贪心遗传算法求解组合优化问题

许多问题最终可以归结为求解一个组合优化问题,GA是求解组合优化问题的一个强有力的工具,但遗传算法在应用中常出现收敛过慢和封闭竞争问题,本文提出贪心遗传算法。该算法的初始种群建立、交叉和变异等过程,都引入贪心选择策略指导搜索;移民操作向种群引进新的遗传物质,克服了封闭竞争缺点。贪心遗传算法可以避免早熟收敛并改进算法的性能,算法搜索起步阶段的效率是非常高的,本文通过TSP问题仿真试验证明了算法的有效性,在较少的计算量下,得到令人满意的结果。     

级联多电平逆变器帝国竞争特定谐波消除方法

为了解决级联型多电平逆变器SHEPWM的开关角度问题，采用了求解级联H桥七电平逆变器SHEPWM非线性方程组的帝国竞争算法。克服了传统数值方法依赖初值的缺点，和遗传算法相比具有更高的精度和更快的收敛速度，并且以较高的概率收敛到全局最优。利用DSPTMS320F2812构建实验平台进行研究，验证了帝国竞争算法求解的正确性。     

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。     

遗传蚁群融合算法求解多项目资源能力平衡问题

为探索更高效的多项目资源能力平衡优化方法,提出了一种基于遗传蚁群融合算法的求解方法。建立了以单位时间内所有项目的总资源消耗方差为优化目标的问题模型,并设计了模型求解的遗传蚁群融合算法。该算法前过程采用遗传算法进行迭代求解,充分利用遗传算法的快速性和全局收敛性,生成初始信息素分布;后过程采用蚁群算法,充分利用蚁群算法的正反馈性和求精解效率高等特点收敛到最优解。通过具体算例验证了算法的可行性和有效性。     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

基于混合遗传算法的混合装配线排序问题研究

为使混合装配线有效运作,研究了混合装配线的生产排序问题。以装配线上各种零部件消耗速率均匀化和最小生产循环周期最短为优化目标,描述了多目标排序问题,并建立了优化模型。针对基本遗传算法在求解排序问题时的早熟收敛问题,提出一种改进混合遗传算法。该算法借助模拟退火算法思想对适应度尺度进行调整,使遗传进化初期削弱种群中个体适应度差异,而在遗传进化后期强化种群中个体适应度差异,以提高对最优解的搜索能力。同时,根据个体适应度自动调整遗传操作参数,既保存了种群中的优良个体,又不失个体的多样性。最后通过案例分析验证了算法的有效性。     

基于特征加工元的复杂箱体类零件工艺路线优化

针对工艺设计过程中工艺路线的优化问题,通过分析复杂箱体类零件特征,并将其细分为加工元,在考虑优化过程中存在的问题和相关工艺约束的基础上,将工艺路线的优化转化为加工元的优先排序。以机床、夹具和刀具变换次数最少建立目标优化模型,利用改进的遗传算法进行求解,避免了遗传算法“早熟”的缺陷。以某型号缸体为研究对象验证该改进算法的有效性,结果表明该算法具有很好的收敛性。     

正交Alopex算法在机械优化设计中的应用

针对Alopex算法对初值敏感的特性及正交设计可以使初始种群在空间分布更加均匀的特点,提出了正交Alopex算法。该算法为了克服后期"早熟"收敛的缺陷,引入了变异操作。数值仿真结果及两个工程优化问题的求解结果表明,所提出的算法能有效避免"早熟"收敛,且求解结果优于传统优化及比较算法。     

基于遗传算法与有向图拓扑排序的工艺路线优化

针对工艺设计中的工艺路线优化问题,归纳了工步间的基本优先级约束关系。基于约束关系,将整个工艺活动过程转化为工步有向图,工步节点间的拓扑关系以约束矩阵的形式存储。提出了约束矩阵判错的检测方法;建立了工步图的拓扑排序模型。设计了一种随机的深度优先搜索算法对工步图进行拓扑排序,得到全部可行的一定数目初始工艺计划作为遗传算法的初始种群。算法中,提出了基于车间动态资源的加工序列编码策略;定量分析了工艺计划评价准则,采用罚函数的方法将目标函数和约束条件建立成一个无约束的优化目标函数,由此确定了染色体的适应度函数;设计了遗传操作算子(选择、交叉、变异),并通过基于模拟退火机制的精英策略加速算法收敛。最后,通过实例证明了该算法的有效性。     

一种初始种群算法的应用研究

在求解一种铁路客运座位控制模型时,由于该模型是一种随机规划模型,采用了遗传算法对其进行求解。在选择初始种群算法时,本文应用了由王福林等人提出的一种新的初始种群算法,取得了比较好的效果,对求解其他约束优化问题时有一定的借鉴意义。     

改进初始种群的遗传算法解决柔性车间调度

初始种群对遗传算法求解的质量和速度有决定性影响,传统遗传算法求解FJSP问题时,一般是随机生成初始种群,在迭代初期会形成许多无效方案,只有经过复杂的运算才会形成较优的方案,这样就会降低算法的收敛速度,对柔性作业车间调度的特点进行研究之后,提出了对初始种群给予基于全程检索规则编码生成初始种群的策略,提高初始种群质量的同时,也不会失去其多样性,而且还能提高全局收敛性。实例用改进的遗传算法,将结果与用传统遗传算法得到的结果比较,证明了改进算法的优势。     

