求解多目标组合优化的改进Pareto适应度遗传算法

将Pareto适应度遗传算法(PFGA)与局部搜索相结合,提出了一种用于求解多目标组合优化问题的改进算法IPFGA,该算法基于Pareto支配关系对遗传操作产生的每一个个体进行局部搜索,并采取在外部群体中引入拥挤距离的精英选择策略。实验结果表明,与PFGA相比,IPFGA有更快的收敛速度。     

多目标混合遗传算法求解流水车间调度问题

为高效地求解多目标流水车间调度问题,提出了一种多目标混合遗传算法,此算法将局部搜索融入进化计算中,采用非劣解并行局部搜索策略,并依据基于Pareto支配关系的个体排序数和密度值进行适应度赋值,以加速算法的收敛,保持群体多样性.仿真结果表明,新算法能够有效地解决多目标流水车间调度问题.     

浅述建筑装饰工程的项目管理

提高装饰工程项目管理的管理控制力度,需要从项目建设过程的各个环节入手,实施严格的质量管理控制标准,只有这样才能真正有效的改善装饰工程的最终建筑效果。     

无成组技术条件下流水车间调度的多目标优化

针对有工件组调整时间的流水车间调度问题,提出了无成组技术假设条件下的多目标优化模型,并设计了一种进化计算与局部搜索结合的混合遗传算法.模型的目标函数是最小化最大完工时间和最大拖期.在局部搜索过程中,根据问题的特征定义了两种邻域结构,采取两阶段搜索策略,以提高算法的优化搜索效率.进化过程中,采用基于个体的累计排序数和密度值的适应度分配方法,以保持群体多样性,并采取精英保留策略,以保证解的收敛性.通过测试问题和实际问题的实验以及与其他算法的比较,验证了所提模型和算法的有效性.     

带调整时间的多目标流水车间调度的优化算法

为高效地求解带调整时间的多目标流水车间调度问题,提出了一种多目标混合遗传算法,此算法依据基于Pareto优于关系的个体排序数和密度值计算适应度,保持解的多样性,并采用非劣解并行局部搜索策略,提高算法的搜索效率.此外,引入精英策略保证算法的收敛性,在进化过程中通过淘汰掉个别最差个体,进一步加快解的收敛速度.仿真结果表明,新算法能够有效地解决带调整时间的多目标流水车间调度问题.     

流水车间成组工件调度问题的多目标优化算法

针对优化目标是最小化全部提前/拖期和机器调整次数的多目标流水车间成组工件调度问题,提出了一种改进的变权重进化算法结合延迟调整算法的联合优化方法。首先采用改进的变权重进化算法对加工排序进行寻优;其次,在给定调度序列的情况下采用延迟调整算法对加工时刻进行优化。仿真实验表明,所设计的算法能够有效地求解该类问题。     

一种用于求解多目标组合优化的混合遗传算法 *

为高效求解多目标组合优化问题 ,提出一种进化计算与局部搜索结合的多目标算法。此算法基于个体排序数和密度值进行适应度赋值 ,采用非劣解并行局部搜索策略 ,在解的适应度赋值和局部搜索过程中使用 Pa-reto支配的概念。实验结果表明 ,新算法不仅提高了优化搜索的效率 ,且能够找到更多的近似 Pareto最优解。     

带递归单元的模糊感知器的δ-规则的有限收敛性

针对带递归的模糊感知器,提出模糊δ-规则,其中样本以完全随机顺序输入。证明了若训练样本模糊可分,在一定条件下,算法有限收敛,即有限步训练后网络能将所有样本正确分类,可以准确完成模糊可分样本的分类问题。     

一种求解多目标组合优化的遗传局部搜索算法

为改善遗传算法求解多目标组合优化问题的搜索效率,提出一种新的遗传局部搜索算法.算法采取非劣解并行局部搜索策略以及基于分散度的精英选择策略,并采用基于NSGA-Ⅱ的适应度赋值方式和二元赌轮选择操作,以提高算法收敛性,保持群体多样性.实验结果表明,新算法能够产生数量较多分布较广的近似Pareto最优解.