GENOCOP算法在0-1非线性整数规划模型中的应用

本文针对某公司电力容量扩展问题,采用一元线性回归模型拟合未来10年的需求量,再建立0-1非线性整数规划模型,并将该模型的0-1变量连续化处理,采用遗传算法中的GENOCOP算法求解。

GENOCOP算法的初始种群的确定

针对遗传算法求解具有凸可行域优化问题使用随机法产生初始种群容易造成早熟收敛,提出用凸可行域的部分顶点作初始种群,将新方法应用于具有线性约束的数值优化问题,计算示例结果表明该方法是一种可行而且有效的优化算法.

一类生产计划GENOCOP算法求解

该文建立了一类生产计划的多目标优化模型并采用遗传算法求解,在需求的预测上,充分考虑了不同产品之间的相关关系,采用Monte Carlo方法模拟得到需求量.

非线性0-1规划问题的连续化及其遗传算法解法

为了求解非线性0-1离散规划问题,通过非线性等式的"离散性约束"将其转化为[0,1]区间上等价的连续变量非线性规划.对于目标函数非线性、约束线性的0-1规划问题,可以使用乘子法来解决含"离散性约束"的非线性优化问题.对于目标函数和约束函数均为非线性的问题,可以采用约束松驰法将离散性约束松弛为不等式约束.两种方法处理后均使用遗传算法程序GENOCOP求解.乘子法求解得到的结果比较准确,约束松弛法属于近似方法,可以求解带非线性不等式约束的问题.用本文的方法对多个非线性0-1规划同题的算例进行了计算,并将计算结果同枚举法的计算结果比较,结果表明该方法准确、有效.

基于可行解搜索和自适应免疫算法的配网重构

为提高配网重构的计算速度及效率,将自适应免疫算法(adaptive immune algorithm,AIA)用于配网重构;在此基础上结合GENOCOPⅢ(genetic algorithm for numerical optimization of constrained problems)算法对AIA进行改进,提出了对不可行解进行修复的AINOCOP(adaptive immune algorithm for numerical optimization of constrained prob-lem)算法用于配网重构,该方法综合了AIA的双层优化特点以及GENOCOPⅢ的可行解搜索方法;在基因的编码技术上,基于启发式规则,采用方便的十进制编码策略.将多种方法用于69节点系统的配网重构计算,GA、IA、AIA和AINOCOP的平均迭代次数分别为300、30、25次和12次,连续运算50次,AIA和AINOCOP在50代内可得到最优解的次数分别为8次和15次.

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.