多种群遗传蚁群融合的多Qos约束组播路由算法

具有多约束的Qos（quality of service）路由问题是一个NP完备问题,传统方法很难求得全局最优解。针对多约束Qos组播路由问题,选择带宽、时延和时延抖动为Qos参数,由多种群遗传算法产生初始状态,利用蚁群算法的全局寻优能力提出一种将多种群遗传算法和蚁群算法融合的新算法。分析表明,该算法是可行、有效的。     

TSP问题的智能优化算法研究

智能优化算法比较常见的有模拟退火算法、遗传算法、人工鱼群算法、神经网络算法等。本文主要对前三种算法优化性能进行研究。首先介绍了三种算法的基本原理,然后总结了各自的优缺点并从原理和参数两个方面对三种算法进行了对比分析,以经典NP难题——TSP为例进行了仿真研究给出了未来针对TSP问题的研究重点。     

基于演化算法的高校课程排课系统的研究与实现

提出了基于演化算法高校课程排课系统的方法,以课程为排课核心,以授课计划为排课依据,利用演化算法建立起有效地数据模型.通过实验验证,该算法能够结合高校实际情况,自动地找到了解决排课问题的模型,具有一定的通用性.     

基于本体论的数字图书馆信息检索技术

为进一步提高用户信息检索的准确性和效率,在研究了基于信息检索和领域本体知识库的用户检索模型基础上,本文设计了一种智能图书馆管理系统。此外,引入遗传算法训练调整选项加权因子,从而提高系统查全率和查准率。通过仿真分析,本文方法与模拟退火法模型进行对比,泛化能力更强,预测平均距离更低。仿真结果进一步验证了本文方法的有效性及实用性。     

座椅悬架不同设计模式的隔振性能比较（英文）

为进一步改善车辆座椅乘坐舒适性,设计了3种分别基于负刚度结构单元(NSE)、阻尼结构单元(DE)及负刚度-阻尼单元(NSDE)的座椅悬架系统.建立了座椅悬架动力学模型,以悬架位移幅和座椅加速度的均方根值为评价目标,考察了不同设计参数对座椅乘坐舒适性的影响特性,并利用遗传算法对悬架设计参数进行了优化分析.研究结果表明：基于NSE和DE单元的悬架设计参数对评价目标的影响较大,通过参数优化分析发现DE的阻尼力比NSE的恢复力低98.3%,说明DE结构单元对改善座椅隔振性能作用有限.但引入NSE结构单元后,NSDE悬架系统的振动位移幅和座椅加速度的均方根值明显减小,有效提升了座椅的隔振效果,提高了驾驶员的乘坐舒适性.     

基于双层编码遗传算法的晶圆制造排产系统

为了解决晶圆制造排产系统的全局优化问题,首先考虑晶圆制造系统各设备之间的约束关系及晶圆卡等待时间成本、缓冲时间成本、搬运时间成本、设备状态转换时间成本,建立以晶圆制造整体加工时间成本最小为目标函数的数学模型;其次对遗传算法编码方式进行改进寻找较优排产顺序;最后利用MATLAB对某晶圆加工制造企业真实数据进行仿真、求解,并与经典遗传算法和蚁群算法对比。3种算法迭代过程表明,改进的双层编码遗传算法在解决晶圆制造系统的排产问题中有明显优势,求解速度更快,搜索到较优解的时间更短、更准确,验证了模型的有效性。     

基于NSGAⅡ的带时间窗生鲜品配送路径优化

考虑到生鲜品的易腐性、高时效性和对运输环境要求高的特点,为减少生鲜品配送企业的配送成本,提高客户满意度,在车辆载重、时间窗、生鲜品保质期等约束条件下,提出将配送总成本最小化和生鲜品新鲜度最大化的多目标车辆路径优化模型。利用改进的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGAⅡ)对模型进行求解。求出满足配送总成本最小和生鲜品新鲜度最大的相对较优解,证明模型的有效性。该模型在大规模配送和客户地理位置分布较为分散的情况下,对生鲜品新鲜度的优化较为明显。     

动态接力点模式下双自动化轨道吊协调调度

为提高自动化集装箱码头堆场中自动化轨道吊(automated stacking crane,ASC)的作业效率,研究箱区动态接力点对双ASC作业效率的影响。考虑双ASC作业过程中的安全距离、相互冲突等因素,建立以最小化双ASC最长完工时间为目标的混合整数规划模型,利用遗传算法对该模型进行求解。与固定贝位接力模式进行对比,结果表明,相较于固定贝位接力模式,动态接力点模式下双ASC的作业效率更高。在不同规模算例背景下,将遗传算法与CPLEX的计算结果进行对比,验证了遗传算法的有效性。     

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。     

浅析移动通信系统中的赋形权值优化算法

随着无线频谱资源的日益紧张,移动通信系统转向利用数字波束赋形技术来提高系统的容量。数字波束赋形技术的关键,是利用赋形权值优化算法对赋形权值进行寻优操作。常用的权值优化算法有遗传算法、粒子群优化算法和交叉熵算法。本文对三种优化算法应用时的关键步骤进行了总结,比较了三种算法的性能,最后对算法应用于时分移动通信系统存在的问题进行了分析。