Appropriate Combination of Crossover Operator and Mutation Operator in Genetic Algorithms for the Travelling Salesman Problem

Genetic algorithms(GAs)are very good metaheuristic algorithms that are suitable for solving NP-hard combinatorial optimization problems.AsimpleGAbeginswith a set of solutions represented by a population of chromosomes and then uses the idea of survival of the fittest in the selection process to select some fitter chromosomes.It uses a crossover operator to create better offspring chromosomes and thus,converges the population.Also,it uses a mutation operator to explore the unexplored areas by the crossover operator,and thus,diversifies the GA search space.A combination of crossover and mutation operators makes the GA search strong enough to reach the optimal solution.However,appropriate selection and combination of crossover operator and mutation operator can lead to a very good GA for solving an optimization problem.In this present paper,we aim to study the benchmark traveling salesman problem(TSP).We developed several genetic algorithms using seven crossover operators and six mutation operators for the TSP and then compared them to some benchmark TSPLIB instances.The experimental studies show the effectiveness of the combination of a comprehensive sequential constructive crossover operator and insertion mutation operator for the problem.The GA using the comprehensive sequential constructive crossover with insertion mutation could find average solutions whose average percentage of excesses from the best-known solutions are between 0.22 and 14.94 for our experimented problem instances.

The TBD method for dim targets based on multi-level crossover and matching operator

In order to improve the tracking performance in this paper following TBD(Track before Detection) framework multi-level crossover and matching operator is presented.In data association stage the greedy principle is adopted to handle time complexity in DPA and at the same time crossover mathing operator is given to construct candidate trajectory.In addition the corresponding strategy is introduced in preprocessing and postprocessing to remove clutter and suppress false alarm rate.By the experimental comparison and analysis it can be found that the method is more perfer to strengthen the tracking performance of targets with SNR < 2.0 dB.

Iterated Function System-Based Crossover Operation for Real-Coded Genetic Algorithm

An iterated function system crossover (IFSX) operation for real-coded genetic algorithms (RCGAs) is presented in this paper. Iterated?function system (IFS) is one type of fractals that maintains a similarity characteristic. By introducing the IFS into the crossover operation, the RCGA performs better searching solution with a faster convergence in a set of benchmark test functions.

基于改进实数遗传算法的桑叶采摘机结构参数优化

针对遗传算法在求解桑叶采摘机结构优化问题时容易陷入局部最优和求解精度低等问题,提出一种改进实数遗传算法。首先是给出一种基于序的组合适应度函数的轮盘赌选择算子,该算子在轮盘赌的基础上,通过一个自适应变化的参数在两种适应度函数中选择一个,再去计算适应度值;然后设计一种基于方向的改进启发式交叉算子,该算子既保留两个父代个体中较优个体对子代个体的影响,又增加种群中最优个体对子代个体的影响,提高交叉产生有潜力子代的可能性。接着将改进算法应用于摇杆式桑叶采摘机的优化参数设计中,通过与其他算法作仿真对比试验验证算法的优越性,获得采摘机最优参数组合:行走结构速度为24 mm/s、拨动结构角速度为1.2 rad/s、采摘结构速度为440 mm/s,并由运行结果可知整机性能与优化前相比提高13%。最后用优化得到的参数组合进行实地试验,结果显示桑叶采摘机性能提升10.9%,误差较小为2.1%。可见,所提改进实数遗传算法是优化采摘机参数的一种有效算法。

基于改进蚁群算法的医药冷链物流运输路径优化

为解决大多数模型中制冷成本未考虑预冷参数而导致总成本求解精度不佳的问题,在制冷成本中加入预冷参数,得到新的总成本模型。基于遗传算法与IACO算法,提出了IGACO算法,此算法改进了传统蚁群算法的启发式因子与信息素更新方式,在此基础上加入交叉操作和变异因子,扩大算法搜索范围,进一步避免陷入局部最优的情况。经过试验对比分析,验证了IGACO算法所得出的最优路线、总成本、运行时间、收敛速度在一定程度上都优于其他算法。

