遗传算法在优化问题中的应用研究进展

分析了传统优化方法的局限性，阐述了遗传算法的基本思想和特点，综述了遗传算法在函数优化领域的主要成果，并指出需要进一步研究的工作。     

多种群变换遗传算法及其在优化调度中的应用

提出了一种基于多种群思想的遗传算法,研究了种群数目对收敛速度的影响及确定原则,设计了适合连续离散规划问题求解的交叉与变异算子以及评价函数参数,通过与一般遗传算法比较、统计计算及对某载重轮胎厂生产调度系统仿真,表明该算法的收敛速度有很大提高,并能够很好解决连续与离散状态并存和规模较大的一类混合生产过程的调度问题。     

遗传算法理论及其应用研究进展

首先阐述遗传算法的原理和求解问题的一般过程;然后讨论了近年来从遗传算子、控制参数等方面对遗传算法的改进,并对遗传算法在计算机科学与人工智能、自动控制以及组合优化等领域的应用进行陈述;最后评述了遗传算法未来的研究方向和主要研究内容。     

遗传算法在一类组合优化中的应用

文章研究了一类组合优化问题如：多路旅行商问题（MTSP）及分配问题。其实质为排序优化,提出了基于GA求解排序优化的求解策略,解释了实现该算法的一些关键问题,计算机模拟结果表明了该方法的有效性。     

浮点数编码遗传算法及其在电站机组组合优化中的应用

对遗传算法进行浮点数编码并设计相应的遗传操作,得到浮点数编码的遗传算法ＦＧＡ。仿真实例表明：与ＡＧＡ相比,ＦＧＡ不易陷入局部极值,收敛速度快,且能得到较高的优化精度。ＦＧＡ应用到电站机组组合优化问题中,得到良好的结果。     

一种改进遗传算法在旅行商(TSP)问题中的应用

遗传算法（GA）是一种基于自然群体遗传机制的高效搜索算法，由于它在搜索空间中同时考虑许多点。这样就减少了收敛于局极小的可能，同时也增加了处理的并行性。因此，可以利用遗传算法研究典型的组合优化实例－TSP问题的求解问题。本文采用了启发式三交叉算子并提出了一种全新的变异算子，使得收敛速度更快，能更有效的解决TSP问题。     

遗传算法在货运车辆优化调度中的应用

本文在阐述了遗传算法基本理论和车辆优化调度基本理论的基础上,进一步论述了遗传算法在一般车辆优化调度中的应用。参考近年来遗传算法应用于车辆优化调度的一些文献,对应用于不同情况下货运车辆优化调度的遗传算法进行了总结和分析。最后对本文进行总结,并对未来的遗传算法在货运车辆优化调度中的应用提出了发展趋势。     

组合优化问题中遗传算法的局限性及其改进模式

遗传算法在解决多峰函数求解，多目标规划和生产调度等问题时，相对其它优化算法具有一定的优势，但仍存在严重的局限性，尤其表现在组合优化的求解问题中，为此，提出一种“生物进化过程＝遗传操作＋免疫功能”的新模式，并通过生产调度的求解问题验证了该算法的有效性。     

遗传算法在供应链优化问题中的应用

本文以新疆某番茄酱厂番茄酱生产过程信息化项目为背景,主要针对生产计划中的供应链出现的问题,提出了一个新型供应链优化模型,并且采用遗传算法对其求解。     

一种竞争算法及其在组合优化问题中的应用

提出了一种全局搜索算法——竞争算法,它通过一个种群中各个体之间的互相激励、互相竞争,最终达到共同优化.竞争算法在思想上独立于遗传算法.在组合优化问题中,对这种类型的算法进行的仿真,取得了令人满意的结果.     

