运用变异算子随机搜索求解全局优化问题

通过改进遗传算法,提出一种求解全局优化问题的变异基随机搜索方法．该法以变异算子作为唯一的遗传算子,利用生物变异原理进行局部搜索,同时为使算法具有一定的全局搜索性能引入随机初始化技术．它具有较强的局部搜索能力,可在有限时间内取得较好解．仿真实验证明,本算法在求解全局优化问题上的有效性,并表明其局部收敛能力与求解结果均优于传统遗传算法．     

基于免疫遗传算法的网格工作流服务选择

随着OGSA(open grid service architecture)的提出,在网格环境中,如何进行服务的选择是一个热点问题.对于DAG(directed acyclic gragh)描述的网格工作流模型,考虑时间和费用两个Qos(quality of service)参数,即满足用户截止期的前提下,为工作流选择尽可能便宜的服务.对于一般遗传算法的求解问题时出现的早熟和退化现象,采用了免疫算子和遗传算子相结合的免疫遗传算法来进行搜索全局解,并且加入了自适应遗传交叉算子和疫苗提取来提高搜索能力.仿真试验证明文章的算法具有较好的解空间搜索性能.     

一种基于阈值对偶算子的优化组合遗传算法

针对遗传算法局部搜索能力差的问题,模拟生物基因的对偶性,本文提出的阈值对偶算子,与对偶算子的性能相比较,既改善了遗传算法的局部搜索性能,又减小了对种群多样性的影响,与具有良好全局搜索性能的遗传算子组合,构造了一种基于阈值对偶算子的优化组合遗传算法.从理论上证明了算法的收敛性,实验结果表明,该算法具有更好的寻优能力,对应用串型编码的遗传算法解决优化问题具有很好的借鉴意义,阈值可根据求解问题特征和局部搜索强度而设定.     

遗传算法中"免疫算子"的构造与性能

文章在研究了遗传算法的编码方式、控制参数和算子操作之后,针对其全局收敛性不足的问题,在基本遗传算子的基础上采用免疫遗传算子和保优策略来防止交叉变异中的个体退化,保证遗传算法尽快收敛到全局最优解.阐述了“免疫算子”的构造及运行机理,分析了算法的性能.以25杆桁架结构可靠性优化问题作为例子说明该算法的优越性.结果表明该方法具有较好的收敛性和收敛效率,因此是一种可行的基于可靠性的结构优化策略.     

基于爬山算子和适应值共享的改进遗传算法

提出了一种基于爬山算子和适应值共享的改进遗传算法,将局部搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.爬山算子以黄金分割法为基础,依次对个体每一维进行优化.数值实验证明,改进后的新算法优于当前一些较好的遗传算法.新算法既有较快的收敛速度,又能以较大概率搜索到优化问题的全局最优解.     

一种改进混合遗传算法解决车间作业调度问题的研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向,由于其固有的计算复杂性(NP-Hard),一般无法利用经典方法求出最优解.针对作业车间调度问题,提出一种求解作业车间调度问题改进的遗传算法.该算法对交叉算子和变异算子进行改进,并将遗传算法和启发式算法相结合,建立一种混合算法框架,能有效避免局部最优.通过实例的计算和分析,取得了良好的调度效果,论证了算法的有效性和稳定性.     

可拓聚类适应度共享小生境遗传算法研究

针对遗传算法易陷入早熟收敛和全局搜索能力差等缺点,提出一种基于可拓理论的小生境遗传算法.算法首先构造了遗传编码物元和可拓遗传算子,然后通过可拓聚类方法实现小生境群体的划分,结合适应度共享技术和聚类代表个体保存策略,维持稳定多样的小生境.仿真实验表明,该算法能可靠、快速地收敛到全局最优解,有效避免早熟收敛,其收敛速度和求解精度均优于简单遗传算法和常规小生境算法.     

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。     

基于万有引力思想的遗传算子

借鉴万有引力搜索算法和局部搜索思想,对遗传算法中的算术交叉和非均匀变异算子进行了改进,将万有引力搜索和混沌搜索引入新算子.新算子能够充分利用最优个体信息,兼具有全局搜索与局部搜索性能.仿真实验表明,新算子不但加快了算法的收敛速度,而且提高了求解精度.     

改进量子交叉遗传算法在TSP问题中的应用

为提高遗传算法求解旅行商问题的效率,提出了一种改进量子交叉算子遗传算法.与经典量子全干扰交叉算子中城市的选择完全依赖于其位置的选择策略相比,新算子在选择城市时加入了父代优质解的有用信息,从而在维持解的多样性的同时,提高交叉所产生新解的质量.仿真算例结果表明,改进交叉算子遗传算法有着良好的全局搜索和局部挖掘能力,针对TSP问题的最优解、平均解均优于传统算法.     

