局部搜索量子遗传算法及其无功优化应用

针对量子遗传算法局部寻优能力差的不足,提出一种局部搜索量子遗传算法,用于电力系统无功优化。该方法将局部搜索引入到量子遗传算法中,先进行全局寻优,当全局寻优搜索到的最优解经过多次迭代没有变化时,在此解附近产生小的寻优区间,进行局部寻优,以使算法同时具有较强的全局和局部搜索能力。复杂测试函数和IEEE 30节点测试系统的仿真实验表明,该方法在寻优能力、收敛速度和稳定性方面优于文献中的新量子遗传算法、进化规划等多种方法。

融合局部搜索策略求解DCMST的改进稳态遗传算法

针对目前遗传算法求解度约束最小生成树存在的求解质量不稳定、局部搜索不完全的问题,提出一种融合局部搜索策略求解度约束最小生成树(DCMST)的改进稳态遗传算法。提出服从边隶属度值的度约束初始生成树算法,用来提高初始种群的质量;在局部搜索时引入禁忌搜索,防止相似解大量重复搜索;融合自适应变量和点替换的局部搜索方法,提升算法的局部搜索能力。仿真结果表明,提出的算法提高了初始解的质量,加快了算法的收敛速度,加强局部搜索从而提高了算法的求解质量,可获得较好的有效性与稳定性。

求解带容量约束车辆路径问题的改进遗传算法

为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。

采用改进遗传算法的动力电池成组技术研究

为提高动力电池模组一致性,综合考虑电池模组尺寸参数和电参数的一致性构建了动力电池优化成组模型,解决了现有成组技术的“不考虑尺寸参数”、“仅只聚类”、“权重分配不合理”等问题。提出了采用局部搜索的改进遗传算法对构建的模型进行优化求解,解决了传统遗传算法易陷入局部最优的问题。在相同一致性要求下,对文中提出的优化成组技术进行了实验验证,并将之与就近原则成组技术和基于传统遗传算法的成组技术进行了实验对比,结果表明文中提出的优化成组技术是三种技术中最有效的,同时这里提出的优化成组技术还可以定量地描述成组后模组内电参数的差异量,可为企业电池成组定级提供依据。

基于改进遗传算法的换纱筒机器人路径规划

为了解决针织换筒机器人顺序换筒耗时长、功耗高问题,首先综合考虑换筒机器人移动距离和翻转等待时间,建立具有时空约束的换筒路径数学模型;其次基于自适应遗传算法,提出一种改进的近邻度初始种群算子和按位变异的局部搜索算子,得到改进的遗传算法。结果表明,改进遗传算法规划的换筒机器人路径所消耗的生产时间相对于人工排序缩减55.5%,改进算法收敛速度相对于传统遗传算法提升48.3%,改进算法最优解质量也优于其他几种传统启发式算法,提升了系统效率,证明改进遗传算法应用在换筒机器人路径规划优化问题中的可行性和有效性。

局部搜索与遗传算法结合的大规模复杂网络社区探测

基于遗传算法的复杂网络社区探测是当前的研究热点.针对该问题,本文在分析网络模块性函数Q的局部单调性的基础上,给出一种快速、有效的局部搜索变异策略,同时为兼顾初始种群的精度和多样性以达到进一步提高搜索效率的目的,采用了标签传播作为初始种群的产生方法;综上,提出了一个结合局部搜索的遗传算法(Genetic algorithm with local search,LGA).在基准网络及大规模复杂网络上对LGA进行测试,并与当前具有代表性的社区探测算法进行比较,实验结果表明了文中算法的有效性与高效性.

具有混沌局部搜索策略的双种群遗传算法

为提高遗传算法的局部和全局搜索能力,提出了一种具有混沌局部搜索策略的双种群遗传算法(CLS-DPGA)。CLSDPGA中,一个作为探测种群,另一个作为开发种群。两个种群按照不同交叉概率和变异概率进行进化,每个种群每进化一代后就对其最优解进行混沌局部搜索。若搜索到更优的解,则取代原最优解直至搜索到预设的混沌次数,同时两个种群之间每10代进行一次移民操作。六个Benchmark函数的实验结果证明,CLS-DPGA比另一种自适应局部搜索策略的遗传算法(a-hGA2)具有更好的寻优能力。

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。

量子遗传算法在多输出Reed-Muller逻辑电路最佳极性搜索中的应用

量子遗传算法是一种融合量子计算和遗传算法优点的智能算法,常用于求解组合优化问题.本文给出多输出RM(Reed-Muller)逻辑电路最佳极性搜索方案,将量子遗传算法应用到多输出固定极性RM电路逻辑优化中.针对量子遗传算法易陷入局部极值的缺陷,结合群体灾变思想,提出一种基于量子遗传算法的多输出RM逻辑电路最佳极性搜索算法.最后对多个大规模PLA格式基准电路测试表明:该算法与基于遗传算法的最佳极性搜索相比,在优化能力、寻优性能和收敛速度等方面都有不同程度的提高.

