基于加权遗传算法的双目标应急物资配送车辆路径优化决策模型

灾害发生后,应急物资调度是救援工作的核心,而应急物资车辆路径方案的选择尤为重要。以配送时间惩罚成本最小化和驾驶员心理成本最小化为目标,建立双目标应急物资配送车辆路径问题整数规划模型,并采用加权遗传算法求解,得出在两个目标成本最小情况下的最优近似配送方案。最后以四川省阿坝州九寨沟地震作为算例,验证了该模型和算法的有效性和可行性,对灾害后应急物资配送具有一定的参考价值。

基于加权遗传算法的旋转机械不平衡振动溯源定位方法研究

针对高端旋转机械多平面多转速下的不平衡振动定位问题,提出一种基于加权遗传算法的转子不平衡溯源定位方法,并开发了一套不平衡溯源计算软件。该方法在遗传算法的基础上进行改进,增加了针对各测点各转速下振动的赋权过程,并分别在某双跨转子有限元模型以及某模拟发电机实验台上,通过将该方法与最小二乘法和遗传算法进行对比,进一步验证该改进方法的不平衡量溯源效果。仿真结果表明,该技术针对高权重测点处的溯源精度高于其余两种算法。在模拟发电机转子实验台上,应用该技术开展多平面多转速不平衡溯源定位实验。实验结果表明,基于加权遗传算法的溯源结果进行平衡后,高权重测点振幅降幅超过80%,降幅较其余两种算法有明显提升。综合仿真与实验结果,该方法较最小二乘法与遗传算法更有针对性及目的性。

一种动态加权条件网络数据的特征标记算法

针对传统特征标记方法在面对海量的网络数据时出现的定位目标信息困难、时间和空间开销较大等问题,提出基于加权遗传算法的互信息特征反馈标记方法。首先优化数据处理流程,对目标数据特征进行加权处理,得到近似全局最优解;其次用户对文本特征或者图像实例完成标记,基于用户的标记与未标记情况构建双重监督图;最后建立实数值推测函数并计算,获取双重监督图中未标记的结点。通过仿真实验结果,验证了方法误差较小、检索精度较高,能够实现在大量的数据中快速找到目标内容。

一种交互网络特征反馈标记方法研究

面对海量的网络数据,传统方法在检索信息时需要庞大的精力和时间,因此,提出基于加权遗传算法的交互网络特征反馈标记方法。分析交互网络数据处理流程,根据分析结果,利用加权遗传算法对特征加权计算,找出近似全局最优解;使用户对文本特征或者图像实例完成标记,基于用户的标记与未标记情况构建双重监督图,建立实数值推测函数并计算,获取双重监督图中未标记的结点。仿真实验验证了方法误差较小、检索精度较高,可在大量的数据中快速找到目标内容。