基于病毒进化遗传算法的飞机预防性维修计划优化

伴随着中国贸易行业与旅游行业的飞速发展,飞机应用频率大幅度增加,使得飞机故障发生率居高不下,对飞机维修行业提出了更高的要求。传统预防性维修计划已经无法满足飞机稳定飞行的需求,故提出基于病毒进化遗传算法的飞机预防性维修计划优化方法研究。依据飞机的可靠飞行需求,制定预防性维修计划,选取预防性维修成本最小化与飞机可靠度最大化为优化目标,并构造与说明优化目标函数,引入病毒进化遗传算法确定飞机预防性维修任务排程,联合预防性维修任务花费时间最短目标、预防性维修成本最小化目标与飞机可靠度最大化目标,制定病毒进化遗传算法终止条件,获取最终的飞机预防性维修计划优化结果。实验数据显示:在不同实验工况背景下,提出方法应用获得的飞机预防性维修成本最小值为18.42万元/年,飞机可靠度最大值为9.6,飞机预防性维修花费时间最小值为6 h/次,充分证实了提出方法优化性能较佳。

单件车间调度问题的改进型病毒进化遗传算法

针对单件车间调度问题,设计了一种改进型病毒进化遗传算法IVEGA。为提高局部搜索能力,有效地避免丢失优秀解,缩小搜索空间,算法在主个体遗传过程和病毒感染过程中分别加入了主群体知识库和病毒群体知识库,并引入学习机制。通过对11个经典的Benchmarks问题进行了求解,结果表明了IVEGA的相对偏差为1.66%。

基于动物群落结构的改进病毒进化遗传算法

基于动物群落组织结构提出了一种改进的病毒进化遗传算法。主种群由一个父亲和若干个母亲及单身汉组成,父亲和母亲交叉产生后代,单身汉变异产生后代。病毒分为大病毒和小病毒,在前期迭代过程中,大病毒起作用,在后期迭代过程中,小病毒起作用。实例证明,改进的病毒进化遗传算法性能优于传统的病毒进化遗传算法。

基于改进病毒进化遗传算法的渡槽维修计划优化

为提高渡槽在剩余寿命周期内维护管理的科学性和经济性,以渡槽剩余寿命周期维护管理成本最低为目标函数,建立了维修计划优化模型,并采用改进病毒进化遗传算法求解。针对复杂环境下渡槽各构件的劣化速度和维修加固效果的不确定性特点,在优化求解算法中计入遗传个体的年龄(个体连续被选入下一代的次数),即认为个体年龄越高,其适应性越强,作为最优解的鲁棒性越好。实例计算结果表明:改进病毒进化遗传算法具有可行性、经济性、高效性和鲁棒性,取得了比较好的优化效果。

项目优化调度的病毒协同进化遗传算法

针对次序约束和资源约束的多模式项目调度问题提出了一种病毒协同进化遗传算法,并提出了解的编码、选择、交叉、变异和病毒感染操作等.算法用于求解项目活动的一个最优调度顺序和资源模式以使项目的成本最低,其操作特点是既可以通过遗传操作在父子代群体之间纵向传播进化基因进行全局搜索,又可以通过病毒感染操作在同一代群体内横向传播进化基因进行局部搜索.利用模板理论对算法的性能进行了分析.理论分析和实验结果表明,算法的搜索性能优于一般的遗传算法.算法对于不同优化目标的多模式项目调度问题可以同时求得一个满足次序约束的项目活动的最优调度顺序和满足资源约束的最优资源模式.

一种病毒进化型遗传算法

本文提出一种病毒进化型遗传算法 VEGA.此算法在一般遗传算法的基础上 ,通过对病毒个体和宿主体行为及相互关系的模拟 ,使进化个体的多样性大大提高 ,算法更易趋于全局极优 .模拟实验验证了 VEGA的优良性能 .

