双种群混合遗传算法求解航空复合材料柔性调度问题

考虑航空复合材料柔性车间调度中的运输约束,以最小化完工时间为目标,建立调度模型,提出一种改进的双种群混合遗传算法进行求解。根据问题特点,基于工序排序、机器选择和运输约束3个子问题,设计三层实数编码以及对应解码方案。采用混合初始化提高种群质量,进化过程中采用交叉算子执行全局搜索,为双种群设计基于机器负载平衡和变邻域的局部搜索,提高全局和局部搜索能力。与对比算法相比10个测试算例中BPRD指标取得9个最优,APRD指标全部取得最优,t检验显著性有明显差异,验证算法的优越性。将算法应用于航空复合材料车间中,实现实际生产的调度,验证算法的可行性。

基于动态混合遗传算法的配送路径优化

随着越来越多的突发性卫生事件爆发,人们对应急医疗物资的需求量与日俱增,但应急医疗物资配送效率低下等问题依旧存在。文中研究建立多配送点配送模型,该模型对多个应急医疗物资配送中心到多个配送点的配送路径进行有效地优化,并在计算过程中考虑客户时间窗与交通拥堵情况,达到提高客户满意度、节约成本、减少配送过程中所产生的碳排放量的目标,如同此类问题都归类为VRP问题(车辆路径规划问题)。在该模型的计算过程中采用动态混合遗传算法(DHGA),在改进的遗传算法中加入大规模领域搜索算法,解决遗传算法求解精确度过低、易陷入局部最优循环的缺点。最后将计算结果与传统遗传算法(GA)、粒子群算法(ACO)以及蚁群算法(ACO)进行对比,结果表明该算法相对于其他算法的各项指标都得到明显提升。

基于混合遗传算法的皮革产业固废运输路径优化研究

皮革产业形成的固废含有部分对环境、人体等存在一定负面影响的物质,这类固废的运输方式极为关键。本文构建了一种基本的皮革产业固废运输路径模型,通过引入混合遗传算法对该模型中的皮革产业固废运输路径进行优化,以案例的形式对这一模型的可行性进行验证,旨在为皮革产业废弃物的运输工作提供借鉴。

混合遗传算法下电动汽车充电桩容量测试方法

由于接入电动汽车充电桩的负荷增多,导致充电线路过载,增加能量损耗,使得电网安全风险增高。为解决上述问题,提出基于混合遗传的电动汽车充电桩容量测试方法。分析车辆运行机制、电池特征、充电方式等因素对充电桩容量的影响,计算车辆充电定点需求与路径需求,设置合理的约束条件;将充电桩容量看作一个满足多个约束条件的可行空间,在满足发电容量、功率平衡、潮流平衡、电压稳定等约束条件下,构建容量测试模型;针对遗传算法收敛速度慢的缺陷,使用粒子群算法对其改进,通过个体寻优过程求解模型,获得测试值。实验结果表明,所提方法在峰荷、腰荷和基荷场景下的测量结果与真实值基本一致,且测量耗时低于6s,算法收敛速度快。

混合遗传算法下欠驱动船舶航向保持控制方法

欠驱动船舶容易受到风、浪、洋流等外部环境因素的影响,导致航向偏离、船体摇晃,航行安全风险增加,为提高其在各种海况下的稳定性和安全性,提出混合遗传算法下欠驱动船舶航向保持控制方法。构建欠驱动船舶数学模型描述其动态行为,设计包含跟踪微分器和分数阶滑膜控制器的航行保持控制器,生成期望航向的平滑过渡过程,为后者提供航向角速度和角加速度信号。以航向误差作为其输入控制量,通过设计的分数阶滑膜面和控制律实现期望航向追踪,采用混合遗传算法优化控制器参数,提高航向跟踪效果。实验结果表明:该方法可实现不同海况下船舶航向保持控制,控制效率高、航向控制超调量小。

