求解Job-Shop调度问题的多种群双倍体免疫算法研究

Job-Shop调度问题是制造工程学科的NP难题,传统求解方法都有各自的特色和不足。免疫算法是模拟生物免疫系统功能的一种智能优化算法,具有解决复杂工程问题的潜力。针对免疫算法存在的缺陷,提出了多种群双倍体免疫算法,用于求解Job-Shop调度问题。建立了Job-Shop调度问题的数学模型,对典型Job-Shop问题进行了仿真,仿真结果不但验证了它的有效性,而且表明此算法优于其它算法。

新自适应方式双倍体遗传算法求解作业车间调度问题

综合了双倍体遗传算法和自适应遗传算法的优点,提出了一种基于新自适应方式的双倍体遗传算法.该算法利用双倍体遗传算法良好的记忆及环境适应特性来保持个体的多样性,同时引入黄金分割率的自适应公式来快速寻找最佳自适应点.经理论分析和试验结果表明,该算法在寻优能力上具有明显优势,能够显著提高搜索效率,改进收敛性能.

基于双种群的混合免疫动态优化算法

针对传统的群智能算法在求解动态优化问题时出现的早熟收敛和多样性缺失等问题,提出一种基于双种群的混合免疫动态优化算法BPAIS。首先,受生物免疫系统中固有免疫反应和自适应免疫反应的启发,将初始种群根据适应度值分为2个种群——固有种群和自适应种群;其次,对固有种群进行固有免疫反应操作,在进行全局性搜索的同时保持种群的多样性,而对自适应种群进行自适应免疫反应操作,采用差分进化算法加强局部搜索能力,通过引入记忆跟踪机制在环境变化时跟踪局部最优解;最后,结合双种群的免疫反应和记忆跟踪机制,提出基于双种群的混合免疫动态优化算法,并在简单测试用例产生器(simple test-case generator,STCG)和移动峰测试函数上进行仿真实验。结果表明,BPAIS具有很好的动态优化能力,能够有效地跟踪和定位全局最优解,与其他算法相比,具有很强的竞争力。

一种改进双倍体遗传算法的研究与设计

针对生产调度中典型的作业车间调度问题,在对标准遗传算法深入研究的基础上,提出了一种改进的双倍体遗传算法,该算法依靠双倍体所固有的适应环境的能力,采用新的编码技术,来更有效的达到搜索寻优的目的。

四种改进免疫算法及其比较

免疫算法是模拟生物免疫系统功能的一种智能优化算法,具有解决复杂工程问题的潜力。然而,免疫算法存在两个严重的缺陷:容易陷入局部最优平衡态,进化后期搜索停滞不前。通过在免疫机理、优化机制、结构和行为等方面进行深入分析和巧妙改进,提出了多种群免疫算法、双倍体免疫算法、自适应免疫算法和多种群双倍体自适应免疫算法四种新的免疫算法。对20个典型组合优化Job-Shop B enchm ark问题进行了仿真试验,仿真结果表明提出的四种新免疫算法均优于一般免疫算法,不仅有很好的全局收敛性,而且稳定高效。

免疫算法求解多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题,优化了设备分派方案。建立了多目标柔性作业车间调度的数学模型。提出了双种群双倍体自适应免疫算法,并用该算法求解某航空制造企业的多目标柔性作业车间调度问题,得到了优化调度方案。仿真结果表明,双种群双倍体自适应免疫算法是求解多目标柔性作业车间调度问题的有效算法。

面向Job-Shop调度的改进免疫算法研究

由于模拟生物免疫系统功能的免疫算法具有解决复杂工程问题的潜力,同时也存在容易陷入局部最优平衡态和进化后期搜索停滞不前的缺陷,在深入分析生物免疫系统机理之后,将生物免疫原理和生物遗传理论集成到免疫算法中,提出了双倍体免疫算法。这种算法采用疫苗、双倍体等多种生物机制,不仅防止了早熟,而且加快了收敛速度。最后通过典型的Job-Shop调度Benchmark问题LA21的求解证实了此算法的有效性和可行性。

不确定环境下闭环供应链的回收—生产—分销协同计划

为了提升闭环供应链网络的协同运作绩效,在市场需求和回收产品供应数量不确定环境下,针对由一个进行拆卸、检验的联合回收中心,多个进行制造和再制造的生产工厂,以及多个进行销售和下游回收的分销中心组成的三阶段闭环供应链系统,建立了回收—生产—分销三层协同计划模型。该模型充分考虑了各级成员企业之间物料流动的相互关联和各自不同的运作目标,能够确保整个系统协同运作。基于决策交互的特点,设计了分层迭代整体求解策略,并在单层求解过程中设计了双倍体自适应遗传算法。最后,通过一个汽车发动机生产供应网络的仿真算例,验证了模型和方法的适用性和有效性。

基于MapReduce的改进蚁群算法在TSP中的应用

针对基本蚁群算法在处理中等规模TSP问题上存在着收敛速度慢、停滞和易出现结果早熟等现象,提出了1种云计算环境下将双倍体免疫算法与蚁群算法相结合的策略,并在MapReduce计算模型上实施。该策略通过混沌扰动原理对蚁群算法中调节参数α设计动态变化和全局参数ρ进行自适应调节,在免疫算法中融合双倍体免疫机制形成双倍体免疫算法,并将疫苗的思想引入到蚁群算法中,使结合的新算法具有蚁群算法的自适应反馈机理,收敛速度快和免疫算法维持种群多样性,防止种群退化等特性,目的是改进的蚁群算法能加快搜索的速度、避免陷入局部最优解和更好的寻找到较优的路径结果,最终将其部署在Hadoop云计算平台上运行。仿真实验结果表明,融合后的新算法与双倍体免疫算法和蚁群算法相比较,既提高了运行的速度和空间的搜索效率,同时又进一步改善了路径的寻优结果,新算法在解决多结点的TSP问题上,证明了MapReduce计算模型的并行高效性。