二层线性规划的自适应遗传算法

提出了一种自适应遗传算法来求解二层线性规划问题.该方法克服了难以确定合适的交叉概率和变异概率的困难.另外,在该方法中还采用了其它一些技巧不仅解决了在采用遗传算法经常出现的有些个体不可行的问题,而且还改进了算法的效率.     

一类混合遗传算法的收敛性研究

针对遗传算法的有效性一般是通过数值实验来说明这一问题,本文在三个假设的条件下给出了一类混合遗传算法依概率收敛的证明,而且得到了在此算法的框架下通过改变子种群Ⅱ的变异算子而不改变依概率收敛特性的结论.     

基于云自适应遗传算法的K-means聚类分析

现有的基于遗传算法的K-means聚类算法,利用遗传算法的全局优化性提高了K-means算法的寻优能力,收敛速度却过慢.为了解决上述问题,提出基于云自适应遗传算法的K-means聚类算法,利用云模型云滴的随机性和稳定趋向性设计遗传算法的交叉和变异概率,并在进化过程中引入K均值算子,以克服算法收敛速度过慢的问题.实验比较表明,算法具有较好的全局优化性,且收敛速度较快,提高了聚类算法解决物流管理中数据聚类工作的能力.     

基于改进遗传算法的多机调度问题

遗传算法是解决多机调度组合优化问题最有效的方法之一,但由于其自身存在着一定的缺陷应用受到一定的限制.针对遗传算法的“早熟”和非均匀地在优化空间中搜索等缺陷,提出了一种自适应选择交叉概率、变异概率以及交叉位置非等概率选取的改进的遗传算法,并将其用于某钢管钢绳企业的多机调度问题,进行了仿真分析.     

用改进的遗传算法求解危险货物零担运输多目标配装问题

危险货物零担运输配装问题是铁路部门复杂而急需解决的实际问题.给出了多目标的数学规划模型,先对待装货物进行预处理,然后运用自适应的遗传算法对问题进行了求解,该算法中自适应杂交变异概率的应用提高了收敛速度.最后通过实例证明了该方法的可行性和有效性.     

阶梯状黄土边坡稳定性分析的改进遗传算法及应用

阶梯状黄土边坡稳定性分析的关键是估算其稳定系数的最小值.稳定系数的求解涉及诸多因素且计算过程繁杂,传统优化算法往往不能有效地搜索到其全局最小解.为此,提出一种改进的自适应遗传算法.算法对基因变量空间进行网格状划分,采用迭代选优法建立均匀分布的初始种群,运用优质个体保留遗传策略,并按照特定的准则自适应地调整交叉概率和变异概率,提高算法的全局搜索能力和收敛速度.实例应用表明算法能够快速有效地收敛于土坡稳定系数的全局最小解,且计算结果与实际情况更加吻合.     

作业车间调度问题的改进混合遗传算法

作业车间调度是一类求解困难的组合优化问题,本文在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法相结合,提出了一种基于遗传和禁忌搜索的混合算法,并用实例对该算法进行了仿真研究.结果表明,该算法有很好的收敛精度,是可行的,与传统的算法相比较,有明显的优越性.     

基于正余双弦自适应灰狼优化算法的医药物流配送路径规划

针对传统灰狼优化算法易早熟收敛陷入局部最优和收敛速度慢的缺陷,提出一种正余双弦自适应灰狼优化算法.首先,在灰狼捕食阶段引入正弦搜索,增强算法的全局勘探能力,减少算法的搜索盲点,提高算法的搜索精度.在引入正弦搜索的同时,引入余弦搜索,增强算法的局部开发能力,提高算法的收敛速度.其次,在搜索过程中加入自适应交叉变异机制,通过适应度值的大小自适应选取交叉变异概率,有效的提高了粒子跳出局部最优的概率.通过数值对比试验,验证了改进算法具有较强的收敛精度和收敛速度.     

多点收缩混沌优化方法及全局收敛性证明

针对目前混沌优化算法在选取局部搜索空间时的盲目性,提出一种具有自适应调节局部搜索空间能力的多点收缩混沌优化方法.该方法在当前搜索空间搜索时保留多个较好搜索点,之后利用这些点来确定之后的局部搜索空间,以达到对不同的函数和当前搜索空间内已进行搜索次数的自适应效果.给出了该算法以概率1收敛的证明.仿真结果表明该算法有效的提高了混沌优化算法的性能,改善了混沌算法的实用性.     

基于存档策略的多目标优化的遗传算法及其收敛性分析

设计了一种用遗传算法求解多目标优化问题的有效方法——基于存档策略的多目标优化的遗传算法,并讨论了此算法的收敛性.首先给出档案的定义,设计出基于支配关系下的带有存档策略遗传算法,并通过算例检验了算法的有效性;然后引入了两档案间的距离的概念,在此距离定义的基础上证明了算法在概率意义下是收敛的.