基于启发式算法和遗传算法的三维装箱问题混合算法研究

在三维装箱问题中,启发式算法和遗传算法都能够较好地解决问题。本文在可放置点生成的启发式算法和遗传算法的基础上,将二者结合生成了新的混合算法来研究三维装箱问题,并通过真实应用场景数据对新的混合算法进行测试,混合算法的装载率和原传统算法相比稳中有增,尤其是针对货物规格种类较多的情况下,混合算法的优势更为明显。In the three-dimensional packing problem, both heuristic algorithms and genetic algorithms can effectively solve the problem. Based on the heuristic algorithm for generating placeable points and the genetic algorithm, this paper integrated the two algorithms into a new hybrid algorithm for the three-dimensional packing problem. The new hybrid algorithm was tested by real data in the application, and its loading rate was stable and had increased compared to the original traditional algorithm. Especially for cases with multiple types of goods, the advantages of the hybrid algorithm were more obvious.

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水电厂AGC系统机组负荷分配优化

由于水电厂的运行环境是动态变化的,水流量、水头等参数会随时间进行变化,机组负荷分配优化仅考虑静态变化,导致负荷分配的最优解质量较低。因此,提出基于启发式遗传算法的水电厂自动发电控制系统机组负荷分配优化。通过确定机组特性曲线,对机组能耗特性曲线的准确拟合。利用启发式遗传算法建立机组多目标负荷分配优化模型,综合考虑经济性、运行稳定性和环保要求等多重目标,利用逆序查找法快速搜索搜索空间的最佳解,获取模型的唯一解,实现机组负荷分配的优化。实验结果表明,该方法能够适应机组动态变化,负荷分配后的最优解质量高,提升了水电厂的稳定可靠运行。

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。

基于Pareto适应度的混合遗传算法在多式联运问题中的应用

为高效求解多式联运运输方式优化选择问题,提出一种基于Pareto适应度的混合遗传算法,此算法基于Pa-reto支配关系和个体像的小生境数进行适应度赋值,引入重插入算子,采用合理的交叉与变异方法,使得经交叉与变异之后的染色体仍然为问题可行解,提高了收敛速度,实证验证了算法的有效性.

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构。使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果。通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性。由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量。通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性。

带时间窗车辆路径问题的启发式遗传算法

为了在运输生产中按时间要求合理安排车辆路径,建立了带时间窗车辆路径问题数学模型,用启发式遗传算法进行求解。先构造染色体,产生初始群,再对其进行优化,根据个体生存能力的体现进行性能估计,并计算优化值。运用VisualBasic编写相应计算程序,设定迭代代数为100,运算次数为10次,对有时间窗限制的有1个中心仓库与8个分仓库的实际问题进行求解。模拟结果显示需要3辆车按照3条运输线路进行物流配送服务,总运行距离为483km,总运行时间为15.55h,车辆未出现闲置时间,且全部仓库得到及时服务。可见启发式遗传算法有效、可行。