遗传算法求解TSP问题的FPGA实现

TSP问题是一种典型的组合优化问题。基于FPGA实现会提高求解速度，能推动TSP问题在其它实际工程的应用。具有实用性意义。本文提出了一种基于FPGA求解TSP问题的遗传算法的硬件系统。首先针对TSP问题的特点，进行算法选择，确定了一个易于硬件实现的算法。然后提出了一个能进行群体存储、适应度处理、选择、交叉和变异等操作的硬件结构。通过流水线结构和并行化操作，提高了系统运行效率。     

旅行商问题优化分析及实现

TSP问题是一个典型的组合优化问题,一般很难精确地求出其最优解,因而寻找出有效的近似求解算法就具有重要的意义。因此,针对TSP问题,提出一种多交叉变异策略的遗传算法,在解决该类问题上取得较好的效果。     

多堆场集装箱卡车路径规划的混合蚁群算法

为提升集装箱运输系统的运输效率,以进口港口为背景,研究了多堆场集装箱卡车运输路径规划问题。通过图建模将问题转化为非对称多旅行商问题,建立了带时限约束的以最小化总工作时间为目标的线性混合整数规划数学模型。鉴于问题的复杂性,提出了给定序列的动态规划分割算法以及生成序列的改进蚁群算法,以此构造了求解该问题的混合蚁群算法。数值实验表明,混合蚁群算法在优化性能上明显优于禁忌算法和遗传算法,是求解该类问题的有效算法。     

一种求解TSP问题的粒子群算法设计

旅行问题(Traveling Salesman Problem,简称TSP)是求一次遍访指定城市并返回出发城市的最短旅行路线的问题,它是图论中一个经典的NP完全问题,用电子计算机需要指数级的时间才能得到解决.尝试用粒子群算法来求解旅行商问题,结合遗传算法的思想,并且给出交叉和变异操作的设计.该算法符合组合优化问题的特点,在求解旅行商问题上有较高的搜索效率.     

遗传算法求解TSP问题的改进

针对遗传算法解决TSP问题的特点,构造出遗传算法需要的初始种群.运用相同算法对改进前后的两种种群进行实验,得出改进方法具有增强遗传算法效率的作用.     

用混合型蚂蚁群算法求解TSP问题

介绍了求解TSP问题的混合型蚂蚁群算法，并以att532(美国532个城市)为例给出了计算实验结果，说明了混合型蚂蚁群算法能改进标准蚂蚁群算法的计算效率和计算结果的质量。     

浅谈计算机网络可靠优化计算过程中有效应用遗传算法

在计算机网络可靠度优化计算过程中,遗传算法以其自身简单的算法结构,高超的搜索效率,迅捷的求解速度和强大的实用性在全局计算中获得最优解的近似值,相对于传统算法,遗传算法在网络可靠度优化计算问题上有着明显的优势,计算速度得到前所未有的加快,计算效果因而得到有效优化,操作性能也大大提高。另外,遗传算法可以有效地完成降低网络成本的重要目标,并且在原有基础上将网络可靠度进一步提高,同时兼顾链路的介质成本问题、数学模型求解等问题。对计算机可靠度优化计算中遗传算法的有效应用问题进行分析与论证。     

考虑空间邻接关系的二维货架空间分配问题研究

货架资源的紧缺性使货架空间分配问题成为零售市场中被重点关注的领域。本文在二维货架空间分配模型的基础上，考虑了产品空间邻接关系的影响，建立了混合整数非线性规划模型，并设计了改进型随机密钥遗传算法进行求解，最后使用多个算例进行了广泛验证。在小规模问题中，通过本文设计算法、基准遗传算法和Lingo求解结果比较，发现本文设计算法相对于Lingo在求解效率上有很大提升。在大规模问题中，通过本文设计算法和基准遗传算法比较，发现在收敛时间相近的情况下，本文算法效果更好。通过对加入空间邻接关系效应与否进行对比分析，发现在考虑该效应的情境下，所有算例的利润值都有所提升，并且随着上架产品种类数增多，利润及其增量呈现先增后减的趋势。     

