单级有资源约束的生产批量计划问题的元算法

为了解决生产计划系统中单级多资源约束的生产批量计划问题,采用将遗传算法广度搜索能力和局部深度搜索能力相结合的元算法(memetic algorithm,MA),对资源约束型生产批量计划模型进行了求解,并采用能力调整法和罚函数法处理不可行解.在能力调整法的实施阶段,采用"先顺序,再逆序"的处理方式进行资源能力调整.给出了元算法的运行流程图,对元算法的计算性能进行了测试,并与现有文献中的若干实例进行了比较,验证了所提算法的可行性和适用性.     

基于两级遗传算法的多工厂供应链批量计划问题

研究了分布式多工厂协作生产的供应链的约束批量计划问题．以最小化项目的生产成本、库存成本与运输成本之和为目标，建立了加工能力受限情况下的数学规划模型．通过分解问题模型，提出了基于两级遗传算法优化的求解策略．对典型算例进行了仿真，并与分枝定界法的求解结果进行了比较．结果表明，此方案是有效的、可行的．     

基于改进遗传算法的单级多项目无能力约束生产批量问题研究

通过对单级多项目无能力约束生产批量问题(SMULP)模型进行分析,得出了一些重要的结论．分析了基本遗传算法的缺陷及其产生的原因．对该问题在遗传算法的编码、适应度函数、选择复制操作、交叉方法、交叉概率、变异概率和终止条件等各个环节进行了改进．采用VB6．0对SMULP改进遗传算法编程实现,能很好地与ERP软件集成．并对SMULP改进遗传算法进行了性能分析．     

求解柔性作业车间调度问题的免疫遗传算法

通过对柔性作业车间调度问题(FJSP)进行分析,借鉴生物免疫机理提出一种求解柔性作业车间调度问题的免疫遗传算法(IGA).该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,通过抽取疫苗和接种疫苗等免疫机制,有效改善基本遗传算法的未成熟收敛和局部搜索能力差的不足,显著提高了基本遗传算法对全局最优解的搜索能力和收敛速度.仿真实例表明,免疫遗传算法能有效解决柔性作业车间调度问题.     

带排斥算子的GA求解无能力约束的多级生产批量计划问题

离散制造行业中的多级生产批量计划(multi-level lot-sizing,MLLS)问题的研究不但是一个理论和应用上的难题,也是在生产中产生重大经济效益的问题之一.针对无能力约束的装配结构MLLS问题,为避免基本遗传算法(genetic algorithm,GA)因过早收敛造成搜索效率降低,将排斥算子(repulsion operator)引入GA中,提出带有排斥算子的遗传算法(GA integrated with repulsion operator,RGA).采用GA算法和RGA算法对6组不同规模的问题进行了仿真实验.结果表明,RGA算法的运行效果明显优于普通GA算法;RGA算法对于...     

单级无能力约束批量大小问题的遗传搜索算法

基于ＳＬＵＬＳＰ问题的性质提出了用遗伟算法来进行求解，通过１０个随机产生的问题进行，结果表明，这１０个问题的平均计算结果与３通过动态规划获得的最优解进行比较，近优率平均可达３．２９％以内。     

多资源约束的GTLS问题的遗传算法

成组单元环境下的生产批量计划问题成组批量计划问题（ＧＴＬＳ）对带有多能力约束的ＧＴＬＳ构造了遗传算法和线性规划混合算法进行求解，能够获得问题的近优解，仿真和计算结果表明了算法的有效性。     

多资源约束的MLLS的遗传分解混合算法

对带有多资源的生产批量计划构造了遗传算法和线性规划混合算法，用遗传算法产生可行调整模式，对应每一调整模式，则将原问题变换为一个线性规划模型进行求解。通过遗传算子进行迭代和进化，从而获得近优解，分析和计算结果表明了算法的有效性。     

制造系统中能力约束下的生产批量计划优化方法

以动态库存成本与加班惩罚费用之和为优化目标,考虑单台机器的生产能力,研究生产批量计划问题。建立了数学模型,提出基于遗传算法、参数线性规划方法和启发式方法的分级混合算法。该算法采用遗传算法的流程,用遗传算子寻解批量矩阵(第1级),根据批量矩阵用参数线性规划法求解每台机器上的排产方案(第2级),用启发式方法对上述两级解进行调整使之满足约束条件。在冲压车间的排产中进行了实际应用,获得了理想的排产方案。实例验证说明,该算法有良好的收敛性,并且是有效的。     

