区间自适应遗传算法优化无约束非线性规划问题

针对无约束非线性规划传统优化方法存在的问题,将区间自适应遗传算法引入无约束非线性规划优化中,算法可以利用当前进化信息,自适应移动搜索区间,找到全局最优解,故可缩短搜索区间长度,提高编码精度,降低算法计算量,解决了传统遗传算法处理优化问题时,给定区间必须包含最优解这一问题,这也是本算法有别于其他优化算法的独特优势,为某些最优解所在区间难以估计的无约束非线性规划问题的优化提供了一条有效可行的途径.系统阐述了区间自适应遗传算法的原理,给出了算法优化无约束非线性规划问题的步骤,以MatlabR2016b仿真方式对算法进行了实例测试,结果表明,方法是一种计算稳定、正确、有效、可靠实用的无约束非线性规划优化方法.     

多维多目标模糊优选动态规划及其在资源分配中的应用

将目前所研究的一维模糊优选动态规划扩展为多维模糊优选动态规划。在求解多维多阶段问题时,采用遗传算法与模糊动态规划法相结合进行求解,保证了优化变量的全局最优性。在其中权系数的处理中,本文采用了主客观综合评定的方法,保证了数据的合理性及准确性。并且文中用此方法解决了多维多阶段多目标的资源分配问题。     

求解二层规划问题的遗传算法

本文求解二层规划问题的遗传算法，给出了算法基本框架并对算法实现进行了研究．算法适用于各类线性和非线性二层规划问题．数值计算结果显示，该方法是可行和有效的．     

灰色非线性约束规划的改进引力搜索算法求解

灰色非线性约束规划是灰色系统中一个重要的优化问题.为求解灰色非线性约束规划,给出了一种改进引力搜索算法的求解方法.实验结果表明改进引力搜索算法对求解灰色非线性约束规划可行有效.     

0-1线性规划的连续化及其遗传算法解法

将0-1离散规划通过一个非线性等式约束表示为[0,1]区间上等价的连续变量非线性规划列式.对非线性等式约束的问题进行了两种方法的处理.第一种方法使用乘子法,第二种方法将非线性的等式约束近似为一个非线性的不等式约束,均利用遗传算法程序GENOCOP进行了求解.对多个算例进行了计算,结果表明了该方法的可行性和有效性.     

基于遗传算法的多目标可靠性优化

在元件的体积、重量和造价的共同约束下的多级串并联系统的可靠性优化问题是一个具有多局部极值的、非线性的、同时具有整数和实数变量的混合优化问题.将遗传算法和多目标可靠性分配问题相结合,对可靠性分配问题进行求解,得到较好效果,从而得出结论,遗传算法在求解多目标可靠性优化问题中是一种行之有效的方法.     

一类非线性两级整数规划问题的全局优化方法

本文研究了整数规划连续化的途径,对一类非线性两级整数规划问题的上级规划连续化以后采用模拟退火算法;其对应的下级规划问题采用离散搜索法求解,从而给出了求解一类非线性两级整数规划问题的一种全局优化算法,并通过算例验证了该算法是有效的.     

改进遗传算法优化非线性规划问题

针对遗传算法在处理优化问题上的独特优势,主要研究遗传算法的改进,并将其应用于优化非线性规划问题.在进化策略上,采用群体精英保留方式,将适应度值低的个体进行变异;交叉算子采用按决策变量分段交叉方式,提高进化速度;在优化有约束非线性规划问题时,引入算子修正法,对非可行个体进行改善.MATLAB仿真实验表明,方法是一种有效的、可靠的、方便的方法.     

油田注水系统拓扑布局优化的混合遗传算法

以投资最小为目标函数,建立了注水系统拓扑布局优化数学模型.根据模型特点,将优化问题分为两层,分别采用遗传算法和非线性优化方法进行求解.并对遗传算法的操作过程进行了改进,调整了适应函数,改进了交叉和变异操作,结合了模拟退火算法,在操作过程中使约束条件得到满足,减少了不可行解的产生,使遗传算法的优化性能得到了提高.优化算例说明了该方法的有效性.     

求解MINLP的几类罚函数方法的分析和探讨

针对混合整数非线性约束优化问题(MINLP)的一般形式,通过罚函数的方法,给出了它的几种等价形式,并证明了最优解的等价性.将约束优化问题转化成更容易求解的无约束非线性优化问题,并把混合整数规划转化成非整数优化问题,从而将MINLP的求解简化为求解一个连续的无约束非线性优化问题,进而可用已有的一般无约束优化算法进行求解.     

基于一体化的多层次公交线网优化研究

探讨一体化公交系统下多模式、多层次公交网络的优化方法,采用双层规划模型对公交线网进行一体化规划,并利用遗传算法和公交线路的规划模型确定最优线路集合.通过对交通网络的分析,确定公交网络的分布方法.最后通过实例以及方案的对比分析,获得了较好的优化结果.     

基于遗传算法和满意度函数的武器系统维修性分配规划问题研究

武器系统维修性分配是一个复杂的多目标规划问题.常规求解方法得到的结果难以满足其约束条件,并且难以体现不同目标间重要性的差别.据此,通过引入遗传算法(GA)和满意度函数解决了上述问题.首先利用GA求解单目标的最优解,建立各目标的满意度函数并综合为一个总满意度函数,最后利用GA求总满意度的最大值,即可获得模型的满意解.仿真算例表明,GA算法可适用于解决武器系统维修性分配问题,同时多目标规划中采用满意度函数法比线性加权法更可行.     