求解带容量约束车辆路径问题的改进遗传算法

为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。

ACCQPSO:一种改进的量子粒子群优化算法及其应用

针对量子粒子群优化算法前期易陷入局部极值点、后期寻优精度不高等问题,文章提出一种自适应交叉算子的混沌量子粒子群优化算法,并将其应用于BP神经网络超参数寻优。首先,利用Logistics映射初始种群为混沌序列进行最优解搜索,增强初始种群的随机性与遍历性,提高算法寻优能力;然后,通过纵向交叉操作进行种群中个体的信息交换,并引入自适应交叉概率公式,增加种群多样性,提高算法的寻优精度;最后,在实验中,一方面,选取8个函数在高低两个维度进行验证,同时进行Wilcoxon秩和检验分析以及消融实验,验证该算法相较其他算法的有效性;另一方面,通过算法优化BP神经网络应用到网络安全态势预测任务中,实验结果表明该算法收敛速度相较于对比算法有大幅度提升。

一种改进的自适应遗传算法

针对现有遗传算法在求解多参数问题时出现收敛精度低、收敛速度慢、易陷入局部最优等问题,提出一种改进的自适应遗传算法。该算法引入复制算子、种群密集度函数和精英选择策略,提出根据种群迭代次数和个体适应度的自适应策略调节交叉概率和变异概率,很好地平衡了遗传算法的全局搜索能力和局部寻优能力。总结出具有代表意义的测试函数,通过求解测试函数和旅行商问题,证明改进的自适应遗传算法的收敛精度、收敛速度等均有明显的提高。

基于改进遗传算法的CLIA运行调度优化

针对化学发光免疫分析仪的运行调度优化问题,以最小化最长完工时间为优化目标,提出了一种改进的遗传算法。在传统遗传算法的基础上,引进了一种基于工件排列的编码方法;采用轮盘赌选择策略保留了种群多样性;利用POX交叉算子优化了交叉结果;对于解码算法的改进,通过加入自适应模块等待算法,解决了设备运行时出现的工件阻塞问题。结果表明,改进的遗传算法可以更合理安排多种工件的检测顺序,有效提高CLIA的运行效率,缩短检测的总时长,具有自动化程度高的优点。

基于改进人工蜂群算法优化支持向量机的设备故障诊断方法

为了对煤矿井下带式输送机的核心部件滚动轴承的运行状态进行精确诊断,针对故障分类方法中支持向量机存在的惩罚因子确定困难的问题,引入交叉操作和全局最优解结合的改进人工蜂群算法,构建了故障诊断模型,通过仿真分析对比了改进模型与传统模型之间的差异性,仿真结果表明,改进的诊断模型能够快速精准地识别设备故障的类型,缩短了设备故障的诊断时间,提高了井下设备故障诊断的工作效率。

GA and PSO culled hybrid technique for economic dispatch problem with prohibited operating zones

This paper presents an efficient and reliable genetic algorithm (GA) based particle swarm optimization (PSO) tech- nique (hybrid GAPSO) for solving the economic dispatch (ED) problem in power systems. The non-linear characteristics of the generators, such as prohibited operating zones, ramp rate limits and non-smooth cost functions of the practical generator operation are considered. The proposed hybrid algorithm is demonstrated for three different systems and the performance is compared with the GA and PSO in terms of solution quality and computation efficiency. Comparison of results proved that the proposed algo- rithm can obtain higher quality solutions efficiently in ED problems. A comprehensive software package is developed using MATLAB.

