基于启发式遗传算法的通信光缆网络线路规划布局方法

由于通信光缆网络线路规划受到多种限制条件的制约,导致最优解比例低。针对上述问题,提出基于启发式遗传算法的通信光缆网络线路规划布局方法。通过建立数学模型明确目标和约束条件,利用启发式遗传算法进行线路初始化,并通过选择、交叉、变异等方法持续优化群体,直至满足终止条件。实验结果表明:这种方法通过明确约束条件,获取高比例最优解,为通信光缆网络线路规划布局提供了更优方案。

基于启发式遗传算法的即时通信网络漏洞检测

即时通信网络在漏洞检测时,若检测效果较差,会直接影响即时通信网络的安全运行。为提升即时通信网络的漏洞检测精度,提出启发式遗传算法下即时通信网络漏洞检测方法。对即时通信网络的运行状态特征展开具体分析,结合挖掘技术刻画即时通信网络中正常行为和漏洞行为差异性,确定即时通信网络的漏洞特征;基于提取的漏洞特征,利用混合核函数极限学习机模型完成即时通信网络漏洞检测模型的建立;通过启发式遗传算法对模型实施求解处理,根据求解结果确定网络漏洞类型,实现即时通信网路的漏洞自适应检测。实验结果表明,使用上述方法开展即时通信网络漏洞检测时,不仅能够有效检测出网络漏洞,而且能够有效区分漏洞数据与正常数据,说明所提方法的检测效果较好。

启发式遗传算法下密集空间网络传输异常检测

随着互联网技术的广泛应用,网络信息传输技术也飞速发展、需求逐年递增,网络传输异常检测的需求也日益增加。针对当前网络传输异常检测算法运算速度慢、检测率低、误差大等问题,提出了基于启发式算法的密集空间网络传输异常检测算法。首先采用反向传播算法对基本检测原理进行优化;其次基于时间衰减函数提取异常数据的特征;然后基于启发式遗传算法设计网络传输异常检测算法模型;最后对遗传算法的适应性参数进行性能优化。上述算法使用网络数据库进行实验,实验结果表明,相比其它异常检测方法,所提算法将误检率降低近10%、漏检率降低至少7%,极大的减少了网络传输异常带来的影响,促进了启发式遗传算法的研究,推动了网络传输异常检测技术的发展和应用。

基于启发式遗传算法的地下采场作业计划优化模型

针对地下矿山空间受限、设备资源有限以及生产任务重的特点,从相邻工序时间间隔最短及生产总时间最短的角度,构建了预控顶中深孔分段空场嗣后充填采矿法的生产计划优化模型,并采用启发式算法加速的遗传算法求解该模型。以赞比亚某铜矿的实际数据为例,对启发式遗传算法和普通遗传算法求出的染色体适应度进行比较分析。结果表明:相比普通遗传算法启发式遗传算法的求解收敛速度更快,经优化后矿山设备平均利用率为64.8%,平均出矿量为3631.19 t/d,既能满足开采需求,又能有效缩短作业时间间隔,保证作业安全要求。该算法能够快速有效地解决井下多设备协调问题。

混合流水车间插单重调度的超启发式遗传算法

针对带有紧急订单的混合流水车间插单重调度问题,提出了一种双层编码的超启发式遗传算法。针对混合流水车间具有的订单排序和机器选择的双决策特征,在算法低层设计双层编码方案,在个体中表示订单排序和机器选择两类信息,对应一个唯一调度解,进而提出了12种排序和选择启发式对个体进行迭代优化;在算法高层采用自适应遗传算法,用来确定订单排序启发式和机器选择启发式的操作组合以及各组合执行的次序,并设计了自适应变异算子来优化算法的有效性。大规模数据实验的结果表明,该算法具有很好的求解质量和求解效率。

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。

基于启发式遗传算法的舰船电力系统网络重构研究

舰船电力系统(SPS)的网络重构是恢复系统故障、提高舰船生命力的重要途径之一。在满足各种运行约束条件下,快速地恢复因战斗受损的负荷供电是一典型的非线性整数规划问题。该文建立了重构数学模型,并提出了一种启发式遗传算法对其进行求解,以启发式算法结果为初始种群,有效地提高了收敛速度。根据SPS的特点,重要负载都需两路(正常和备用路径)供电,对遗传算法的编码方式采用了新的针对负荷的0,1,2编码。提出了以扩展矩阵法对重构时支路的连通性及容量约束进行检验,极大地减小了计算复杂度。算例结果表明上述方法是可行、有效的。

基于启发式算法与遗传算法的配电网重构

提出了一种基于遗传算法的配电网重构方法 ,此方法的目标函数中同时计及了网络的能量损耗和开关操作费用 ,因而它是针对时间区间的配电网重构而非通常的在某一固定时刻的配电网重构。在应用遗传算法时考虑了配电网自身的特点 ,即网络的联络开关仅占全部开关的极小一部分 ,并且结合了一些行之有效的启发式规则 ,从而用联络开关的开、合状态来编制染色体 ,可保证求出的解既有全局优化的性质 ,又实际可行 ,并且大大提高了求解的速度。文中用一个 35 8节点网络的重构算例 ,验证了文中所提出方法的有效性 ,并在同时计及网络能量损耗和开关操作费用的情况下 。

超启发式遗传算法求解带软时间窗的车辆路径问题

针对车辆路径问题中传统软时间窗惩罚函数过于线性的问题,考虑客户容忍水平,提出一种折线型软时间窗,并构造出相应的惩罚函数。在此基础上,以运输配送总成本最小为目标,构造出一种带折线型软时间窗的车辆路径问题通用数学模型。同时,提出一种具有一定通用性的超启发式遗传算法,该算法以遗传算法作为上层搜索算法,以3种启发式算法——CW节约法、MJ插入法和Kilby插入法作为底层搜索规则,并通过预排序、局部搜索和全局优化来优化算法。最后,通过Solomon标准题库中的R101算例分析并验证了所提算法的可行性和有效性。

