基于遗传算法的物流配送车辆调度优化模型研究

物流配送中,车辆调度是一个关键问题。为了提高物流配送中车辆调度的效率,本文提出了一种灵活的多目标组合优化模型,此模型可以方便的增减优化目标值。设计了适合多车场开放式车辆路径问题的通用染色体编码方案,并对遗传算法中的交叉变异操作做了详细说明。     

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。     

多车场多车型电动汽车路径优化研究

为了降低电动汽车在物流配送过程中的成本,根据电动汽车类型的多样性,主要从电动汽车的容量限制、单次行驶里程、充电方式等方面考虑,提出多车场多车型电动汽车车辆路径问题.针对该问题建立数学模型,并提出一种二阶段算法对模型进行求解.第一阶段使用K-means聚类算法对客户进行分组,第二阶段使用改进的蚁群算法为已分组客户规划TS...     

基于多目标决策的LTE下行资源调度算法

为了满足不同环境对资源调度性能的不同要求,提出一种基于多目标决策的下行资源调度算法。该算法采用运筹学中多目标决策理论思想,在每个TTI调度时,把吞吐量、公平因子和丢包率3个指标作为决策准则,MAX C/I、Max Min和FIFO改进调度算法作为备选方案动态进行决策,实现性能可调的资源调度算法。仿真结果表明：该算法是一种可满足不同需求的调度算法,可根据需求矩阵调整算法性能。     

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.     

基于变权系数法的多目标非劣解的模糊决策

介绍了一种基于目标重要度的多目标优化非劣解的模糊决策方法,本方法通过权系数的随机变化而得到了在目标空间内分布均匀数量众多的Pareto最优解集,并通过Pareto最优解其自身信息对解集进行分类,给出代表个体,方便决策者从中选择适合自己的Pareto最优解.     

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。     

基于评价准则的目标理想点类型多目标决策方法

现有的求解目标理想点类型决策问题的方法———目标规划法 ,在某种程度上是较为常用的方法 .本文分析了该问题及方法的特点 .在此基础上发现了该方法的缺陷并加以指出 .为了克服这些缺陷 ,利用了评价准则及其偏差测度的概念 ,提出并运用了基于评价准则的方法 ,给出了一个数值运算的例子 ,展示了该方法的可用性及有效性 .我们发现了一种新类型的方法来求解目标理想点类型决策问题 .     

基于蜻蜓算法的微电网多目标优化调度

可再生清洁型新能源能量的随机波动会影响主电网的稳定性,然而有效的能量优化管理能提高供电的可靠性和经济性。文章主要对含有风、光、蓄、柴和微电网并网模式下的典型日优化调度。利用蜻蜓算法从发电成本和环境污染角度对模型进行优化,并将粒子群算法得到的典型日各个时段出力构成图和发电成本进行比较。对比结果表明证明了所建立的模型的切实性和蜻蜓算法相对粒子群算法应用在微电网优化方面的优越性。     

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。     

多目标决策中熵权模型

对于多目标决策，人们常常要考虑每个评价指标的相对重要程度。熵可以用来度量获取的数据所提供的有用信息量，在没有专家权重的情况下，可以采用熵权系数法进行评测。     

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.     

具有关联目标的有限方案多目标决策方法

针对具有关联目标的多目标决策问题,引入目标的支持级、冲突级和关联级等概念,通过引入一个评价函数,把目标相对优属度矩阵加以修正,建立一个求解方法.     

基于多目标遗传算法的装配线平衡问题

装配线平衡问题是生产管理中重要且比较难解决的问题,其中如何分配工人到不同的工作站以提高生产效率是问题的关键。针对包含工人分配问题的装配线平衡问题,提出一种基于Pareto的问题无关的适应值计算方法的多目标遗传算法。算法中首先建立ALB-wa问题的数学模型,提出一个基于随机键编码的基因表达方式;使用匹配指定的染色体结构和ALB-wa问题的遗传操作;使用基于Pareto支配关系的评价函数来代替使用基于偏好的评价函数。最后,通过实验数值验证该方法的性能。结果表明,该方法具有较高的收敛性和效率,改进了现有的其他遗传算法。     

高校专业设置的多目标优选方法研究

文章利用遗传算法中随机搜索优化机制,能够较快和准确地获得高校专业设置的最优解,提高运算效率.实例计算证明,与现有的求解方法相比,遗传算法具有较好的寻优效果,以作为求解资源限制条件下高校专业设置优选的一种新方法,尤其对于民办高校和公办大学的独立学院进行专业设置优化具有借鉴作用.     

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。