求解多目标点路径规划问题的离散头脑风暴算法

为保证移动机器人以最短路径遍历多目标点,该文提出一种基于离散头脑风暴的多目标点路径规划算法。首先,考虑障碍物对路径规划的影响,将目标点间的最短避障距离作为评判依据,提高规划路径合理性。其次,针对传统离散头脑风暴算法在解决组合类优化问题时提前陷入局部最优的问题,提出一种启发式自适应路径优化策略,通过设计与迭代次数相关的适应度选择函数以及改进启发式交叉算子,增加路径多样性和提高算法收敛速度。基于栅格法建立地图模型,在不同环境地图中选取多个目标进行对比仿真,验证所提算法的有效性以及对不同环境的适应性。

化工园区突发事故应急资源调度策略

考虑突发事件应急资源调度的时效性、充足性和经济性等特点,研究了应急资源调度策略。首先,针对应急资源调度多储备点、多事故点、多资源的情况,引入化工园区事故多米诺效应约束,构建了一种以应急资源调度时间最短化为主要目标和运输成本最小化为次要目标的双目标应急资源调度模型,通过利用理想点法将双目标问题转化为单目标问题;其次,针对调度模型的特点,提出一种改进的灰狼算法对模型进行求解,该算法融合了遗传算法、交叉算子以及引入禁忌表策略,提高了收敛精度和全局寻优能力,并对解进行离散化处理,从而得到实际的突发事件应急资源调度策略;最后,通过仿真对比实验,验证了所提模型和算法的有效性,确保可以兼顾化工园区事故应急救援的时效性和经济性,提高应急处置救援能力,为决策者提供科学合理的应急资源调度方案。

基于GCTMSA的梯级水火风光蓄储联合调度

为发展新型电力系统调度理论与方法,构建了一个含梯级水风光蓄一体出力(the integration of cascade hydro-wind-photovoltaic-pumped storage, CHWPPS)的水火风光蓄储联合调度模型。同时,针对传统求解方法在求解水火风光蓄储联合调度系统时易陷入局部最优、难以在满意时间内得出可行解等问题,提出了一种基于贪婪策略、自适应交叉算子和自适应t分布变异的改进飞蛾搜索算法(greedy strategy,adaptive crossover operator and adaptive t-distribution variation based moth search algorithm, GCTMSA)。GCTMSA将自适应交叉算子与Lévy飞行策略相结合,在直线飞行策略中引入自适应t分布变异,并利用贪婪策略仅接收更优个体,以提高全局搜索能力和搜索速度。算例分析在一个修改的IEEE 6机30节点系统和一个省域简化电力系统中展开。结果表明,与飞蛾搜索算法、遗传算法、粒子群算法和生物地理算法相比,GCTMSA具有更强的搜索能力和稳定性。同时,分析了CHWPPS和电池储能对系统的影响。相关讨论与结论可为水火风光蓄储联合调度等多能互补技术发展提供参考。

改进交叉算子的自适应人工蜂群黏菌算法

针对黏菌算法存在的收敛速度慢,易陷入局部最小值的问题,提出了一种改进交叉算子的自适应人工蜂群黏菌算法(ISMA).为了提高算法收敛速度,引入自适应可调节的反馈因子和改进的交叉算子;考虑到人工蜂群算法强大的搜索能力,引入改进的人工蜂群搜索策略,提高算法跳出局部最小值的能力.利用8个标准测试函数以及部分CEC2014测试函数对改进算法进行寻优性能测试,并加入基准测试函数的Wilcoxon秩和统计检测,仿真结果表明,改进的算法具有很好的鲁棒性.

基于改进NSGA-Ⅱ算法的汾河水库优化调度研究

为进一步提高NSGA-Ⅱ算法搜索效率,引进全局搜索能力更强、收敛速度更快的算术交叉算子改进原始算法中采用的模拟二进制交叉算子(SBX)。据此提出一种改进NSGA-Ⅱ算法,同时采用Generational Distance(G_(D))指标评价多目标Pareto解集的收敛状态,并将该方法应用于汾河水库供水及生态协同优化调度研究中以验证其有效性。对比不同算法运行产生的Pareto解集及水库运行各项指标表明,与传统算法相比,算法改进后达到收敛状态的迭代次数降低了100代且收敛时间缩短7.76%;较不优化条件下的各部门缺水率均有所降低,其中农业缺水率效果最为显著,降低13.20%~14.52%,总供水量增加0.268×10^(8)~0.303×10^(8)m^(3)。验证了改进算法及优化调度的有效性,为水库多目标优化调度提供了一种新思路。

