采用多个体交叉的遗传算法求解作业车间问题

为改善目前求解Job-Shop问题中的遗传算法的性能,加快搜索最优调度解的速度,首先分析了目前Job-Shop问题自身的求解难点和遗传算法的特点,并借鉴生物学的依据,提出了多个体交叉的遗传算法。该算法在遗传过程中采用多个体遗传算子,充分利用个体的优良性质,对不可行调度解根据多个体修补原则进行修正,可保证遗传后代的合法性和多样性,能够加快最优调度解的搜索时间。仿真结果充分证明了该算法的有效性。

多个体参与交叉的遗传算法

提出了多个体参与交叉的遗传算法，即采取新的交叉算子使子代个体同时含有多个父代个体的模式．突破了以前遗传算法只有两个个体参与交叉的局限，通过调整参与交叉的父代个体数目和交叉后产生的后代个体数目，实际上提出了遗传算法调试中的两个新参数．通过调整新参数，使得遗传算法可能有更高的计算效率．证明了多个体参与交叉的遗传算法的模式定理．将方差与熵作为描述遗传算法解群多样性的工具．分析了多个体参与交叉的遗传算法对解群方差及熵的影响．

改进GA法在水污染控制系统多目标规划中的应用

本文提出应用一种改进GA法求解水污染控制系统中存在的多目标规划问题,该算法采用十进制编码原理,所有操作均在实数域内进行,从而避免了二进制中编码和解码的麻烦.同时引入变权数综合距离评判模型和多个体交叉机制,对多目标函数进行求解.通过实例研究表明,改进的GA法得到最小适应度函数值在[0.0468,0.0567]之间,当自变量为(0.0337,0.5663,0.4,0,0,0.4,0.1373,0,0.5,0,0.3,0,0.2154,0.1346)T时达到最优.所对应的目标函数分别是:工程费用函数312.785万元,地下水总用量0.30125m3/s和河流断面氧亏值6.69426mg/L.因此,改进的GA法具有很好的全局优化性能,不但可以有效克服传统遗传算法所存在的缺陷,而且求解过程简单,优化结果合理,在水污染控制规划中具有良好的应用前景.

求解置换Flow-shop调度问题的改进遗传算法

提出一种求解置换Flow-shop调度问题的改进遗传算法。该算法采用多个体交叉方式,对交叉过程和变异过程分别进行阈值设置,实现了在优化过程中扩大解空间的搜索范围和保持种群的多样性,从而增大了获得最优解的几率。最后对一系列典型的Benchmark问题进行仿真测试,实验结果证实了该改进遗传算法的有效性。