合作型协同进化遗传算法求解分布式柔性作业车间调度问题

针对以最小化最大完工时间为优化目标的分布式柔性作业车间调度问题,提出一种合作型协同进化遗传算法。采用工厂分配和工序排序解耦编码,基于机器负荷解码并基于工厂负荷初始化种群,使算法在较优的解空间内迭代搜索。利用分而治之的思想,将问题分解为多个子问题,通过随机协同机制促进子种群协同进化并提高全局搜索能力。使用基于关键工厂的多重局部扰动策略,提高算法的局部开发能力。在基准实例上进行实验,并与其他算法进行对比,验证了所提算法的有效性。

一种改进的多目标合作型协同进化遗传算法

针对传统多目标算法早熟收敛及多样性不足的问题,提出了一种改进的非支配排序合作型协同进化遗传算法(Improved Non-dominated Sorting Cooperative Coevolutionary Genetic Algorithm,INSCCGA)。该算法利用外部档案存储每一代进化过程中产生的精英个体,并对其不断进行更新,以加快算法的收敛速度。同时提出了一种新型子种群之间协同进化的方式,增强候选解的多样性。利用ZDT系列标准测试函数,与经典的多目标进化算法NSGA-II以及多目标协同进化算法NSCCGA进行了对比,结果表明改进算法具有更好的收敛性以及均匀的解分布。

变种群规模合作型协同进化遗传算法及其在优化中的应用

分析合作型协同进化遗传算法的进化效率和计算复杂性等与子种群规模的关系;在此基础上提出子种群规模自适应调整算法的思想,给出子种群规模调整的依据和调整方法;进而提出基于实数编码的变焦遗传算法.典型函数优化实例验证了该算法具有计算复杂性小和进化效率高的优点.

Stewart平台的合作型协同进化控制

针对Stewart平台的非线性和强耦合性,提出合作型协同进化的控制方式,在此控制方式的基础上,根据控制系统的特征引入χ2分布来调节个体产生的概率,来提高进化速度.与传统的遗传算法相比,本文提出的控制方式大大减小了搜索空间.经在Stewart平台上测试,本文提出的控制方式具有响应速度快、超调小和鲁棒性好等优点.

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.

基于量子精英蛙的最小属性自适应合作型协同约简算法

属性约简是粗糙集理论研究的重要内容之一,现已证明求决策表的最小属性约简是一个典型NP-Hard问题.提出一种基于量子精英蛙的最小属性自适应合作型协同约简算法.该算法首先将进化蛙群编码为多状态量子染色体形式,利用量子精英蛙快速引导进化蛙群进入最优化区域寻优,有效增强进化蛙群的收敛速度和全局搜索能力.然后构建一种自适应合作型协同进化的最小属性约简模型,融合蛙群最优执行经验和分配信任度自适应分割属性约简集,并以模因组内最优精英蛙优化各自选择的属性子集,提高属性约简的协同性和高效性,快速找到全局最小属性约简集.实验研究表明提出的算法在搜索最小属性约简解时具有较高的执行效率和精度.

基于纹理与灰度协同进化的图像分割算法

为了获得更好的分割效果,成功地将局部二值模式(LBP)纹理模型和灰度特征纳入到合作型协同进化算法(Co-CEA)框架中,并实现了图像分割。该方法首先分别对LBP纹理模型和灰度特征进行编码,然后运用Co-CEA进行进化操作,最后通过本文提出的联合适应度函数确定分割区域。实验结果表明该方法在分割质量上效果明显,并有效地降低了时间复杂度。

基于进化算法的多无人机协同航路规划

以突防航路时域协同指数、空域协同指数、突防时长指数和受威胁指数为规划目标,以最小直线航路段长度、可飞空域、续航能力和进入任务航路方向为约束,构建了多无人机协同突防航路规划模型。结合模型特点,利用合作型协同进化遗传算法对该模型进行求解。

求VRPTW问题的并行协同混合差异演化算法

车辆路径优化问题的研究对物流配送系统的发展具有重要意义。寻找带时间窗的车辆路由问题的最优求解策略是其中的研究热点之一。该文提出并行协同混合差异演化算法用于该问题的求解,仿真实验结果表明该算法在问题求解中表现出良好的有效性和可靠性。

基于容流匹配的进离场航班调度优化模型和算法

综合考虑机场的空中等待航班数量、空域容量、场面容量以及机场起飞需求等约束条件,以可变的优先级为调配手段,以总延误时间最短为目标函数,建立了一个新的基于容流匹配的进离场航班调度优化模型。引入合作型协同进化遗传算法,设计了用一对代表个体形成合作团体的新选择方式,有效解决了传统遗传算法种群多样性低、易早熟等问题。仿真结果表明,该模型能够在满足机场容量限制的同时,有效降低航班的总延误时间。

基于多目标优化的汽车混合流水线平衡方法研究

近年来混合流水线逐渐被国内外汽车生产企业所接受并使用。由于流水线中混合了不同工艺的产品,如何将混合流水线调整至最大效率是其广泛深入汽车制造行业的主要障碍。目前对于混合流水线平衡系统的研究多为独立优化,分析了混合流水线平衡系统的组成部分:流水线平衡部分以及流水线排产部分的相互合作关系,提出对平衡系统整体求解的要求,指出使用具有协同求解各子问题能力的合作性协同进化算法求解这一多目标优化问题。

基于显著性分析的神经网络混合修剪算法

针对神经网络结构设计问题,提出了一种混合修剪算法。该算法首先利用合作型协同进化遗传算法和反向传播算法的不同优势,完成了对神经网络的结构和权值的初步调整;然后,在保证模型泛化能力的前提下,通过计算隐层神经元的显著性,借此修剪网络中显著性较小的神经元,进一步简化网络结构。最后,将给出的基于显著性分析的神经网络混合修剪算法用于股票市场的预测。仿真结果表明,该改进算法与其他优化算法相比,具有更好的泛化能力和更高的拟合精度。

多蚁群协同进化的液压集成块布孔优化

液压集成块内部布孔是一种典型的带约束组合优化问题。为了提高布孔效率及整体性能,提出了一种基于合作型协同进化蚁群算法的集成块多孔道布孔方法。利用蚁群算法非常善于处理智能寻径等带约束的大规模组合优化问题的特点,在种群内部寻找孔道连通的最短且安全的路径;在各种群之间,利用协同进化算法进行多孔道的并行布孔,解决了布孔顺序问题,实现了内部孔道连通的优化设计。最后通过孔道连通实例对算法进行了验证,得到了较满意的结果。

一种改进的代表个体选择方法的设计

文章简要介绍了传统合作型协同进化遗传算法,指出了该算法在代表个体选择方法上的不足,提出了一种新型的代表个体选择方法,并进行了算法性能验证。

基于优先级调配的进离场航班序列动态优化

以可变的优先级作为调配手段,针对航班的进离场序列建立了一种动态优化模型。首先,根据不同进离场阶段的航空器燃油消耗率和安全系数,进行航班初始优先级分配;然后,考虑机场的空中等待航班数量、空域容量、场面容量以及机场的起飞需求,对航班优先级进行二次调配。以总耗油量为目标函数,引入合作型协同进化遗传算法,设计了令一对代表个体形成合作团体的新的代表个体选择方案,改善传统遗传算法中存在的种群多样性低、易早熟等问题。仿真结果表明,在机场容量限制下,该模型仍可以实现流量的动态调配,并有效降低燃油消耗,缓解机场空域及场面的运行压力。