病毒进化遗传算法在动态路径规划中的运用研究

针对车辆导航的动态最优路径问题,设计一种病毒进化遗传算法,提出相应的编码方案和适应度的计算。通过运用改进A*最短路径算法解决遗传算法中初始种群的产生,同时在遗传算法中增加病毒感染操作,在同一代群体中进行横向传播进化信息。该算法不仅能够较快求出最优路径,而且对路网没有任何的约束条件,同时对离散和连续的动态网络模型有效。最后给出病毒进化遗传算法的试验仿真结果。

大型产品结构优化问题的病毒进化遗传算法

针对一种大型产品结构的质量一成本优化问题,设计了一种病毒进化遗传算法,提出了相应的编码解码方案和适应度的计算。病毒进化遗传算法是一种协同进化算法,既实现了遗传操作在父子代群体间纵向继承进化信息进行全局搜索的功能,也实现了病毒感染操作在同一代群体中横向传播进化信息进行局部搜索的功能,从而可以比遗传算法较快获得问题的满意解。最后给出了病毒进化遗传算法的试验仿真结果。

基于JIT的并行多机问题的病毒进化遗传算法

为了解决提高顾客对完工时间满意度的提前/拖期调度问题,提出了一种将病毒进化遗传算法和单机问题的有效算法相结合的求解方法。在该方法中,病毒进化遗传算法采用整数编码,简化了算法的实现难度,提高了算法的执行效率。每个染色体都代表完成零件加工的机器编码的组合,通过病毒种群对主种群的病毒感染,提高了逃脱局部极点的搜索能力。在每一代种群中,调用单机问题的有效算法,使达到用户满意度的零件数最大。数值仿真实验表明,该算法具有收敛速度快、优化效果好等特点,且适合于求解大规模问题。

最短路由问题的改进单亲进化遗传算法

基于信息素动态更新的蚁群算法(DACO)求解大规模最短路由问题收敛时间过长,单亲进化遗传算法(PEGA)在产生初始种群、选择父体及基因换位等操作中存在随机性太大的问题,论章将这两种算法相结合,提出了基于改进蚁群算法的单亲进化遗传算法(DACO-PEGA),该算法通过控制蚁群周游次数,求得满意可行解或次优解,再将已得路由作为初始种群进行优化改良,求得最短路由。实验结果表明,该算法应用于求解最短路由问题行之有效.

基于病毒进化遗传算法的复杂产品设计任务规划

为提高复杂决策环境下产品设计任务规划的科学性,针对设计项目中资源以知识型员工为主的特点,综合考虑项目时间最短、完成质量最高及设计人员负载均衡等问题建立多目标优化的数学模型.在此基础上,为提高横向搜索能力以获得多样性解,提出了基于病毒进化机制的求解算法,其中引入多种群思想以使算法适用于多目标问题,并采用非支配排序保证算法全局搜索能力.最后通过仿真分析对文中算法进行了验证.

病毒进化遗传算法的车辆调度优化模型

为了提高车辆调度优化效率,提出一种病毒进化遗传算法的车辆调度优化模型。建立车辆调度的数学模型,采用遗传算法对模型进行求解,并采用病毒群体感染主群体,主群体在历代个体间纵向传递信息以利于全局优化,病毒群体通过感染操作在同代个体间横向传递信息利于局部搜索,进行仿真对比实验。结果表明,病毒进化遗传算法较好地解决了标准遗传算法存在的不足,加快了车辆调度优化问题的求解效率,获得了更优的车辆调度方案,具有较高的应用价值。

基于改进遗传算法的酒店配送机器人路径规划仿真研究

针对传统遗传算法初始种群质量不高、种群多样性不足和路径长度不理想的问题,提出了改进遗传算法。通过基于引力场模型生成初始路径,提高初始种群质量;在适应度函数中增加了惩罚因子和激励因子,提升种群质量筛选;引入差分进化算法对种群个体之间的差异进行向量化操作,以突变概率控制种群突变数量,优化种群多样性,从而更好更快地得到全局最优解。采用改进遗传算法、传统遗传算法和蚁群算法对不同栅格地图路径规划进行仿真实验,结果表明:改进遗传算法在处理此类路径规划问题时可以快速找到最优路径,在复杂度较高的M3地图环境下相较于传统遗传算法和蚁群算法最优路径分别缩短了17.39%和7.9%。

