基于混合遗传算法的数据库多连接查询优化算法

结合多连接查询的特点,提出将侧重于全局搜索的遗传算法与侧重于局部搜索的模拟退火算法相结合的数据库多连接查询优化算法:先从一组随机产生的初始种群开始全局最优解的搜索,通过选择、交叉、变异等遗传操作产生新一代种群,然后对新个体进行模拟退火操作,将结果作为下一代种群中的个体。如此反复迭代进行,到满足最终条件为止,仿真实验验证了该算法的有效性。     

基于混合遗传算法的生鲜配送路径优化研究

生鲜农产品配送路径规划问题是复杂的NP难问题,为提高配送路径规划效率,有效指导生鲜企业的配送路径规划,文章分析了生鲜配送及带时间窗的车辆路径问题的特点,考虑时间窗约束构建了配送路径最短的数学模型。在传统遗传算法的基础上,引入C-W节约算法改进种群初始化,大规模邻域搜索算法改进局部搜索操作,提出一种混合遗传算法,并进行算例仿真。经计算,算例的最优配送路径包括4条线路,最短配送距离为68.72 km,优于传统遗传算法所得最短路径。验证结果表明：本研究给出的混合遗传算法能较好地解决有时间窗的车辆路径问题,所得方案较优,可以指导企业配送车辆的路径规划。     

基于混合遗传算法的关系型数据库多连接查询优化

该文分析了关系型数据库的查询优化问题，针对多连接查询提出将遗传算法和爬山法结合，从而构造了关系型数据库多连接查询优化问题的混合遗传算法，并进行了实验计算。结果表明，用混合遗传算法解决多连接查询优化问题，可以发挥遗传算法和爬山法的不同优势，从而得到较满意的查询优化性能。     

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

基于C4.5算法的混合生产过程优化与控制

混合生产过程是一类典型的混杂系统,难以用准确的数学解析式来实现生产过程的优化与控制。提出了基于C4.5算法的混合生产过程优化与控制方法。首先利用混合整数线性规划求解混合生产过程最大值的数据集,然后采用C4.5决策树算法挖掘混合生产过程参数与最大生产值之间的关联规则,最后利用关联规则实现混合生产过程的优化与控制。实验结果表明了该方法的有效性。     

混合遗传算法在供水管网优化调度的应用

利用混合遗传算法来求解供水管网的一级调度问题.主要采用广州市自来水公司供水调度的历史数据作为模型验证.在遗传算法生成初始种群时,引入支持向量机技术对历史数据进行分类,用较优的一类历史数据作为初始种群,在此基础上,结合现有改进的遗传算法技术进行优化.实验结果证明,采用遗传算法和支持向量机技术相结合的方法能提高供水管网调度的效果.     

多解组合优化问题的改进混合遗传算法

通过引入小生境技术、最优保存策略和近优淘汰策略,设计了用于求多解组合优化问题的混合遗传算法,用所设计的混合遗传算法对某工厂实际问题进行了计算,获得了许多最优解,结果非常令人满意。     

多解组合优化问题的改进混合遗传算法

通过引入小生境技术、最优保存策略和近优淘汰策略，设计了用于求多解组合优化问题的混合遗传算法，用所设计的混合遗传算法对某工厂实际问题进行了计算，获得了许多最优解，结果非常令人满意。     

基于混合遗传算法的高维离群数据检测

离群点研究在实际应用中有着重要的意义,随着数据规模的不断扩大,传统的离群点检测方法已经不适用于高维空间数据,本文在遗传算法的基础上结合模拟退火算法,一方面利用遗传算法对高维数据处理有很好的全局搜索能力,一方面利用模拟退火算法的局部搜索能力,最后经实验证明,本文提出的新算法能有效的提高高维空间离群点检测的效率.     

基于混合遗传算法的模糊车间调度问题

该文介绍了模糊流水车间调度问题，在此基础之上设计了一个解决该问题的混合遗传算法——嵌入多点最速下降法的遗传算法（GDA），将其与各种算法进行了仿真比较，论证了其有效性。     

云计算环境中优化混合遗传算法的资源调度研究

将云计算传统的遗传算法应用到任务调度中,存在迭代次数多、资源利用率低、执行时间长等问题。因此,提出贪心算法来初始化种群,以避免随机初始化种群时基因的低表现性,并且引进精英因子到传统遗传算法中以优化收敛速度。设计出双适应度函数,兼顾考虑用户对执行时间和带宽的要求,通过采用可适应交叉和变异方法,提升算法的全局收敛能力。仿真实验结果表明,在云计算的任务调度中使用优化混合遗传算法能更加有效地解决资源调度问题。     

混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

基于混合遗传算法在测试用例生成中的研究

采用智能优化算法求解测试用例生成问题是软件测试自动化领域的研究热点。针对标准遗传算法在测试用例生成中的不足,提出基于混合遗传算法的生成方法。该算法结合分支覆盖和路径覆盖两个指标对适应度函数进行优化设计,以加快数据的优化过程。通过调节因子对自适应的交叉和变异算子进行改进,并引入模拟退火机制,提高算法的局部搜索能力。实验表明,该算法在测试用例生成中的求解质量和运行效率均优于标准遗传算法。     

基于混合遗传算法的物联网无线节点定位研究

为快速有效地实现物联网中无线节点的定位需要,提出混合使用遗传与退火算法计算物联网无线节点位置的方法。利用退火算法具备概率性向"优化"和"劣化"方向搜索的特点,优化遗传运算过程中的选择算子,有效改善种群多样性,克服遗传算法容易出现"早熟收敛"的现象,有利于位置计算函数的极值收敛。实验结果表明:使用混合遗传算法计算物联网中节点位置,消耗锚点少,定位精度高,算法稳定,能有效解决低成本无线系统中的定位问题。     

基于混合遗传算法的滑动MTI参差码优化设计

在滑动参差MTI滤波器设计中,通过选择适当的参差码改变雷达发射脉冲周期,使盲速大于目标可能的最大速度,并使第一零点尽可能浅,以确保不会丢失陷入其中的弱目标。参差码设计是一个组合优化问题,采用混合遗传算法对最优参差码进行搜索,该算法避免了遗传算法中的早熟问题,增强了算法的全局搜索能力,提高了算法收敛速度。仿真结果表明,该算法是可行且高效的。     

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。     

非线性问题的求解及优化研究——基于遗传算法和混合遗传算法的分析

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

应用于液压集成块优化的一种混合遗传-退火算法

This paper establishes a mathematical model of multi-objective optimization with behavior constraints in solid space based on the problem of optimal design of hydraulic manifold blocks (HMB). Due to the limitation of its local search ability of genetic algorithm (GA) in solving a massive combinatorial optimization problem, simulated annealing (SA) is combined, the multi-parameter concatenated coding is adopted, and the memory function is added. Thus a hybrid genetic-simulated annealing with memory function is formed. Examples show that the modified algorithm can improve the local search ability in the solution space, and the solution quality.