码头出口箱的场吊作业调度模型及遗传算法研究

对集装箱码头上出口箱的装载作业调度控制直接影响码头的整体运营效率。研究了多台场吊的装载作业序列调度问题,同时考虑场吊在不同箱区之间的转场和在单个箱区内的作业序列调度。提出了一个混合整数规划模型对问题进行建模,并定义了场吊作业时的碰撞和跨越干涉约束。该问题为NP-hard问题,因此开发设计了遗传算法对问题进行求解,并提出了一个问题低界求解算法对遗传算法进行评价。实验研究证明算法能有效地解决该问题。     

基于三方博弈的改进遗传算法求解多目标柔性作业车间调度

针对柔性作业车间的特点,以最小化完工时间、总机器负荷最小和临界机器负荷最小为目标,提出了基于三方博弈的改进遗传算法求解多目标柔性作业车间调度模型。通过三方博弈,使三个优化目标之间的博弈策略实现最优组合,从而获得子博弈完美纳什均衡,即为问题的优化组合解。为优化种群质量,将改进遗传算法应用于多目标柔性作业车间调度问题的求解过程,采用帕累托分类思想,对种群进行选择和精英保留,以优化种群结构;通过设计交叉、变异和局部搜索机制进一步寻找目标函数的最优解。为证明算法的有效性,运用基准算例对算法的求解性能进行了验证。其结果表明,所提算法在求解结果上有明显的改善,求解效率更高。     

用模拟退火算法解旅行商问题

对解旅行商问题的模拟退火算法作了改进,增加了产生新解的函数,修改了原算法计算旅行回路总长度的代价函数,并用混沌随机序列替代不适宜的随机函数.从而用TurboC实现了改进算法.实验表明,改进算法对于解旅行商问题是实用的.     

Cloud manufacturing resources fuzzy classification based on genetic simulated annealing algorithm

To solve the problem of fuzzy classification of manufacturing resources in a cloud manufacturing environment, a hybrid algorithm based on genetic algorithm (GA), simulated annealing (SA) and fuzzy C-means clustering algorithm (FCM) is proposed. In this hybrid algorithm, classification is based on the processing feature and attributes of the manufacturing resource; the inner and outer layers of the nested loops are solving it, GA obtains the best classification number in the outer layer; the fitness function is constructed by fuzzy clustering algorithm (FCM), carrying out the selection, crossover and mutation operation and SA cooling operation. The final classification results are obtained in the inner layer. Using the hybrid algorithm to solve 45 kinds of manufacturing resources, the optimal classification number is 9 and the corresponding classification results are obtained, proving that the algorithm is effective.     

基于互信息和混合算法的印刷图像配准

目的为了提高印刷图像配准的精度,提出一种基于混合搜索算法的图像配准方法。方法首先求取图像的归一化互信息,然后利用GA算法(遗传算法)进行全局搜索,得出粗配准参数;最后,利用Powell算法进行局部寻优,得出精配准参数。结果混合算法的配准结果与只用单一Powell搜索算法或只用单一GA搜索算法相比,在各个几何变换方向上得到了更小的配准误差。结论与GA算法和Powell算法相比,文中建议的混合算法配准精确度更高、速度更快。     

基于Lévy Flight的混合GA在柔性作业车间调度问题中的性能分析

近年来,柔性作业车间调度问题(FJSP)由于其NP难特性与在制造系统中的广泛应用被大量关注。为提高该类问题求解效率,本文在标准Lévy flight的基础上提出了一种新的离散Lévy flight搜索策略,并将该策略与遗传算法框架结合,形成一种离散Lévy flight策略的混合遗传算法。该混合算法通过使用离散Lévy flight搜索策略对每代精英种群进行变步长搜索,提高了算法的局部搜索能力,增强了种群多样性。本文通过将CS、GA和TLBO等经典算法作为对比算法,对不同规模的54个FJSP算例进行实验,证明了所提出的算法具备更好的收敛效果与稳定性,适合于求解大规模FJSP。     

