基于改进遗传算法的集合覆盖问题

集合覆盖问题是组合优化中的典型问题,在日常生活中有着广泛的应用.提出了一种改进遗传算法来解决集合覆盖问题.算法对标准遗传算法的改进主要表现在:1)结合启发式算法和随机生成,设计了新的产生初始种群的方法;2)引入修补操作处理不可行解使其转换成可行解;3)对重复个体进行处理再利用;4)对多点交叉进行推广,提出了新的交叉算子;5)针对可行解和不可行解,采取两种自适应多位变异操作.数值实验结果表明该算法对于解决规模较大的集合覆盖问题是有效的.     

求解约束优化问题的一种新的遗传算法

提出一种新的求解约束优化问题的遗传算法,算法通过重新定义可行解与不可行解的适应度函数分别对它们进行选择,有效避免了惩罚函数法引入参数所带来的困难,重新设计的交叉算子使得算法对解空间的寻优范围扩大了.数值实验结果表明算法具有较好的鲁棒性,且对最优解位于约束边界上的一类问题具有很大优势.     

解非线性规划问题的非参数罚函数多目标正交遗传算法

对非线性规划问题的处理通常采用罚函数法,使用罚函数法的困难在于参数的选取.本文提出了一种解非线性规划问题非参数罚函数多目标正交遗传算法,对违反约束的个体进行动态的惩罚以保持群体中不可行解的一定比例,从而不但有效增加种群的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近.数据实验表明该算法对带约束的非线性规划问题求解是非常有效的.     

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.     

基于种群分类排序的约束优化遗传算法

针对约束优化问题,提出了一类将种群中的个体分类排序的思想.算法的特点在于:先将种群中的解分为可行解和不可行解两类,然后分别按照不同的标准排序.由于很多约束优化问题的最优解位于可行域的边界上或附近,所以排序时并不认为可行解一定优于不可行解.基于此分类排队思想,特别设计了只允许同等级个体进行交叉的新的交叉算子,称之为同等级交叉算子,以及基于一维搜索的变异算子.算法同时采用了保证固定比例不可行解的自适应策略.4个标准测试函数的数值仿真结果验证了算法的有效性.     

复杂约束条件下的UCAV多重任务分配

与单任务分配问题相比,无人作战飞机(UCAV)多重任务分配具有更复杂的约束条件.基于UCAV任务分配有向图给出了多重任务分配的一般框架,分析了任务分配的约束条件,提出了一种求解约束优化问题的改进遗传算法.其基本思想是对种群中的个体按两种方案评价,对可行解按目标函数值大小,对不可行解按约束违反程度进行评价,避免了罚函数法中的罚因子的选取难题.采用矩阵形式进行个体编码,按目标出现顺序映射任务类型,解决了多重任务的编码表示,并对武器类型向量实施绑定策略,简化了问题复杂性.设计了选择,交叉,变异等遗传操作算子,保证生成的新染色体不破坏编码时满足的约束条件.最后进行了仿真试验,结果表明提出的方法求解UCAV多重任务分配问题的可行性和有效性.     

基于遗传算法的二层线性规划问题的求解算法

本研究了下层以最优解返回上层的二层线性规划问题的遗传算法。在提出可行度概念的基础上，构造了二层线性规划上层规划问题的适应度函数，由此设计了求解二层线性规划问题遗传算法。为了提高遗传算法处理约束的能力，在产生初始种群时将随机产生的初始种群变为满足约束的初始种群，从而避免了使用罚函数处理约束带来的困难，最后用实例验证了本提出的二层线性规划的遗传算法的有效性。     

求解0-1规划问题的改进差分进化算法

针对0-1规划问题,提出了一种新的智能优化方法——差分进化算法.首先利用佳点集法产生初始种群,大大提高了种群的多样性,再用牵引法处理约束条件,将进化中的不可行解逐步引入到可行解集,克服了罚函数法选择罚因子的困难,最后对10个0-1规划问题的算例进行测试,并将测试结果与其它算法进行了比较,结果表明:文章提出的算法具有较快的寻优能力和较好的全局搜索能力,是求解0-1规划问题的一种有效方法.     

多品种柔性生产企业的订单调度模型及其遗传算法

以订单总完工时间最小和订单平均流程时间最小为目标函数,利用改进的多目标遗传算法生成了多品种订单调度模型.为解决组合模型的指数爆炸问题,提出了一种按规则分配订单以及订单中各作业排序相结合的集成调度思想;以一种整数和字母组合的编码方法用于可行解的表达,并在每个分目标的进化过程中,对选择、交叉、变异算子以及精英解保留策略重新进行设计,保证了解的分布性和均匀性;同时还提出了一种新的终止条件,将精英种群与分目标的子种群进行合并,从而加快收敛的速度.以典型的订单生产企业为例进行仿真实验,实验结果表明,应用该算法可以获得满意的Pareto解集.     

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.