嫁接遗传算法及其在车间作业调度问题中的应用

分析了现有遗传算法在解决车间作业调度问题时局限产生的原因 ,提出了一种既能加快进化速度 ,又能提高抗早熟能力的嫁接遗传算法 ,并将其成功应用于车间作业调度问题。最后的实例测试表明了新算法的有效性和优越性以及它在调度领域的应用可行性。

解决车间作业调度问题的嫁接遗传算法

针对现有遗传算法在解决大规模车间作业调度问题时存在收敛速度过慢与早熟的局限,基于植物学的嫁接思想,提出了一种改进的混合遗传算法———嫁接遗传算法.算法通过引入嫁接种群和交叉概率矩阵,在明显加快收敛速度的同时,还增强了避免早熟的能力.最后通过经典的调度例子测试表明了算法的有效性和高效性.

基于嫁接遗传算法的微波电路优化技术

嫁接种群向进化种群添加个体的多样信息,避免了基本遗传算法的过早收敛。同时嫁接种群指导进化方向,加快了收敛速度。另一方面交叉矩阵使适值高的个体以低概率交叉,在一定程度上改善了算法的收敛性。最后用四种优化方法设计宽带阶梯阻抗变换器,结果表明基于嫁接遗传算法的微波电路优化设计具有高效性和精确性。

嫁接遗传算法在日像仪自校准中的应用

天线阵定标是关系日像仪能否成像的关键技术之一,笔者提出了针对定标过程中关于复可见度函数的最大化概率密度函数的逼近模型,并提出了求解复增益的嫁接遗传算法。通过引入嫁接种群和交叉概率矩阵,在明显加快收敛速度的同时,还增强了避免早熟的能力。最后,通过对中科院国家天文台拟建的日像仪进行自校准仿真,例证了新提模型和算法的有效性和优越性。

嫁接共生遗传算法及其在作业调度中的应用

针对现有遗传算法在解决复杂车间作业调度问题时存在早熟和进化速度缓慢的缺点,提出了一种改进的算法———嫁接共生遗传算法。嫁接种群的引入和种群间交叉的策略,可以明显加快进化速度;双交叉算子的采用和共生阶段的进化,则可增强算法搜索新解的能力,进而提高解的精度。上述所有措施均可增强算法抗早熟能力。通过与现有遗传算法的比较,突出显示了该算法的优越性,证明了它在现代网络化生产中的应用价值。

用混合遗传算法求解QoS组播路由选择方法

随着大量新兴多媒体在高速网络中的应用,组播成为网络支持多媒体业务的关键技术之一。针对现有遗传算法在解决QoS组播路由问题中存在收敛速度慢与早熟的缺点,论文提出一种双种群的混合遗传算法——嫁接遗传算法,来求解多约束组播路由优化问题。算法通过引入嫁接种群以及设置了适当的遗传算子,在明显加快收敛速度的同时,还增强了避免早熟的能力。最后通过仿真实验证明该算法操作简单、搜索速度快、效率高且具有较强的实用性和鲁棒性。

基于嫁接GA的车间作业调度问题研究

针对现有遗传算法在解决大规模车间作业调度问题时存在进化速度过慢与早熟的矛盾,提出了一种改进的遗传算法—嫁接遗传算法。算法的改进之处有3点:①引入嫁接种群来加快进化速度并提高抗早熟的能力;②引入交叉概率矩阵来进一步防止出现早熟;③采用3种不同的交叉算子来扩大搜索范围,提高解的质量。通过经典调度例子测试,该算法在进化速度和求解精度方面同时取得了比较满意的效果,不失为一种解决遗传算法矛盾问题的新途径。