一种求解图着色问题的优化组合遗传算法①

图着色算法是一种典型的NP-完全问题。在逆序算子、对偶算子和矩阵遗传算子的性能研究基础上,采用自然数与二进制相互转换的编码方案,应用图着色问题的约束条件建立适应度评价函数,将具有良好局部搜索性能的矩阵遗传算子与具有良好局部搜索性能的逆序与对偶组合算子优化组合应用,构造了一种用于求解图着色问题的优化组合遗传算法,保证了算法的全局收敛性。与基本遗传算法相比较,实验结果表明,该算法对图着色问题有较好的求解性能。     

遗传算法在非线性规划中的应用

非线性规划问题是运筹学中的重要分支之一，广泛应用于各个领域。为了解决非线性规划问题的全局优化问题．该文提出利用具有学习算子的遗传算法来进行求解。实例结果表明，该算法具有良好的求解效果。     

遗传算法在非线性规划中的应用

非线性规划问题是运筹学中的重要分支之一,广泛应用于各个领域。为了解决非线性规划问题的全局优化问题,该文提出利用具有学习算子的遗传算法来进行求解。实例结果表明,该算法具有良好的求解效果。     

用遗传算法求解应用层多播路由问题

由于IP多播部署面临的困难,应用层多播作为互联网多播服务策略逐步被人们认可。在分析了应用层覆盖网络特点的基础上,本文提出了一种更合理的应用层多播路由问题模型MRRB。该模型对延迟和负载均衡性等多个目标进行优化。同时,本文还分析了求解MRRB问题的复杂性,并给出了基于多目标遗传算法的求解方法。仿真实验与结果分析表明了该该方法的合理性和有效性。     

WTA问题的遗传算法研究

提出一种解武器－目标分配问题（weapon target assignment,WTA)的遗传算法,此方法根据遗传算法理论,设计了一种新的武器－目标分级在系式,并缩小了搜索的可行解空间,经多个战例的仿真表明此算法不仅全局收敛性好,稳定性高,易于进行并行处理,而且每个解都具有实际的可分配性。     

基于混合遗传算法的水电站优化调度应用研究

在众多解决高维组合优化问题的工具中,遗传算法具有较好的全局搜索能力,而禁忌搜索算法则在局部搜索方面优势明显。本文根据水电站优化调度问题的实际特点,提出了遗传算法与禁忌搜索算法相结合的混合优化算法,采取禁忌搜索算法替换遗传算法变异算子的混合策略。以此算法对一个实例进行了模拟计算和分析。     

实时环境下的问题求解*

实时环境下的问题求解是近年来规划问题研究感兴趣的话题.在讨论了传统规划算法的不足之后,引入了在实时环境下求解问题的方法——任意时间算法.任意时间算法可以合理分配时间资源,保证系统最佳的输出性能;同时,任意时间算法可以在任意时刻中断,并输出当时相对最优可行解.遗传算法具有任意时间算法的特性,在介绍了同其他搜索算法的不同之处后,通过实验得出利用随机搜索技术和知识指导相结合的方法,可以较好地处理实时规划问题.最后给出结论,并且简单地讨论了实时规划算法求解问题的策略,同时讨论了今后的发展方向.     

求解模糊Job Shop调度的遗传算法与蚁群算法融合研究

提出一种算法融合策略,解决单一算法求解模糊Job Shop调度问题存在的不足,提高这类问题的求解质量.算法融合策略中,采用遗传算法和蚁群算法进行并行搜索;根据模糊Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力.采用算法融合策略的混合优化算法对以13个难的benchmarks问题经模糊化得到实例进行求解,在较短的时间内,得到的平均满意度较并行遗传算法(PGA)提高5.24%、较TSAB算法提高8.40% .采用算法融合策略构造的混合算法具有较强的搜索能力,说明提出的混合搜索策略是有效的.     

多重群体遗传算法在多选择背包问题中的应用

为了解决多选择背包问题,引入了多重群体遗传算法作为求解方法,根据此问题的特点而制定了具体的杂交、变异方法,设计了遗传算法。在算法中以目标函数加惩罚函数为适应值评价函数,采用新陈代谢的选择策略,以更好地保持进化过程中的遗传多样性。实践表明,引入了多重群体遗传算法之后,求解此问题效率有明显的改善与提高。     

求解作业车间调度问题的改进的遗传算法

描述了作业车间调度问题,提出一种求解作业车间调度问题的改进的遗传算法.该算法对交叉算子和变异算子进行改进,能有效避免局部最优.通过对实例的计算和分析,取得了良好的调度效果,论证了该算法的有效性和稳定性.