一种基于DE算法和NSGA-Ⅱ的多目标混合进化算法

设计了一种新颖的基于差分进化算法和NSGA-Ⅱ的混合进化算法用来解决多目标优化问题。在此算法中,根据算法的搜索情况设计相应的自适应变异算子,以便在突变操作中找到Pareto解。同时,选择操作将基于NSGA-Ⅱ快速非优超排序和拥挤机制将父代与子代的双种群进行截短,确保最优解不会丢失并保证解的多样性。三个经典测试函数的仿真结果表明,文中算法在实现多目标优化问题的两个目标(获得收敛于真实Pareto前沿的解和解沿着前沿均匀扩展)方面表现出良好的综合性能。     

基于支配强度的NSGA Ⅱ改进算法在研究生招生面试分组中的应用

针对研究生招生面试分组这一NP难问题,提出了一种以分组遗传算法(GGA)和基于支配强度的改进NSGA Ⅱ算法为基础的混合多目标分组遗传算法。通过基于矩阵编码的多交叉/多变异算子、次精英化的初始化种群策略以及改进的帕累托支配关系,解决了经典NSGA Ⅱ算法在该问题中的收敛速度慢、易陷入局部最优的问题。仿真实验结果表明,该方法只需进行较少代数(不超过100代)的进化,即可获得最优解集,满足了快速分组的用户偏好。     

多车型多品种货物配装优化问题的混合启发式算法

为满足客户多样化和个性化的需求,建立能充分、均衡利用装载工具的载重和容积的多品种、多车型货物配装模型,并从全局、整体最优上设计混合启发式算法求解。首先,采用实数序列编码,使问题变得更简洁;基于容重比平衡法构建初始解,提高了解的可行性;用基于排序的选择与最佳保留相结合策略,保证群体的多样性;采用改进的非一致变异,加强染色体的局部搜索能力;其次,对遗传算法求得的精英种群再进行禁忌搜索,提高了搜索效率;最后,通过实例计算证明了上述模型和算法的有效性,并为大规模解决实际问题提供思路。     

求解集束型装备调度问题的改进遗传算法

针对半导体制造中的有滞留时间约束集束型装备调度问题,以最小化生产周期为目标,建立问题的数学模型,提出基于机械手搬运作业顺序编码的改进遗传算法.设计基于禁止区间法的启发式构造算法以生成初始种群,避免了不可行染色体的产生;通过互换染色体中处于机械手全等待的基因位置,以及基于图论的不可行解修复技术改进局部搜索效率,避免冗余迭代和陷入局部最优等现象.与遗传算法、混合量子进化算法的仿真实验比较,验证了提出算法的有效性和鲁棒性.     

一种基于局部搜索算子的遗传算法

为了提高遗传算法的收敛速度及局部搜索能力,设计了一种基于优良模式的局部搜索算子.同时对传统免疫算法中基于浓度的选择算子进行了改进,设计了一种基于适应度值和浓度的混合选择算子,从而有效的阻止了算法出现"早熟"现象.进一步给出了算法的步骤,并利用有限马尔可夫链证明了该算法的收敛性,最后通过对四个经典测试算法性能的函数的数字仿真,说明该算法对多峰值函数优化问题明显优于基本遗传算法.     

改进多目标量子粒子群算法的WSN覆盖及能耗均衡

为了使无线传感器网络的覆盖率和能耗达到最优的效果,提出了一种改进的多目标粒子群优化算法,采用量子粒子群优化更新粒子,利用拥挤距离排序策略,并结合适应度函数值优劣特性对多目标矛盾的性能目标选择,同时通过拥挤距离对加速系数自适应调整提高算法搜索能力,得到了逼近真实前沿的Pareto解集,具有更快的收敛速度和更强的寻优能力.通过对比实验结果表明:提出的算法在解决WSN的多目标优化问题时,能够避免算法陷入局部最优解,更好地平衡网络覆盖和动态通信能耗,使整个网络的综合指数达到了6.249,均明显优于其他三种算法.     

求解柔性作业车间调度的动态群智能优化算法

针对柔性作业车间调度问题,提出一种新型两阶段动态混合群智能优化算法.算法初始阶段采用动态邻域的协同粒子群进行粗搜索,第二阶段提出了基于混沌算子的蜂群进行细搜索,既增强了种群多样性,又提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.针对柔性作业车间调度问题特点,采用独特的编码方式和位置更新策略来避免不合法解的产生.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了算法的有效性和优越性.     

求解旅行商问题的基于类Kruskal的混合粒子群算法

本文针对求解旅行商问题的标准粒子群算法所存在的早熟和低效的问题,提出一种基于Greedy Heuristic的初始解与粒子群相结合的混合粒子群算法(SKHPSO)。该算法通过本文给出的类Kruskal算法作为Greedy Heuristic的具体实现手段,产生一个较优的初始可行解,作为粒子群中的一员,然后再用改进的混合粒子群算法进行启发式搜索。SKHPSO的局部搜索借鉴了Lin-Kernighan邻域搜索,而全局搜索结合了遗传算法中的交叉及置换操作。应用该算法对TSPLIB中的典型算例进行了算法测试分析,结果表明:SKHPSO可明显提高求解的质量和效率。     

多目标0-1规划问题的元胞狼群优化算法研究

针对多目标0-1规划问题,首先基于元胞自动机原理和人工狼群智能算法,提出一种元胞狼群优化算法,该算法将元胞机的演化规则与嚎叫信息素更新规则、人工狼群更新规则进行组合,采用元胞及其邻居来增强搜索过程的多样性和分布性,使人工头狼在元胞空间搜索的过程中,增强了人工狼群算法的全局搜索能力,并获得更多的全局非劣解;其次结合多目标0-1规划模型对元胞狼群算法进行了详细的数学描述,定义了人工狼群搜索空间、移动算子、元胞演化规则和非劣解集更新规则,并给出了元胞狼群算法的具体实现步骤;最后通过MATLAB软件对3个典型的多目标0-1规划问题算例进行解算,并将解算结果与其它人工智能算法的结果进行比较,结果表明:元胞狼群算法在多目标0-1规划问题求解方面可获得更多的非劣解集和更优的非劣解,并具有较快的收敛速度和较好的全局寻优能力。     

并列选择单亲遗传算法在自动化立体仓库货位优化中的应用

针对传统遗传算法在求解自动化立体仓库货位优化多目标模型中容易陷于局部最优解以及交叉变异过程中产生大量不可行解等问题,提出了并列选择单亲遗传算法.算法采用了0,1矩阵编码、并列选择算子、单亲变异算子等,有效避免了交叉变异操作产生不可行解的问题.通过对控制参数进行较合理地选取,算法能够综合考虑各子目标的相对优秀个体,从中选取出全局近似最优解,有效降低了算法陷于局部最优解的概率.利用该算法对36种货物的自动化立体仓库货位进行优化,通过比较优化前后的货位对应的拣选时间及货架重心可以看出,优化后的货位对应的拣选效率及货架稳定性均有明显提高.