求解动态维修资源优化调度的多目标进化算法

为解决维修资源调度过程中出现的维修资源预测不准、资源冲突的问题,本文建立了不同作战阶段的多供应中心-多需求点的的动态维修资源优化调度模型,使得多个供应中心可以及时、高效地对需求点进行维修资源调度,减少了资源调度时间和每个需求点的维修资源不满足量。为了更好地求解提出的模型,本文提出了一种改进的多目标进化算法,在经典的多目标进化算法的基础上,使用正态分布交叉算子、全局探索增强型差分进化算子和自适应变异算子的协同进化策略,提高了算法的局部搜索能力和种群的多样性。仿真实验表明,本文提出的算法具有良好的收敛性和分布均匀性,并且具有较高的求解效率。

电网故障诊断解析模型的改进二进制增益共享知识算法求解

针对现有智能优化算法在求解电网故障诊断解析模型时存在的易于陷入局部最优和种群质量低等问题,提出一种改进二进制增益共享知识算法(improved binary gaining-sharing knowledge-based algorithm, IBGSK)。首先,根据故障诊断规则,构建一种包含完备故障信息的完全解析模型。其次,将离散工作机制融入改进算法的种群更迭中,以避免发生空间脱节。然后,结合进化种群动力学思想(evolutionary populationdynamics, EPD),引入一种自适应交叉算子,以提高种群质量和增强算法的全局寻优能力。最后,通过特征选择和故障诊断仿真实验对算法性能进行评估。结果表明:IBGSK算法相较于其他优化算法,在特征选择问题上具有更高的计算效率、更强的全局寻优能力和泛化能力;在求解电网故障诊断解析模型上具有更优的诊断可靠性、时效性和收敛性。

Mobile-Deep Based PCB Image Segmentation Algorithm Research

Aiming at the problems of inaccurate edge segmentation,the hole phenomenon of segmenting large-scale targets,and the slow segmentation speed of printed circuit boards(PCB)in the image segmentation process,a PCB image segmentation model Mobile-Deep based on DeepLabv3+semantic segmentation framework is proposed.Firstly,the DeepLabv3+feature extraction network is replaced by the lightweight model MobileNetv2,which effectively reduces the number of model parameters;secondly,for the problem of positive and negative sample imbalance,a new loss function is composed of Focal Loss combined with Dice Loss to solve the category imbalance and improve the model discriminative ability;in addition,a more efficient atrous spatial pyramid pooling(E-ASPP)module is proposed.In addition,a more efficient E-ASPP module is proposed,and the Roberts crossover operator is chosen to sharpen the image edges to improve the model accuracy;finally,the network structure is redesigned to further improve the model accuracy by drawing on the multi-scale feature fusion approach.The experimental results show that the proposed segmentation algorithm achieves an average intersection ratio of 93.45%,a precision of 94.87%,a recall of 93.65%,and a balance score of 93.64%on the PCB test set,which is more accurate than the common segmentation algorithms Hrnetv2,UNet,PSPNet,and PCBSegClassNet,and the segmentation speed is faster.

基于遗传算法的自动组卷系统的策略优化设计及实现

针对传统制作试卷人力物力耗费大且不够科学的问题,本文研究和实现基于遗传算法的自动组卷系统。由于存在学生记忆历年试题以降低考试难度的情况,为了保证考试的科学性,本系统对原有的遗传算法进行了研究和改进。每次组卷时,自动组卷策略会拒绝将旧题目组进试卷,以保证相邻的3次考试中不出现重复的试题。本文使用的适应度函数能够使用量化后的试卷难度、章节知识点数等多个约束条件对试卷的优劣进行评判,生成符合组卷规则的试卷。实验结果表明:基于遗传算法的自动组卷系统生成的试卷在难度、章节知识点数和独一性等指标上能够达到要求,满足了课程考核的需要。