配电网具有闭环设计、开环运行的特点。本文提出免疫遗传算法的方法来解决配电网重构问题,以减小网损。配电网重构属于大规模、混合整型、非线性组合优化问题。免疫遗传算法在传统遗传算法的基础上,借鉴生物免疫机制中的抗体的多样性保持策略和记忆抗原的特点,大大提高了算法的全局搜索和局部搜索能力。该算法将遗传算法中的二进制编码改进为整、实数混合编码,提高了计算速度和精度,同时引入了疫苗接种概念,能有效抑制算法在进化过程中退化现象。实验表明,免疫遗传算法具有更好的全局收敛性,同时加快了计算速度。     

基于GA-TS混合算法的多装配线调度建模

针对多装配线流水车间调度问题,考虑遗传算法的早熟收敛特性和禁忌搜索算法具有记忆能力的局部寻优特性,将遗传算法和禁忌搜索算法进行结合,提出基于遗传算法和禁忌搜索算法的多装配线混合调度优化算法.先用遗传算法进行全局搜索,改善种群质量,再以改善后的种群作为禁忌搜索算法的初始解,进行局部搜索.依据最小化总延迟和总完工时间的调度目标,建立了一个混合整数线性规划模型,并通过实例演算验证了该混合算法求解多装配线调度问题的可行性和有效性.     

多峰值函数优化问题的免疫遗传算法求解

生物免疫系统在遭受未知抗原攻击时,能通过基因的重组和变异,找到合适的抗体消灭抗原,并且能保持抗体的多样性。把生物免疫系统的这种特性加入到免疫遗传算法中能解决其迭代后期出现的退化现象。针对注射过疫苗的生物免疫系统能够很快识别抗原这一特性,对传统免疫遗传算法进行改进,提出一种改进的免疫遗传算法(IIGA),并用其求解经典的Benchmark多峰值函数,实验结果表明IIGA能够有效抑制免疫遗传算法的退化现象,并提高算法的收敛速度。     

改进免疫克隆选择算法在VRP中的应用

针对在求解车辆路径问题(VRP)中免疫克隆选择算法收敛速度慢,遗传算法易陷入局部最优解的缺点,对抗体亲和力求解方法做了改进.提出了基于亲和力排序的抗体相似性矩阵的概念,并将其应用于抗体抑制策略,进而设计出改进免疫克隆选择算法.仿真结果表明该算法比遗传算法求的解的质量更高,收敛速度比免疫克隆选择算法快.     

一种基于免疫遗传的TSP求解方法

为了更有效的求解旅行商问题(TSP),利用遗传算法与免疫算法各自的特点以及二者的共性提出了一种新的优化方法——免疫遗传算法,在本算法中采用抗体浓度调节机制并引入能量函数来求解TSP问题。给出了求解TSP问题的抗体、抗原、抗体浓度以及能量函数的数学表示,描述了该算法求解TSP的具体实现过程。仿真实验结果表明该方法在解决同类问题时比传统人工神经网络、遗传算法以及单一免疫算法取得了更短路径和更快的收敛。     

可迁移网格依赖任务重调度模型及算法

针对可迁移依赖任务的重调度问题,提出了基于约简DAG可迁移任务图的重调度模型,并基于免疫遗传算法实现了以提高应用性能为目标的求解算法.实验表明,与经典的动态调度算法Max Min和基于启发式的AHEFT静态算法相比较,由于调度目标的一致性,初始调度的性能在重调度过程中被较好地保持,并且由于任务迁移的支持和遗传算法在全局优化上的性能优势,应用性能得到较大提升;又由于任务图的约减过程和免疫因子对算法收敛的作用,提出的IGA算法效率得到显著改善,使资源动态性和异构性的适应能力得到进一步增强.     

自适应克隆免疫算法应用于宽带匹配网络设计

针对克隆选择算法的不足,提出了一种自适应克隆免疫算法.直接根据抗体的多样性来确定克隆规模,通过引入抗体的自适应变异操作,增加对精英抗体的记忆和相似抑制操作来产生种群新个体,以保证算法的全局收敛性和抗体的多样性.将该算法应用于宽带匹配网络的拓扑结构和元件值的综合优化设计中,并分析了优化过程中频率采样点数的合理选取问题.仿真结果通过与实频法、遗传算法和克隆选择算法相比较,表明该算法具有更快的收敛速度,设计的匹配网络具有更优的匹配性能.     

基于改进遗传算法的公交智能调度

针对公交车辆调度的现状以及所处的运营环境,为了兼顾公交公司与乘客的利益,研究了公交智能调度的优化方法.通过对遗传算法(GA)和禁忌搜索算法(TS)进行分析,提出了一种基于遗传算法和禁忌搜索算法的混合策略(GA-TS).考虑到遗传算法的早熟收敛和禁忌搜索算法自适应强的问题,将上述两种算法相结合,把禁忌搜索算法独有的记忆思想引入到遗传算法的搜索过程中,构造了新的重组算子,提出了基于遗传算法和禁忌搜索算法的混合优化调度算法.实验结果表明,该方法能够有效地解决组合优化问题.     