A hybrid topology optimization algorithm for structural design

A hybrid algorithm for solving structural topology optimization problems is presented. This hybrid algorithm combines the method of moving asymptotes (MMA) algorithm and the modified globally convergent version of the method of moving asymptotes (MGCMMA) algorithm in the optimization process. This hybrid algorithm preserves the advantages of both MMA and MGCMMA. The optimizer is switched from MMA to MGCMMA automatically, depending on the numerical oscillation value during the optimization. This hybrid algorithm has improved calculation efficiency and accelerated convergence when compared with the MMA or MGCMMA algorithm, which is demonstrated with three examples.     

基于密度峰值聚类的VRPTW问题研究

提出一种密度峰值聚类 (density peak clustering, DPC)与遗传算法(genetic algorithm, GA)相结合的新型混合算法(density peak clustering with genetic algorithm, DGA),求解带时间窗的车辆路径问题。首先应用DPC对客户进行聚类以缩减问题规模,再将聚类后的客户用GA进行线路优化。结果表明：DGA在9个数据集上的平均值比模拟退火(simulated annealing, SA)和禁忌搜索(Tabu)分别提高了13.41%和4.7%,单个数据集最大提高了26.4%。这证明了该算法是求解车辆调度问题的高效算法。     

基于鱼骨型仓库布局的多车拣选路径问题优化

为了推动鱼骨型仓库在实际场景下的应用,针对鱼骨型仓库布局下的拣货路径优化问题,构建待拣货点距离计算模型和以有载重、容积限制的多车拣货距离最短为总目标的拣选路径优化模型。考虑遗传算法(GA)全局搜索能力强、粒子群算法(GAPSO)收敛速度快以及蚁群算法(ACO)较强的局部寻优能力,提出一种解决拣选路径优化模型的混合算法(GA-PSO-ACO)。通过不同订单规模的仿真实验,得出该混合算法在适应度值、迭代次数、收敛速度等方面均优于GA算法和GAPSO算法,且在订单规模较大时,平均适应度值约降低8%,有效缩短了总拣选距离,验证了混合算法在解决鱼骨型仓库布局下的拣货路径问题的先进性和有效性,为解决此类仓库内部的拣货路径问题提供新的解决方法和思路。     

A hybrid genetic-immune algorithm with improved lifespan and elite antigen for flow-shop scheduling problems

In this paper, a hybrid genetic-immune algorithm (HGIA) is proposed to reduce the premature convergence problem in a genetic algorithm (GA) in solving permutation flow-shop scheduling problems. A co-evolutionary strategy is proposed for efficient combination of GA and an artificial immune system (AIS). First, the GA is adopted to generate antigens with better fitness, and then the population in the last generation is transformed into antibodies in AIS. A new formula for calculating the lifespan of each antibody is employed during the evolution processes. In addition, a new mechanism including T-cell and B-cell generation procedures is applied to produce different types of antibodies which will be merged together. The antibodies with longer lifespan will survive and enter the next generation. This co-evolutionary strategy is very effective since chromosomes and antibodies will be transformed and evolved dynamically. The intensive experimental results show the effectiveness of the HGIA approach. The hybrid algorithm can be further extended to solve different combinatorial problems.     

基于MATLAB的一种混合遗传算法的研究

在简要分析简单遗传算法的基础上,介绍了一种改进的混合遗传算法.使用MATLAB语言编制了GA及其改进算法的实现程序,改进算法可以大幅度提高GA用于求解复杂问题的鲁棒性.多峰值函数优化结果表明,该算法能更有效地达到全局最优解.