用于模具编程的病毒进化遗传算法

针对模具编程的任务规划问题,提出一种编程任务规划算法。以工期、质量和编程人员负载均衡等为目标,建立多目标优化模型,结合病毒进化遗传算法的横向搜索能力和非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的精英保留策略,求取多样性解,引入多种群思想解决多目标问题。仿真结果表明,该算法求得的近似解分布均匀且多样性较好,与NSGA-Ⅱ相比,其解的分布离最优解的前端更加接近。

基于等级制度的病毒进化遗传算法

按照适应度将主群体分成高等主子群和低等主子群,病毒也相应地分为小病毒群和大病毒群。高等主子群个体感染小病毒后其显性值产生小尺度变化,低等主子群个体感染大病毒后其显性值产生大尺度变化,使优良个体在自身区域小范围内搜索,而不良个体则远离自身区域进行搜索,从而提高其搜索速度和精度。实例证明,改进算法在性能上优于传统病毒进化遗传算法。

基于改进遗传算法的供应链物流成本优化模型研究

在竞争全球化的环境下,物流成本控制成为了提高整个供应链增值效益的有效途径。物流成本的控制一直以来都是降低供应链运作总成本的一个重要因素,物流成本的合理化可以使供应链总成本达到最优。将协同概念引入到供应链物流网络中,建立供应链物流成本优化模型来降低整个物流总成本,并采用改进的病毒进化遗传算法来实现模型的计算,使得能更有效、快速地得到问题的最优解,最后用一个算例来说明模型的实用性。

基于改进蜜蜂进化型遗传算法的电力系统无功优化

文章采用改进蜜蜂进化型遗传算法求解电力系统无功优化问题,该算法引入了自适应调整选择算子的策略,使算法能及时开辟新的解空间,提高其搜索效率;引入了驱逐算子,增加了蜂群的生物多样性,提高了杂交效率,避免了算法过早收敛的问题。通过以IEEE-6节点和IEEE-30节点测试系统为例进行无功优化计算,并与其他优化算法进行了比较,结果表明了文章算法在求解电力系统无功优化问题的有效性,同时证明了该算法在收敛速度和优化效果上具有比其他优化算法更佳的性能。

一种基于进化博弈的遗传算法改进策略

作为演化算法的一个重要分支遗传算法在理论研究和实践应用中已经取得了巨大的成功,但遗传算法存在收敛速度慢和易于陷入局部最优的问题,将从遗传算法的遗传操作的设计入手,应用博弈理论的鹰鸽模型,针对种群在进化中的不稳定性问题,使用了进化博弈理论里的进化稳定策略以及复制者动态模型。此方法是以整个群体为研究对象,研究种群中个体策略选择的问题。

基于改进遗传算法的配电网无功优化

对配电网无功优化问题进行了研究。针对无功优化问题的特点,提出了一种应用于电力系统无功优化问题的改进遗传算法。该算法将迭代群体分为一般组和精英组,对一般组进行交叉和变异操作,而对精英组只进行变异操作,实现分组进化。在该算法中利用整数和浮点数混合编码,并对遗传算法的选择、交叉、变异算子进行改进,采用自适应罚因子、交叉率和变异率,提高了收敛速度和解的质量。采用IEEE6节点系统验证了所提算法的有效性和实用性。

一种遗传算法适应度函数的改进方法

针对简单遗传算法中线性适应度函数随进化过程恒定不变的缺点,提出一种可随进化代数动态调整的非线性适应度函数。以典型的遗传算法测试函数为算例,分别以Goldberg提出的线性拉伸方法[1]与文中提出的改进遗传算法进行计算。计算结果表明文中提出的动态适应度函数对简单遗传算法的改进有较明显的效果。