最短路由问题的改进单亲进化遗传算法

基于信息素动态更新的蚁群算法(DACO)求解大规模最短路由问题收敛时间过长,单亲进化遗传算法(PEGA)在产生初始种群、选择父体及基因换位等操作中存在随机性太大的问题,论章将这两种算法相结合,提出了基于改进蚁群算法的单亲进化遗传算法(DACO-PEGA),该算法通过控制蚁群周游次数,求得满意可行解或次优解,再将已得路由作为初始种群进行优化改良,求得最短路由。实验结果表明,该算法应用于求解最短路由问题行之有效.

单亲进化遗传算法在多个配送中心选址中的应用

为更好地实现多个配送中心优化选址,在分析物流配送中心的作用及现存的用传统遗传算法进行选址的基础上,提出应用单亲进化遗传算法求解选址模型。首先,将所有的需求点按空间地理位置的关系自然划分为若干个配送区域范围;其次,在每一个配送区域,利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径;再以优化路径作为父体,求解从各基因为始点的基因片段之和,选择最佳基因片段组合,得到问题的解。该算法可以有效、快速地求得多个配送中心选址问题的全局最优解。

一种基于单亲进化遗传求解路径优化的新算法

对配送收集旅行商问题进行了研究,并针对其传统算法局限性进行了分析,提出了一种基于单亲进化遗传新算法.运用PEGA利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径.实验证明,该算法可以有效、快速地求得问题的全局最优解.

基于"货到人"拣选模式的储位分配问题研究

研究了"货到人"拣选模式下的储位分配问题,以订单拣选过程中搬运货架总时间最短为目标建立了整数非线性规划模型,并证明其为NP-hard问题,分别设计了求解模型的贪婪算法和单亲进化遗传算法.首先根据订单和物品的关联关系对物品进行聚类,基于聚类结果设计了求解模型的贪婪算法.然后设计了直接求解模型的单亲进化遗传算法,遗传算法中采用了0-1矩阵编码、多点基因倒位算子、单点基因突变算子和精英保留等策略,通过合理选取参数,能够很快求解出问题的近似最优解.最后利用模拟算例和一个具体实例进行计算,并对贪婪算法和遗传算法的求解时间和求解效果进行了比较分析.结果显示,对于小规模问题,两种算法均能在较短的时间内以很高的概率得到问题的全局最优解,对于中等规模的实际问题,利用两种算法得到的储位分配方案均优于企业目前采取的基于出库频率的储位分配方案,遗传算法得到的储位分配方案对应的货架搬运次数、货架搬运总时间等均优于贪婪算法.本文设计的遗传算法可以作为智能仓库管理信息系统的核心算法.

基于混合遗传算法的多配送中心选址问题研究

就区域配送体系的多配送中心选址问题构建确定性规划模型,相应提出混合遗传算法的求解方法。该算法结合了单亲进化遗传算法和经典遗传算法的优点,能够使部分种群择优进化的同时整体种群的解全局收敛。仿真案例表明算法能够在5%的误差限内有效、稳定的逼近全局最优解,生成的选址线路图具有实践指导价值。

基于PEGA求解TSPD的物流配送路径优化算法

配送-收集旅行商问题是物流中的重要问题,与一般的旅行商问题不同,目前对该问题的研究有限,一般假定必须在完成所有的配送需求后才服务需求,并且所用算法性能较差。运用PEGA利用父体所提供的有效边的信息,使用保留最小边的方法对个体进行进化,求得费用最低的优化路径,得到问题的解。该算法可以快速地求得问题的全局最优解。

改进的蚁群-遗传算法在优化航线中的应用

航线优化是一个重要问题。提出的改进算法是先通过限制、选择和更新信息素、控制周游次数,找出航线的满意解,大大缩短了搜索时间;再用所得较好的航线表示作为初始种群,指定为父体,直接进行分组定界操作,将已得航线进行优化改良,求得最佳航线。实验结果表明,该算法应用于求解航线优化问题行之有效。

多头拱架型贴片机贴装顺序优化

针对全视觉贴片机的贴装顺序优化问题,首先通过建立贴装时间的数学模型,提出最大化同时取料次数和合理安排取贴循环顺序这一策略;随后,通过对数学模型的分析,提出了分别运用启发式搜索算法和单亲进化的遗传算法来解决同时取料次数的优化问题及取贴循环的优化安排问题;实验结果证明,所提算法能有效提升贴片机的贴装效率,减少贴装时间。