解动态Job-shop调度问题的遗传算法

研究了动态Job-shop调度问题,并设计了一种改进的遗传算法。该算法借鉴启发式算法,使用向量进行遗传编码;遗传计算中引入种群间竞争,实现种群向更高层的平衡态进化,进而全局优化调度方案;利用调度评价函数及负荷表,对动态的生产调度进行了有效地评价。仿真实验表明了此法用于复合调度问题的优越性。     

A Heuristic Genetic Algorithm for No-Wait Flowshop Scheduling Problem

No-wait flowshop scheduling problems with the objective to minimize the total flow time is an important sequencing problem in the field of developing production plans and has a wide engineering background.Genetic algorithm (GA) has the capability of global convergence and has been proven effective to solve NP-hard combinatorial optimization problems, while simple heuristics have the advantage of fast local convergence and can be easily implemented.In order to avoid the defect of slow convergence or premature, a heuristic genetic algorithm is proposed by incorporating the simple heuristics and local search into the traditional genetic algorithm.In this hybridized algorithm, the structural information of no-wait flowshops and high-effective heuristics are incorporated to design a new method for generating initial generation and a new crossover operator.The computational results show the developed heuristic genetic algorithm is efficient and the quality of its solution has advantage over the best known algorithm.It is suitable for solving the large scale practical problems and lays a foundation for the application of meta-heuristic algorithms in industrial production.     

基于遗传算法的多配送中心运输调度研究

多配送中心的车辆调度问题是一个较难的组合优化问题,也是一类典型的NP—hard问题。遗传算法作为一种有效的优化算法得到了广泛的应用。为了解决了物流多配送中心的运输问题,文章运用新的交叉变异方法提出了一种改进的遗传算法。该算法保持了良好的种群多样性,具有更高的性能。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

基于改进免疫算法的有能力约束车辆路径问题

针对遗传算法、免疫遗传算法在解决车辆路径问题(VRP)中存在的问题与不足,提出了一种改进免疫遗传算法。该算法主要在检查个体的多样性程度方面进行了简化,运用多样性指数阈值控制种群个体的多样性。通过有能力约束VRP的实验验证了新算法,得到了满意的效果。     

遗传算法在家纺企业生产调度中的应用

为解决家纺企业的生产调度问题,设计了一种新颖的遗传算法.算法采用自然的编码方式,能有效地反映实际调度方案,即清楚反映出每日每机器加工产品的顺序和数量,通过提出一种新的基于浓度的种群多样性更新选择方法,提高了种群多样性,且利用局部搜索算法对每子代得到的调度方案进行了局部调整,改善了种群质量,加快了收敛速度.仿真结果表明,此算法是有效的,适用于解家纺企业实际生产调度问题.     

A novel genetic algorithm preventing premature convergence by chaos operator

ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ(ＧＡｓ),ａｓａｋｉｎｄｏｆｓｅａｒｃｈｉｎｇａｎｄｏｐｔｉｍｉｚｉｎｇａｌｇｏｒｉｔｈｍ,ｉｓｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｓｏｆｎａｔｕｒａｌｅｖｏｌｕｔｉｏｎ[1].Ｉｔｈａｓｂｅｅｎｅｓｔａｂｌｉｓｈｅｄａｓａｖｉａｂｌｅａｎｄｒｏｂｕｓｔｔｅｃｈｎｉｑｕｅｆｏｒｓｅａｒｃｈｉｎｇａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｃｒｏｓｓａｄｉｖｅｒｓｅｄｏｍａｉｎｏｆｄｉｓｃｉｐｌｉｎｅｓ.Ｈｏｗｅｖｅｒ,ｗｈｅｎａｐｐｌｙｉｎｇＧＡｔｏｓｏｌｖｅｌａｒｇｅｓｃ…     

基于混合搜索策略的Job Shop调度研究

目的 提出基于遗传算法和禁忌搜索算法的混合算法，解决单一算法求解JobShop调度问题存在的不足，提高求解质量．方法 采用遗传算法作为全局搜索算法，禁忌搜索算法作为局部搜索算法．根据JobShop调度问题解的特征。提出基于关键工序的邻域选择方法，将基于这种邻域选择方法的禁忌搜索算法作为变异算子，加强了遗传算法邻域解的搜索能力．结果 混合算法在较短时间内，找到了FT10、LA24、LA36等典型benchmarks问题的最优解，得到的makespan的平均值较并行遗传算法（PGA）提高3．84％、较TSAB算法提高4.66％．结论 采用的禁忌搜索算法改善了遗传算法的局部搜索能力，说明提出的混合搜索策略是有效的．