A hybrid of genetic algorithm and particle swarm optimization for solving bi-level linear programming problem – A case study on supply chain model

The main goal of supply chain management is to coordinate and collaborate the supply chain partners seamlessly. On the other hand, bi-level linear programming is a technique for modeling decentralized decision. It consists of the upper level and lower level objectives. Thus, this paper intends to apply bi-level linear programming to supply chain distribution problem and develop an efficient method based on hybrid of genetic algorithm (GA) and particle swarm optimization (PSO). The performance of the proposed method is ascertained by comparing the results with GA and PSO using four problems in the literature and a supply chain distribution model.     

Genetic algorithmic approach to find the maximum weight independent set of a graph

In this paper, Genetic Algorithm (GA) is used to find the Maximum Weight Independent Set (MWIS) of a graph. First, MWIS problem is formulated as a 0-1 integer programming optimization problem with linear objective function and a single quadratic constraint. Then GA is implemented with the help of this formulation. Since GA is a heuristic search method, exact solution is not reached in every run. Though the suboptimal solution obtained is very near to the exact one. Computational result comprising an average performance is also presented here.     

免疫粒子群优化算法在农业水资源优化配置中的应用

求解农业水资源优化配置模型(高维非线性优化模型),较常采用大系统分解协调原理和动态规划相结合的方法,这样减少了变量个数,便于优化求解,但协调的过程需要多次从低阶模型中返回信息,而且对于每层的寻优求解过程存在难以克服的矛盾.采用标准的粒子群优化算法则优化程度不易保证并容易陷入局部最优,优化结果对初始种群依赖性较强.因此应用免疫进化算法对标准粒子群优化算法进行改进并应用于灌区农业水资源优化配置模型的求解.算例分析表明,免疫粒子群算法为求解高维复杂的优化配置问题提供了新思路.     

An optimal solution to a three echelon supply chain network with multi-product and multi-period

Recently, Kadadevaramath et al. (2012) [1] presented a mathematical model for optimizing a three echelon supply chain network. Their model is an integer linear programming (ILP) model. In order to solve it, they developed five algorithms; four of them are based on a particle swarm optimization (PSO) method and the other is a genetic algorithm (GA). In this paper, we develop a more general mathematical model that contains the model developed by Kadadevaramath et al. (2012) [1]. Furthermore, we show that all instances proved in Kadadevaramath et al. (2012) [1] can easily be solved optimally by any integer linear programming solver.     

Reliability stochastic optimization for a series system with interval component reliability via genetic algorithm

This paper deals with chance constraints based reliability stochastic optimization problem in the series system. This problem can be formulated as a nonlinear integer programming problem of maximizing the overall system reliability under chance constraints due to resources. The assumption of traditional reliability optimization problem is that the reliability of a component is known as a fixed quantity which lies in the open interval (0, 1). However, in real life situations, the reliability of an individual component may vary due to some realistic factors and it is sensible to treat this as a positive imprecise number and this imprecise number is represented by an interval valued number. In this work, we have formulated the reliability optimization problem as a chance constraints based reliability stochastic optimization problem with interval valued reliabilities of components. Then, the chance constraints of the problem are converted into the equivalent deterministic form. The transformed problem has been formulated as an unconstrained integer programming problem with interval coefficients by Big-M penalty technique. Then to solve this problem, we have developed a real coded genetic algorithm (GA) for integer variables with tournament selection, uniform crossover and one-neighborhood mutation. To illustrate the model two numerical examples have been solved by our developed GA. Finally to study the stability of our developed GA with respect to the different GA parameters, sensitivity analyses have been done graphically.     

OD估计双层规划扩展模型

利用双层规划模型进行OD估计,建立双层规划扩展模型.考虑OD估计问题中的随机误差,基于Bayes估计和多元正态分布建立上层目标函数;考虑用户路径选择行为的随机性,基于随机用户均衡建立需求可变动的下层目标函数,同时该扩展模型能适应我国混合交通的实际,既能适用于拥挤网络、也能适用于非拥挤网络,最后通过算例证明此模型的有效性.     

安全约束条件下的经济调度优化模型研究

发电侧放开竞争的电力系统需要更加有效、准确的决策工具对有限的资源进行调度规划。短期经济调度优化问题是一个混合整数非线性规划问题,很难得到有效最优解,尤其是对于大规模电力系统。为了提高求解效率,本文提出了一个考虑安全约束的经济调度优化模型(Security-Constrained Economics Dispatch,SCED),主要采用线性化思想处理经济调度优化问题的模型以及各种约束,采用基于校正的交替求解方法,使得调度优化结果在运行成本最小化的前提下满足系统的安全稳定约束。同时,将本文方法运用到IEEE 30节点系统进行测试,从而验证本文方法有效性。     

部分联合运输策略下的物流车辆路径优化问题研究

论文分析了物流车辆路径优化问题的特点,提出了企业自营物流和第三方物流协同运输的部分联合运输策略。根据客户需求节点的特点进行了节点分类,建立了以车辆调用成本、车辆运输成本、第三方物流运输成本之和最小为目标的整数线性规划模型。根据部分联合运输策略下各类客户需求点运输方式特点,构造了一种新的变维数矩阵编码结构,并对传统算法中概率选择操作方式进行修改,提出了一种新的智能优化算法并与枚举法和遗传算法的运算结果进行了算法性能对比分析。结果显示,本文提出的逆选择操作蚁群算法具有较快的运算速度和较高的稳定性,是求解此类问题的一种有效算法。