求解平衡运输问题的改进遗传算法

采用改进遗传算法求解平衡运输问题,针对平衡运输问题及其数学模型,应用改进的选择算子、交叉算子、变异算子和自适应交叉概率与变异概率等遗传算法机制,通过实例表明,该算法在求解平衡运输问题上的优越性.     

遗传优化神经网络的一种改进算法

提出一种搜索算子．结合自适应交叉和变异算子，构成了遗传优化神经网络的一种改进算法。将这种算法用于一个算例的计算。与遗传优化BP算法相比较，发现遗传优化BP算法出现了网络瘫痪问题，改进算法则取得了较好的运算结果。     

敏捷制造中面向盟友选择问题的遗传算法

为解决敏捷制造中组建动态联盟的盟友选择问题,在分析传统盟友选择方法局限性的基础上,设计求解敏捷制造中面向盟友选择问题的遗传算法,建立算法模型,论述遗传算法的个体编码及初始群体产生方法、概率淘汰与轮盘赌相结合的选择方法以及编码循环取值的变异算子设计方法,实例分析验证了算法的稳定性、可靠性及高效的收敛速度.验证结果表明算法能给相关研究提供参考,亦可用于动态联盟盟友选择问题的指导.     

移动IP中基于遗传算法的优化路由算法

提出了移动IP中带网络负载平衡的路由问题,通过建立网络模型,采用基于矩阵编码的改进遗传算法解决问题.遗传算法采用以矩阵编码为基础的交叉算子和变异算子,并使用排序选择算法作为选择算子.给出了改进算法的复杂度,从理论上证明了该算法的收敛性.仿真结果表明该算法具有很好的收敛性,并给出了在不同种群数(20～50)和交叉概率(0～75%)下最优解在一定值附近.采用此路由选择策略能够使移动IP网络中的网络带宽得到合理分配,优化了网络的性能.     

一种求解TSP问题的改进遗传算法

旅行商问题(Traveling Salesman Problem TSP)是一个典型的组合优化问题,但应用基本遗传算法求解TSP问题时存在许多不足.结合TSP问题的特点,提出一种改进的遗传算法:应用贪心策略初始化种群,用2-opt对其进行优化,使得在初始个体中就包含较优子路径,在一定程度上加快算法收敛性,防止早熟和近亲繁殖.对交叉算子和变异算子进行改进后,既能维持种群的多样性,也保留了父代个体大部分优良性能.应用改进的算法对20个城市的TSP问题进行求解,结果表明该算法求解速度快而且求解的质量较好.     

基于逆序与对偶组合算子的小生境遗传算法

在逆序算子和对偶算子的性能研究基础之上,设计了逆序与对偶组合遗传算子,增强了局部搜索性能．通过引入共享机制小生境技术,并且采用自适应策略,对种群的多样性进行有效保护。构造了一种基于逆序与对偶组合算子的小生境遗传算法,较好地解决了局部搜索与全局搜索之间的矛盾,保证了算法的全局收敛性．算例测试表明该算法具有较强的整体寻优能力．     

自适应分层交互式遗传算法及其应用

针对交互式遗传算法存在用户易疲劳问题，提出基于求同算子的自适应分层交互式遗传算法，给出分层的思想、分层时机的选择以及分层方法，分析算法的效率，将其应用于服装设计中，实验结果验证了方法的有效性。     

柔性生产中人员配置模型及其调度算法

为减少柔性生产企业的劳务费用,提高运营效益,以合理的人工分配方案和最佳作业排序为目标建 立了数学模型,并设计一种多目标混合算法．将作业分解为子作业层和父作业层,采用遗传算法和动态规划 法获取最佳的人工分配方案．在人工优化模型的基础上利用模拟退火遗传算法,将搜索空间限制在第一工位 工件投产序列的置换向量空间内,并采用交叉算子和变异算子对选择算子进行了重新设计,生成最优作业排 序计划．一组测试问题的求解结果表明了所提出方法的有效性及鲁棒性     

基于满意域和禁忌域的交互式遗传算法

针对交互式遗传算法中用户易疲劳问题，提出求同算子与求异算子，基于此给出搜索空间的划分及演化方法，提出基于满意域和禁忌域的交互式遗传算法，该方法可以引导遗传算法在不断缩小的空间中产生新个体，从而提高收敛速度，减少进化代数，达到减轻用户疲劳的目的．利用此方法进行服装设计的实验结果表明，该方法可以有效解决用户疲劳问题。