混合装配线平衡问题的启发式算法

在现代制造业中,装配线平衡具有重要意义,它直接影响到整个生产系统的效率.本文首先回顾了装配线平衡问题研究的历史,对主要方法进行了介绍和总结.其次,对实际中广泛应用的混合型装配线,提出了平衡优化数学模型,并给出了较为实用的启发式平衡方法.最后,对需要进一步研究的问题和未来发展趋势作出了展望.     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群.通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力.     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群。通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力。     

基于Pareto遗传算法的多目标优化

在工程实际当中存在着大量的多目标优化问题,传统的多目标优化方法存在着明显的缺陷.本文介绍一种基于Pareto最优概念的遗传算法来求解多目标优化问题.这种方法能够给出多目标优化问题的Pareto解集,而不是单纯的一个解,从而可以帮助决策者在Pareto解集中挑选适合设计要求的解作为最终解.     

儿童三轮车装配线平衡问题探析

通过对某公司的一条儿童三轮车装配生产线的个案分析．对现有生产线进行了现场观测以及改善。说明了基础工业工程技术在生产线平衡改善中的作用．运用秒表测时的方法,找出瓶颈工位,对工位进行了合并和重组,通过对瓶颈工序的分析,最大限度地将瓶颈工序的动作分配到其它非瓶颈工序,提高儿童三轮车装配的生产效率．     

基于遗传算法的火电单元机组多目标优化协调控制

作者提出了一种基于遗传算法的火电单元机组多目标优化协调控制策略。该策略通过改进的遗传算法进行多目标优化求解机组最优稳态控制量以得到最优设定值，从而完成多目标优化协调控制任务。改进的遗传算法采用十进制编码，规范化几何秩选择，混合交叉及均匀变异。仿真结果表明，在不同的运行目标下控制量的最优适应度函数都能快速收敛，遗传算法为多目标优化协调控制提供了有效的途径。     

基于群体分类的复杂约束多目标优化遗传算法

对于含复杂约束条件的多目标优化问题,提出了一种基于群体分类的遗传算法。其分类方法是:首先将种群分为不可行群体和可行群体,又将可行群体分为可行非Pareto群体和可行Pareto群体,然后再用k-均值聚类将可行Pareto群体划分为非聚类Pareto群体和聚类Pareto群体,最后对上述4个群体分别赋以适当的R适应值。数值计算表明,这种新的算法不仅能得到分布广泛、均匀的Pareto最优解,而且进化速度很快。     

基于多目标遗传算法的游戏路径规划研究

为游戏中非玩家控制角色（NPC）设计自动寻路算法是人工智能研究领域的一大热点。首先模拟多目标游戏地图作为实验平台,然后以路径长度、路径安全程度和对游戏角色的耗费为评估目标,提出了基于多目标遗传算法的路径规划方法。经过实验验证,算法虽然比A*算法实时性差,但其对地图全局有很好的把握,在多目标环境下,其得到的路径存在明显的全局最优。     

基于多目标遗传算法的混合动力车控制策略参数优化

混合动力汽车的优化目标是在满足动力性及其各部件性能约束的前提下减少油耗并降低排放.这些特性除了与动力系统各部件参数有关,同时还受控制策略参数影响.本文以并联式混合动力车为研究对象,应用的多目标遗传算法,采用非占优排序方法来处理多个目标函数,将油耗和排放同时作为优化目标,优化控制策略参数,从而得到这类集成优化问题的Pareto最优解集,可以为控制策略参数的设定提供多种选择.     

基于非线性选择方法的多目标优化遗传算法

针对排序选择法中广泛采用的线性选择方法的缺陷,提出了一种非线性选择方法。这种选择方法既充分体现了非劣解集对劣解集的优先选择权,又考虑到了非劣解集和劣解集中个体的平等性。理论分析和仿真计算表明,这种新的排序选择法不仅能得到分布广泛的Pareto最优解,而且进化速度极快,一般只需30-50代。     

基于预测阈值的动态权值负载均衡算法

为优化整个服务器集群负载,提出一种基于预测阈值的动态权值负载均衡算法。动态评估服务器性能,根据评估结果计算服务器权值,并引入反映集群负载平衡程度和状态的阈值,以避免因频繁修改权值造成服务器抖动;使用 Holt-Winters 对访问量进行预测,并通过结果预测阈值,实现复杂负载环境下的负载均衡,达到最优负载均衡。实验结果表明,预测阈值的动态权值负载均衡算法在低并发以及高并发时都有很好的性能表现,能够提升系统的最大吞吐量,减少响应时间,提高整个集群利用率。     

基于下降搜索的混合遗传算法求解装箱问题

研究一种在基本遗传算法中嵌入下降搜索算子形成的混合遗传算法。这种优化算法是在传统遗传算法的全局随机搜索基础上,借鉴利用每一代群体中最劣个体所包含的优化信息作为下降搜索方向来优化种群。实验证明,该混合算法可以加快算法的收敛速度,具有良好的优化性质和函数适应能力,是解决装箱问题的一种有效途径。     

基于改进蚁群遗传算法的排课问题研究

提出了一种以蚁群算法为主,利用遗传算法经过交叉,变异,选择后产生进化的信息素作为蚁群使用的信息素.在遗传算法多次进化效果不明显时,引入模拟退火算法进行跳变的混合算法,使各种算法取长补短,改善了蚁群算法初始阶段运行缓慢和遗传算法局部搜索能力弱的缺点.提高了运行效率,同时运用这种改进的算法对高校排课问题进行仿真,从而比较算法改进的优缺点.     

基于量子遗传算法的一类非线性lp问题的求解方法

文章构造了求解非线性lp问题的新方法——量子遗传法。给出了具体的量子遗传算法步骤,并且结合文献[6]相关算例,将用量子遗传算法求解出的结果与其对比分析,结果显示量子遗传算法求在解非线性lp问题是十分有效和实用的。     

基于机群计算的导热反问题并行遗传算法

遗传算法具有天然的易并行性,因此,当问题比较复杂或者初始种群规模比较大的时候,通常会将遗传算法并行化。但是并行机的代价高,普及面狭窄,因而选择机群系统作为并行计算的主体,是一个简单有效的办法。通过导热反问题的并行遗传算法研究了机群计算的并行效率和加速比。     

基于机群计算的导热反问题并行遗传算法

遗传算法具有天然的易并行性,因此,当问题比较复杂或者初始种群规模比较大的时候,通常会将遗传算法并行化.但是并行机的代价高,普及面狭窄,因而选择机群系统作为并行计算的主体,是一个简单有效的办法.通过导热反问题的并行遗传算法研究了机群计算的并行效率和加速比.     

基于改进遗传算法的GSM基站选址问题研究

本文首先对于罚函数遗传算法构造了合适的适应度计算方式,其次将适当的修补算子加入修补遗传算法中,保证修补的随机性和有效性;然后在两者的交叉、变异操作之后都加入进化突变算子,增强了他们的局部搜索能力;最后针对不同规模的基站选址问题,分别采用加入进化突变前后的罚函数遗传算法和修补遗传算法进行仿真,结果验证加入进化突变的修补遗传算法在求解大规模的基站选址问题时效率最高。