基于启发式混合遗传算法的相控阵雷达最优化调度

针对相控阵雷达最优化调度,提出了结合启发式规则的混合遗传算法实现。设计了基于遗传算法的相控阵雷达调度的编码规则、初始种群产生、交叉和变异遗传算子等,定量描述了波束合并和交错跟踪的条件,并提出了五项启发式规则。最后开发了结合启发式规则的混合遗传算法相控阵雷达调度软件系统,并利用仿真结果验证了算法的可行性和有效性。

求解带度约束多播路由问题的启发式遗传算法

为了能够有效求解带有度约束的多播路由模型,融合启发式算法与遗传算法,利用染色体作为启发信息,设计了一种求解该模型的混合遗传算法。该算法不但避免了直接对树形数据结构编码所带来的困难,而且具有快速收敛的特点和全局寻优的能力。最后,大量的数字仿真从实践上支持了该算法的有效性。

一种改进的Rough集属性约简启发式遗传算法

属性约简是知识发现中的关键问题之一 .为了能够有效地获取决策表中属性最小相对约简 ,提出了一种在优化初始群体基础上提高算法性能的启发式遗传算法 .首先 ,通过构造一个新的算子 ,将信息论角度定义的属性重要性度量作为启发式信息 ,来描述所选择的属性子集对论域中确定分类子集的影响 ;接着 ,以此为基础并结合遗传算法 ,选择一些经过优化的染色体作为初始群体 ,在加强局部搜索能力的同时保持了该算法全局寻优的特性 .最后 ,从理论上对算法做了分析 ,证明了新算子所选择的属性子集对原有属性分类能力保持不变 .试验分析表明 。

QoS组播路由的启发式遗传算法

本文首先提出带宽延时约束、费用最小QoS组播路由模型 ,然后提出解决QoS组播路由问题的一种启发式遗传算法 ,该算法有以下特点 :(1)预处理机制 ;(2 )树结构编码 ;(3)启发式交叉策略 ;(4 )指导性变异过程 .

基于启发式遗传算法的QoS组播路由问题求解

研究了带宽、延时、延时抖动和包丢失率约束以及费用最小的 Qo S组播路由问题 ,并提出一种启发式遗传算法 .该算法有以下特点 :(1)预处理机制 ;(2 )树结构编码 ;(3)启发式交叉策略 ;(4 )指导性变异过程 .最后通过仿真实验证明该算法快速有效 .

生产调度问题的启发式遗传算法

将遗传算法 (GA)和启发式算法 (H A)结合 ,进行生产调度问题的求解 ,提出了一种新的启发式遗传算法 (HGA)。在应用该算法的过程中 ,给出了适合的遗传操作和启发式规则的运用方法。最后 ,简单介绍了研制的软件原型。

有时间约束旅行商问题的启发式遗传算法

有时间约束的旅行商问题作为旅行商问题的拓展 ,是一个重要的NP难题 ,深入研究这一问题具有重要的理论和实践意义。将时间窗约束转化为目标约束 ,采用序列编码设计了基于启发式规则的可同时处理软、硬时间约束的遗传算法——— 2 交换变异的遗传算法和 3 交换变异的遗传算法。实验表明HGA1优于简单遗传算法(SGA) ,HGA2优于HGA1。

一种启发式遗传算法及其在最短路径求取中的应用

对经典的遗传算子(选择算子、交叉算子和变异算子)进行重新设计,提出了一种启发式遗传算法。它能够根据种群的进化情况,动态地调整遗传算子,维持种群的多样性,克服过早收敛并加快了搜索速度,得到高品质解。将算法用于最短路径求取中,仿真结果证实是合理而有效的。

粗集中属性约简的一种启发式遗传算法

为了获得决策系统中属性最小相对约简,将信息论角度定义的属性重要性度量作为启发式信息引入遗传算法,提出了一种启发式遗传算法.通过构造一个新的算子来引入启发式信息,使得选择的属性子集的分类能力不变.该算子体现了一种利用启发式信息的局部搜索技术,使得算法既保持整体优化特性,又具有较快的收敛速度.从理论上对算法作了分析,对新算子所能选择属性子集的分类能力不变作了证明.最后的实例表明,该算法能有效地对决策系统进行最大程度的约简.

用一种含启发式变异策略的遗传算法求解TSP

通过分析TSP问题的特征,结合以减少周游路线中交叉边为启发式信息,引入了一个遗传算法中新的变异策略用于TSP求解。对新策略的有效性进行了证明并且给出了具体的实现方案,同时通过TSP Lib上的测试样例将该启发式变异算子和另外两个传统的变异算子(插入式变异和交换式变异)进行了比较。比较结果表明了新变异策略具有更大的优势。

基于启发式知识和自适用遗传算法的复合材料铺层优化设计

一般针对复合材料层合板铺层优化设计的研究多侧重于算法的研究,没有考虑到铺层知识对铺层的约束。本文建立了基于启发式知识和自适应遗传算法的复合材料层合板铺层优化模型,采用带置信度的IF-THEN模糊表达方式表达层合板铺层启发式知识,以蔡-希尔(Tsai-Hill)强度准则建立自适用遗传算法的适应度函数,在原有约束的基础上增加了铺层启发式知识约束。算例应用上述模型求解层合板的最佳铺层顺序,并将该结果和没有应用铺层知识约束的优化结果进行比较,证明了该模型的优越性和实用性。