基于果蝇优化算法的船舶管加工车间多目标生产调度研究

为了提高船舶管加工车间的生产效率,考虑多种现实约束和优化目标,建立了多目标生产调度问题的数学模型。同时,根据果蝇优化算法的基本框架,结合Pareto优化理论的思想,设计和改进嗅觉搜索、视觉搜索及种群更新等多种策略,制定了多目标果蝇优化算法框架,提出了基于果蝇优化算法的求解方法,实现船舶管加工车间多目标生产调度问题的高效求解。通过与第二代非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm II, NSGA-II)的对比实验,验证了所提方法的有效性。     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构。使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果。通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性。由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量。通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性。     

基于遗传算法的加工工艺决策与排序优化

针对箱体类零件的工艺路线排序问题,以总生产时间最短为优化目标,建立了加工中心零件的工步排序数学模型。考虑加工中心多次装夹下零件特征有多种加工方案的情形,通过引入特征约束矩阵和加工优先级系数,保证了工艺规划中约束的合理性。设计了相应的初始种群生成、染色体的选择、交叉和变异策略,利用遗传算法对加工方案进行选择与排序。最后通过多个实例分析验证了该方法可以有效提高工艺规划中加工工艺的排序优化能力。     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构.使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果.通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性.由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量.通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性.     

基于混合遗传鲸鱼优化算法的柔性作业车间自动导引车融合调度方法

针对柔性作业车间调度问题,考虑自动导引车(AGV)在车间制造过程中只参与装卸和搬运工作,提出一种实现AGV路径规划与柔性作业车间调度集成优化的融合调度模型。采用基于工序排序与机器选择两个子问题的二维向量编码方案,并在解码过程中提出基于最先服务原则的AGV安排策略。对鲸鱼优化算法进行离散化改进,针对性地设计了多种种群初始化策略,引入遗传算法的交叉、变异操作以提升鲸鱼优化算法的全局搜索能力,并嵌入局部搜索算法以达到全局搜索和局部搜索的平衡,构建了一种混合遗传鲸鱼优化算法（HGWOA）来求解该融合调度模型。通过经典测试算例验证了算法性能,并使用正交试验优化了算法参数。研究结果表明,HGWOA算法用于求解柔性作业车间AGV融合调度问题可以获得较好的效果。     

面向作业车间调度的基于拓扑排序的二级嵌套蚁群算法研究

蚁群算法的出现,为求解作业车间调度问题提供了新思路。然而,由于作业车间调度问题的可行域属性非常复杂,目前,采用蚁群算法进行求解,还存在收敛可靠性差和优化程度不高的问题。针对以上两个问题,在对工序拓扑排序的约束特性进行分析的基础上,提出基于拓扑排序的二级嵌套蚁群算法,其基本思想是:以拓扑排序为基础,采用受限主路径覆盖可行域,从而降低搜索的规模和盲目性,提升收敛可靠性;将问题分解为工艺路径优化和设备遴选优化两个级别的问题,从而构造二级优化机制,采用工艺主路径与设备支路径嵌套递归的方式,实现工序排序与设备遴选之间的相互干涉,从而提升解的满意度。比较试验表明,与目前常用的蚁群算法求解方法相比,采用基于拓扑排序的二级嵌套蚁群算法求解作业车间调度问题,具有良好的收敛可靠性、求解效率和寻优能力。     

超启发式遗传算法柔性作业车间绿色调度问题研究

针对启发式算法通用性较差的问题,建立了多目标柔性作业车间绿色调度模型,设计了一种超启发式遗传算法对问题进行求解.首先,建立了以最大完工时间和最小能耗为目标的柔性作业车间绿色调度模型,并设计了超启发式遗传算法对模型进行优化求解;然后,对于高层启发式策略采用遗传算法,随机生成初始种群,对种群进行了选择、交叉和变异操作,并且...     

基于JIT的并行多机问题的病毒进化遗传算法

为了解决提高顾客对完工时间满意度的提前/拖期调度问题,提出了一种将病毒进化遗传算法和单机问题的有效算法相结合的求解方法。在该方法中,病毒进化遗传算法采用整数编码,简化了算法的实现难度,提高了算法的执行效率。每个染色体都代表完成零件加工的机器编码的组合,通过病毒种群对主种群的病毒感染,提高了逃脱局部极点的搜索能力。在每一代种群中,调用单机问题的有效算法,使达到用户满意度的零件数最大。数值仿真实验表明,该算法具有收敛速度快、优化效果好等特点,且适合于求解大规模问题。     

结合混合进化算法和知识的多目标车间调度

提出了一种结合混合进化算法和知识的新型多目标车间调度方法，在有限的时间或迭代次数下可以得到更好的非支配Pareto解以服务于生产调度。由优化目标和属性归纳演绎法确定了知识挖掘的工件属性，通过优先级权重得到了规则初始种群。所提出的增减排序方法通过重新局部排序初始种群中工序的位置来克服优先级下工序不足或过饱和的问题。最后由一标准案例和非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）混合模拟退火算法对所提调度方法进行了验证，得到的结果无论是优化目标值还是解集的分布在不同迭代次数和初始种群尺寸下都要优于传统随机进化方法。