基于局部搜索和遗传算法的激光切割路径优化

为了缩短激光加工时间,提高加工效率,提出了一种新的局部搜索法与遗传算法相结合的激光切割路径优化算法。该算法从加工轮廓中提取节点,通过局部搜索法对节点进行局部路径优化,再运用的遗传算法求得近似最优解,遗传算法中的选择算子改进为基于相对适应度的轮盘赌选择算子。详细介绍了算法的原理及实现,通过编程仿真证明该算法与传统的遗传算法相比具有良好的优化效果,可明显缩短加工路径,减少加工时间,提高加工效率。

基于自适应正交局部搜索算子的混合遗传算法

基于遗传算法的动态特性和正交设计的思想 ,提出了能根据当前进化的种群状态自适应调整局部搜索空间大小的正交局部搜索算子 .对结合了自适应正交局部搜索算子的混合遗传算法进行了经典的多峰值测试函数的性能测试 ,结果表明 ,混合算法在获得的解的准确性和收敛速度上均优于标准遗传算法 .

混合禁忌搜索的车间调度遗传算法研究

针对以最小化最大完工时间为目标的作业车间调度问题,提出一种混合禁忌搜索的遗传算法。禁忌搜索是一种能有效跳出局部最优解的元启发式算法,在每次迭代过程中通过搜索当前解的邻域来获得一个新解,通过评价新解的优越性来优化求解结果;加入多种交叉方式随机选择来扩大种群多样性;同时加入局部邻域搜索来改善解的质量,加快算法收敛速度。将提出的改进算法用于求解若干基准问题,算法具有一定的改良性,能优化求解结果。

基于局部搜索技术的混合遗传算法

针对基本遗传算法(SGA)容易过早陷入局部最优解及其后期局部能力差的缺点,提出了一种带有局部搜索技术的混合遗传算法(HGA),将一种局部搜索技术加入到遗传算法(GA)中,这种局部搜索技术,即设定一种选择机制,有选择地使用最速下降法,并用来判断算法是否收敛的情况.将基本遗传算法(SGA)和一种带有局部搜索技术的混合算法(HGA)进行数值结果比较,说明了该算法具有较高的效率和良好的性能.

强化局部搜索能力的遗传算法

把均匀设计法用于构造带自适应性的变异算子,使每代种群中的最好个体参与均匀设计的杂交,增强了遗传算法的局部搜索能力.数值实验表明该算法十分有效.

自适应策略的混沌局部搜索遗传算法

提出了一种自适应策略的混沌局部搜索遗传算法(ACLSGA),它是遗传算法中每一代的所有个体经过一次遗传操作之后得到一个最佳个体,通过自适应策略决定是否在最佳个体附近进行混沌局部搜索。4个基本的测试函数优化结果表明:ACLSGA比具有精英保留选择机制的实数编码的遗传算法(RGA)的全局搜索能力强,收敛速度快。

基于SQP局部搜索遗传算法的泵站优化运行

提出了利用遗传算法求解泵站优化运行问题的方法。同时,引入SQP局部搜索应用于遗传算法中,对随机生成的初始解集进行搜索改进,提高了算法的稳定性。对优化变量采用整数编码,相比常用的二进制编码,缩短了编码长度,加快了算法收敛速度。经过实例计算并与同等离散情况下的动态规划法的计算结果比较,基于SQP局部搜索和整数编码的遗传算法计算结果较优,计算用时较短。这表明该方法在泵站优化运行以及相近领域有较高的实用价值。

基于局部搜索遗传算法的仓库车辆调度优化研究

针对仓库装卸搬运系统实际运行时设备资源冲突和搬运车辆任务分配问题,建立了具有多个复杂约束条件的车辆调度优化问题数学模型。提出了一种求解仓库车辆调度优化问题的局部搜索遗传算法,解决了局部搜索中寻找高效邻域结构的技术难题,并用实例进行了验证。

一种具有局部搜索能力的多目标遗传算法(英文)

提出一种混合遗传算法来寻找多目标优化问题的有效解（Ｐａｒｅｔｏ解集）．该算法具有局部搜索能力，可用于每个解的生成过程中，目标不是为发现一个有效解而是为发现所有的有效解，最终选择则由决策者做出．模拟结果表明，该算法具有较强的搜索能力．

一种局部搜索策略的遗传算法

提出了一种局部搜索策略的遗传算法(LSGA),它是在每一代中通过遗传算法找到最佳个体,然后在最佳个体的附近进行局部搜索.6个基本的多峰测试函数优化结果表明:LSGA比具有精英保留选择机制的实数编码的遗传算法(RGA)的全局搜索能力强.

一种自适应混沌局部搜索策略的遗传算法

提出了一种自适应混沌局部搜索策略的遗传算法(ACLSGA),它是遗传算法中每一代的所有个体经过一次遗传操作之后得到一个最佳个体,通过自适应策略决定是否在最佳个体附近进行混沌局部搜索。实验结果表明:ACLSGA比具有精英保留选择机制的实数编码的遗传算法(RGA)的全局搜索能力强,收敛速度快。