改进DNA遗传算法求解非线性多约束规划研究

基于生物DNA信息遗传机理及生物进化规则,给出一种基于DNA编码方法的改进遗传算法,以求解非线性多约束规划问题,原始的选择算子和交叉算子分别被改造为动态选择算子和基因传递算子;算法中还加入了一个新的算子——淘汰算子,分析及算法仿真结果表明,本算法可有效求解该问题。     

基于改进小生境免疫遗传算法的矩形件排样

讨论了基于改进小生境免疫遗传算法的矩形件排样问题,提出了基于排挤机制的小生境技术结合遗传算法的新思路,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对大规模矩形件排样问题进行了实例比较分析,实例表明：在大规模矩形件排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的运用具有较好的全局寻优表现和收敛速度,算法有效、可行.     

基于免疫遗传算法的装配顺序优化

采用装配角度、装配方向、装配稳定性和重定位次数4个指标构建装配顺序优化模型,并用疫苗自动获取的免疫遗传算法(IGABVAU)求解.提出4种免疫疫苗用于提升算法运行效率,其中KP和NL型疫苗由人工指定,BP和NT型疫苗在算法运行中自动获取.船舶工段装配实验结果表明,该算法具有较快的收敛速度.进一步研究发现,免疫疫苗的质量会影响疫苗自动获取的免疫遗传算法收敛速度,人工指定的KP和NL型疫苗可以提高初始种群的质量,自动获取的BP和NT型疫苗可以为装配顺序的进化提供方向.     

人工免疫算法对遗传算法改进的仿真研究

遗传算法是一种很好的优化算法,但其本身存在着易早熟、效率低等不足.人工免疫算法是参考生物免疫系统机制的一种算法,它通常用于对其它算法的改进.论文用人工免疫算法对遗传算法进行改进,在遗传算法中引入浓度机制并从问题中提取疫苗.通过实验对比,它对遗传算法的改进取得了较好的效果.     

一种新的非满载车辆调度的遗传算法

针对物流配送中的单车场非满载车辆调度问题,提出了一种基于Grefenstette编码的自适应遗传算法.该方法采用Grefenstette编码方式,使得交叉和变异运算后的任意基因型个体都能对应于一条具有实际意义的行驶路线;并在交叉和变异运算过程中,引进自适应调整策略,避免陷入早熟和染色体的破坏.通过与简单遗传算法的仿真结果对比,验证了本算法的有效性.     

基于改进小生境免疫遗传算法的船体建造板材图形排样

讨论了基于改进小生境免疫遗传算法的不规则图形排样问题,提出一种基于排挤机制的小生境技术结合传统改进免疫遗传算法的方法.通过实例比较,分别采用遗传算法、改进免疫遗传算法和小生境免疫遗传算法对排样问题的解决和优化.经过船体建造板材套料实验研究,在大规模不规则图形排样过程中免疫算子和基于排挤机制小生境技术结合遗传算法的应用中,具有较好的全局寻优表现和收敛速度,该算法是有效、可行的.     

一种具有免疫机制的车间调度遗传算法

利用人工免疫机制中的克隆选择原理的相关优点，并在遗传算法中融入具有动态、自组织等特征的免疫机制，建立了人工免疫遗传算法。相比单独使用遗传算法，该方法对车间生产调度的优化效果起到进一步改善的作用，最后通过实例加以验证。     

一种新的自适应免疫遗传算法

 为了克服传统遗传算法收敛速度慢和容易陷入局部最优的不足,提出了一种新的自适应免疫遗传算法SIGA(Self-adaptive Immune Genetic Algorithm)。新算法对遗传算子进行改进,提出了自适应交叉和变异算子,保证了种群多样性和防止早熟现象发生;为了使免疫算子兼顾个体多样性和提高种群个体适应度的水平,提出了基于相似性矢量距离的免疫选择算法。实验表明,与传统的遗传算法和免疫算法相比,该算法收敛速度提高了3~90倍,求解精度达到10^-3,并有效地抑制了早熟现象。