全渠道零售场景下配送车辆路径问题

为研究全渠道零售的配送系统对企业物流成本的影响,综合考虑时间窗、车型选择等因素,以运输成本最低为目标,建立高度协同的全渠道零售场景下的物流配送模型。该模型采用自适应遗传算法求解,利用MATLAB进行算例分析。结果显示:全渠道零售模式下的车辆调度方案能迅速响应消费者需求,与一般配送模式相比可以减少物流成本,优化车辆配置。与粒子群优化算法相比,自适应遗传算法的运行时间更短、优化结果更好,这验证了模型和算法的可行性和有效性。     

自动化集装箱码头自动导引小车与轨道式龙门起重机的协同调度

为解决自动导引小车(Automated Guided Vehicle,AGV)与轨道式龙门起重机(Rail-Mounted Gantry Crane,RMG)的协同调度问题,考虑AGV和RMG的任务分配约束,以卸船作业最小完工时间为目标,建立混合整数规划(Mixed Integer Programming,MIP)模型.改变AGV,岸桥和箱区数量的配置,得出不同条件下的完工时间.对该问题设计两组算例:小规模算例采用CPLEX软件和遗传算法(Genetic Algorithm,GA)分别进行求解,通过结果对比验证GA的有效性;大规模算例采用GA求解,给出自动化码头设备调度优化方案.分析结果表明,卸船完工时间随着卸船任务量的增加而增加,随着AGV,岸桥和箱区数量的增加而减少,且AGV和岸桥数量的增加对完工时间的影响大于箱区数量的增加时完工数量的影响.     

基于自适应策略的动态模拟退火遗传挖掘算法

关联规则挖掘是数据挖掘中一个很重要的研究课题。提出了一种基于自适应策略的动态模拟退火遗传挖掘算法。实验结果证明它能弥补基于传统遗传算法的挖掘方法的缺点。     

比赛项目排序问题的贪婪算子遗传算法

将比赛项目的排序问题转化为图论问题中的货郎担问题(TSP),利用TSP较为成熟的遗传算法进行求解。这样防止了搜索过程陷入局部最优。针对遗传算法收敛速度慢的特点,对遗传算法进行了改进,引入贪婪交叉算子来加快算法的收敛速度,得到冲突总人次数为8的优良结果。在对算法进行合理性分析时,从理论上论证了算法的优劣。     

基于寿命特征的模糊遗传算法

在知识发觉中遗传算法已经广泛应用于分类，模型选择和其它优化问题．但是它的行为和表现却直接受其输入参数值（如交叉概率和变异概率）的影响，不合理的参数设置通常会导致许多问题比如早熟问题．为此有的学者提出用自适应技术在算法过程中自适应调整这些参数，但这并未对遗传算法产生整体的改善，因为参数设置是依赖于具体问题的．提出了基于染色体个体寿命特征的遗传算法，用模糊逻辑控制器自适应调整交叉概率和变异概率、这个方法加强了遗传算法的全局搜索能力，很好的解决了早熟问题．将本算法和标准遗传算法及自适应遗传算法比较，仿真结果表明本算法在克服早熟问题上的明显优势．     

非平衡多阶段物流系统建模与优化方法

首先提出了参数化界面分布的新概念,将一个非平衡多阶段物流系统转化为多个相互独立的单一阶段物流系统,然后采用Prüfer数对每个阶段上的物流模式进行编码.通过一种改进的解码方法,任何一个随机产生的Prüfer数都能够被解码为一个与物流系统的节点容量相匹配的可行的物流模式.基于这2点创新,建立了一种新的基于参数化界面分布和Prüfer数编码的系统建模方法,相应的遗传算法称为PIP-GA方法.与st-GA方法相比,PIP-GA不但具有更好的优化结果,而且需要的计算时间更少;虽然所需的存储空间有所增加,PIP-GA仍然是一种有效而稳健的非平衡多阶段物流系统建模与优化方法.     

基于改进遗传算法的图像相关匹配

针对图像匹配的数学特点,设计一种新的改进遗传算法用于相关图像匹配。根据基因位的影响和参数调整策略,采用半确定性和大变异结合,汉明距离控制的方法。仿真结果表明,新算法在收敛性能上大大优于简单遗传算法和经典序列猜测算法。     

基于遗传算法和BP神经网络的优化设计方法

随着生产规模的复杂化、多维化和非线性等复杂特性的增加，对生产中高效的优化技术要求也越来越迫切，利用并行遗传算法和BP网络的优点，提出采用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取，利用BP网络简单和可塑性强的优点来优化样本空间，以取得整体的优化效率。     

基于AGA优化BP神经网络的矿井通风机故障诊断

矿井通风机稳定运行对煤矿安全生产具有十分重要的意义。为提高通风机故障诊断的准确率,通过分析通风机振动信号频率成分与通风机故障类型之间的关系,提出一种基于自适应遗传算法（AGA）优化BP神经网络的矿井通风机故障诊断方法。采用AGA优化BP神经网络的连接权值和阈值,提高BP神经网络的学习能力和泛化能力;建立基于BP神经网络的通风机故障诊断模型,并进行仿真实验。实验结果表明,AGA优化的BP神经网络能够有效识别通风机故障类型,故障诊断准确率高。     

一种改进的遗传模拟退火算法解决函数优化问题

首先简要介绍了传统的遗传算法,然后分析了遗传算法的优点和不足。针对遗传算法容易产生早熟现象和局部寻优能力差的特点,通过引入改进的灾变操作和模拟退火算法跟遗传算法相结合,而增强了算法的全局收敛性,并且提高了算法的收敛速度。最后使用一个典型的遗传算法性能测试函数验证了改进算法对函数最优化的有效性,其性能明显优于传统的遗传算法和模拟退火算法。