基于蚁群算法的飞机定检人员均衡配置

将蚁群算法(ACO)应用于飞机定检人员均衡配置中。首先,根据均方差指标建立人员均衡配置模型;其次,运用3种精英策略并引入信息素限制和自适应机制对基本蚁群算法进行改进,同时提出一种新变异算子以进一步提高算法的性能;最后,运用改进蚁群算法求解模型。实例仿真表明,改进蚁群算法克服了基本蚁群算法搜索时间长、容易早熟的不足,均衡配置后人员工作时间均方差减小65.90%,验证了ACO在解决飞机定检人员均衡配置问题上的适用性。

基于改进遗传算法的飞机定检人员均衡配置

将遗传算法应用于解决飞机定检人员均衡配置问题中。根据均方差指标建立了人员均衡配置模型;采用候选集合策略处理约束条件,保证每个个体都对应有可行解;采用最优保存策略和基于预选择的小生境实现方法对基本遗传算法进行改进,并使用其求解模型。仿真实例结果表明,改进遗传算法克服了基本遗传算法容易"早熟"的不足,均衡配置后人员工作时间均方差减少65.90%。