基于搜索空间分割的协同进化遗传算法

针对经典协同进化遗传算法在优化大决策空间问题时计算复杂度较高的问题,提出了一种基于搜索空间分割的协同进化遗传算法,其基本思想是：将种群分割为不同规模的子种群,在进化过程中应用ε自适应方法调整子种群规模。复杂度分析和数值实验表明,改进后的算法可降低算法计算量,提高算法的优化效率。     

一种基于排序的新型遗传算法

提出了一种新型遗传算法,算法的遗传操作是基于排序的模式下进行的,且根据每代种群的集中度对种群进行一定数量的突变.最后对几个标准函数进行了试算,结果表明算法具有良好的效果.     

一种基于偏好信息的遗传算法

当前进化方法有很多种,遗传算法(genetic algorithms)是其中之一,人们对遗传算法有很多的改进,多数方法使用Pareto优胜关系作为选择策略而没有采用偏好信息。通过在不同准则之间引入偏好来解决该问题,提出一种基于偏好信息的遗传算法PBGA(A Preference-Based Genetic Algorithm)。当产生下一代种群时,根据决策者提供的信息使用优胜关系并进行个体优劣的比较。这种算法被证明为能收敛至全局最优。对于很多的优化问题,测试实验结果表明这种新算法是有效的。     

基于深度学习的离散型制造业库存管理与物流配送设计与优化

随着制造业的发展,离散型制造业库存管理和物流配送已成为制造业企业最为重要的管理领域。由于其高度复杂性,该领域面临着多种挑战,增加了企业的运营成本和管理难度。基于此,研究针对物流企业车辆调度活动中需要找出各个配货节点之间的最短路径,用以指导物流车辆调度的问题,研究提出一种将遗传算法(Genetic algorithms, GA)与BP神经网络算法(Back Propagation Neural Networks, BPNN)相结合的新方法。结果显示：改进后的GA算法在迭代次数较少的情况下,就可使平均种群适应度更靠近最大种群适应度;改进的GA-BPNN算法得到各项成本总计7635.14元,明显优于传统BPNN算法。该研究为制造业企业提供了一种新的车辆调度策略,可有效减少运输成本,提高物流服务水平。     

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。     

物流配送车辆调度问题的改进遗传算法

针对遺传算法容易陷入局部最优和收敛速度慢的特点,提出了一种改进的遗传算法来解决车辆调度问题:利用记忆库保存种群在进化过程中好的个体,使得好的个体不会在进化过程中丢失,同时子代的构成有父代个体和父个体经过遗传操作后所生成的子个体共同构成.该算法能够保证群体的多样性,避免遗传算法的早熟现象,通过仿真模拟,表明该算法具有可行性和高效性.     

改进实数编码遗传算法在泵站优化调度中的应用研究

探讨了一种改进型实数编码遗传算法在泵站运行费用最低准则下泵站优化调度中的应用。为解决简单遗传算法收敛不成熟以及收敛速度较慢的问题,针对实数编码遗传算法提出了初始种群选择规则、遗传操作后的最优个体保留策略,以及单点交叉和扰动变异概率等综合改进方法。实例应用表明,改进型实数编码遗传算法有效实现了全局优化,加速了进化效率,对泵站优化调度具有很强的实用性。     

改进遗传算法在电力系统无功优化中的应用

将遗传算法用于电力系统无功优化,并对传统遗传算法的编码方式、遗传操作算子、交叉和变异概率以及迭代终止判据等方面进行了改进,同时使用本文的算法对IEEE6及IEEE14节点系统进行了无功优化计算,结果表明改进后的遗传算法合理可行。     

基于自适应蚁群算法的旅行商问题的求解

提出一种解决旅行商问题的改进自适应蚁群算法.在传统蚁群算法的基础上,引入自适应算法进行种群初始化;从对选择策略的改进、蚁群信息量的全局修正和引入变异三个方面实现遗传参数自适应调节,在加快寻优速度的同时防止寻优陷入局部最优;采用基于贪婪方法的启发式交叉算子优化交叉结果;对交叉前后的种群分别实施精英个体保留策略,保证最优基因结构得以延续.实验结果分析表明,改进的遗传算法可以在种群规模较小的情况下具有更可靠的寻优能力.     

改进型自适应遗传算法研究

针对遗传算法的改进 ,提出了一种新的评价种群过早收敛程度的指标 ,进而给出一种新的自适应调整策略。仿真计算表明 ,该方法较一般遗传算法和一般自适应遗传算法有较大提高     

基因群进化受控的自然遗传算法

１ＩｎｔｒｏｄｕｃｔｉｏｎＧｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ（ＧＡｓ）ｗｅｒｅｐｒｏｐｏｓｅｄｔｏｓｏｌｖｅｐｌａｎｎｉｎｇ,ｓｃｈｅｄｕｌｉｎｇ,ｏｒｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍｓｉｎ１９７０ｓ．ＧＡｓｓｉｍｕｌａｔｅｎａｔｕｒａｌｅｖｏ...     

带时间窗车辆路径问题的混合遗传算法

针对标准遗传算法在解决带时间窗的车辆路径问题（VRPTW）时存在早熟收敛和易陷入局部极值点的特点,引入遗传算法与禁忌搜索结合的混合算法,同时对杂交算子进行了改进.算法既具有遗传算法的全局性和并行性,又具有禁忌搜索算法的爬山能力.实验表明,改进的混合算法具有计算效率高、收敛速度快等特点,是一种有效的方法.     

基于混合算法的汽车零部件物流配送路径优化

针对汽车零部件供应物流,建立循环取货配送路径优化模型,将遗传算法与Max-Min蚁群算法融合,采用遗传算法生成初始信息素分布,利用Max-Min蚁群算法求精确解,并通过实例验证。结果表明,混合算法对于解决供应商数量多、带时间窗限制与碳排放限制的配送路径优化问题,可有效降低车辆取货频次和提高车辆装载率。     

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.     

基于遗传算法的关联规则挖掘

设计了一种基于遗传算法的关联规则算法,该算法将遗传算法和关联规则相结合.对遗传算法的编码方法、适应度函数的构造、交叉算子和变异算子进行了分析,给出了所设计方法的具体步骤,并进行了试验.试验表明,改进后的算法的执行效率高于Apriori算法.     

改进的蚂蚁遗传混合算法及应用

车间作业调度问题是一个典型的NP-hard问题。分析了蚂蚁算法和遗传算法的特点,就遗传算子、交叉概率和变异概率上对传统遗传算法进行了改进;同时为了加速蚂蚁的搜索效率、减少迭代次数,重构了传统蚂蚁算法的下一个结点选择策略、信息素的局部更新策略,并将改进后的两个算法进行混合求车间作业调度的最优解。试验表明,算法的改进和混合提高了搜索效率及搜索结果的准确性。     

多亲遗传算法及其应用研究

针对传统遗传算法（TGA）所存在的一些不足，本文提出了一种多亲遗传算法（MGA），MGA对TGA的交叉算子进行了改进，这样MGA在应用中不要求初始群体具有广泛多样性，能有效地克服“早熟收敛”问题，仿真结果表明MGA是有效的。     

基于寿命特征的模糊遗传算法(英文)

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.