基于混合遗传算法的飞机腹舱装载优化

目的以航空运输背景下货舱行李的码放问题为研究对象,旨在实现货舱空间利用率的最大化。方法在考虑行李姿态、货舱空间、体积、重量、不重叠等多种实际约束的条件下,搭建航空行李码放模型,设计一种启发式与改进遗传算法相结合的混合遗传算法。首先利用基于极值点的启发式算法对初始种群加以优化,加快种群进化速度,得到初始高质量装载方案;然后通过设计混合选择及混合变异算子,利用改进的遗传算法对多组可行方案寻优,进而得到货舱空间利用率最大、垛型重心偏移量最小的装载布局方案;最后通过某机场自助行李托运系统采集的真实旅客行李数据进行实验,并实现装载方案的可视化。结果利用偏大、偏小和混合型3种行李数据进行实验测试,实验结果表明在满足货舱多种实际约束的条件下,混合遗传算法平均空间利用率达到89.71%,相比已有货舱码垛算法提高了9.25百分点,垛型规划更加科学合理。结论所提算法可快速收敛并防止局部最优,对于不规则货舱空间以及异构行李具有更好的适应性,可实现货舱码垛的快速合理布局规划。

基于部分参考匹配集合的混合遗传算法解决本体匹配问题

不同本体之间的异构问题成为各种应用之间实现更智能化、高效的知识共享和通信的障碍。本体匹配是解决上述问题的有效方法。为了获取高质量匹配结果,提出了基于部分参考匹配结果(partial reference alignment, PRA)的混合遗传算法,该方法采用分层选择方法解决传统PRA构建过程中的语义丢失问题,并提出了一种新的适应度函数进一步充分利用PRA中的潜在信息,从另一个角度解决语义丢失问题。此外,该算法结合了遗传算法(GA)和随机爬山算法两种方法,以在全局和局部范围内寻找最优的本体匹配方案。实验结果表明,该算法在不同的本体匹配任务中均能有效地获得高质量的匹配结果,并且和其他前沿的方法比较也有出色的表现。

基于混合遗传算法的暖通空调热能动力参数识别研究

【目的】针对现有的暖通空调热能动力参数识别方法存在识别结果R-squared值较小,无法满足识别精度要求的问题,提出了基于混合遗传算法的暖通空调热能动力参数识别研究。【方法】首先对暖通空调热能多自由度动力振动正问题进行精细积分求解。然后利用混合遗传算法,建立反问题目标函数,并完成精英搜索。最后利用流体网络方程,完成暖通空调热能动力参数的辨识。【结果】通过对比实验,证明所提方法得到的结果R-squared值更接近1,说明该方法的暖通空调热能动力参数识别精度更高,方法性能更理想。【结论】该方法能够为暖通空调系统优化、节能减排、故障诊断、智能控制等提供更可靠的基础依据。

基于混合遗传算法的堆垛机路径优化研究

针对自动化立体仓库中堆垛机运行路径杂乱的问题,研究了一种基于遗传算法和蚁群算法相结合的混合遗传算法。设计和构建了立体仓库的整体运行模型,并对仓库中的运行区域进行了划分,实现了区域的合理分配。通过新的混合遗传算法,实现了对堆垛机控制算法的优化。通过实验计算,证明了在利用混合遗传算法控制堆垛机存取货物时,堆垛机行走的路程要比使用遗传算法时更加优秀,混合遗传算法能够将路径优化7%左右,因此混合遗传算法满足优化条件。

基于改进混合遗传算法的智能电网现货市场负荷资源调度

智能电网现货市场产生的数据庞大而复杂,其中包括负荷数据、市场交易数据等。为了确保资源调度效果,提出了基于改进混合遗传算法的智能电网现货市场负荷资源调度方法。通过计算目标函数并设置约束条件,建立智能电网现货市场负荷资源调度模型。根据个体的适应度动态调整遗传操作参数,对混合遗传算法进行改进,以提高算法的收敛速度和全局搜索能力。利用改进的混合遗传算法对模型进行求解,实现智能电网现货市场负荷资源调度。实验结果表明,该研究方法资源调度效果更好。

基于混合遗传算法的有源配电网故障区段自动定位

现实配电网通常由大量节点、线路和变压器组成。网络拓扑复杂,进而导致有源配电网故障区段定位精度下降。首先,对配电网故障特征进行了详细分析,包括短路故障和单相接地故障等类型。然后,依据故障特征分析结果,构建了一个适用于有源配电网的故障区段定位模型。最后,采用混合遗传算法来优化求解该定位模型,以获得精确的故障区段定位结果。实验结果表明:所提方法可以有效实现区段故障定位,且故障区段定位时间始终低于10s,最长仅为9s,表明所提方法定位性能较优,具有实用性。

基于混合遗传算法和仿真的后桥总成线投产顺序优化研究

多品种、小批量混流生产模式可以使企业适应个性化、定制化的需求,满足消费者个性化需求。合理的投产顺序能够提高人和机器的利用率,进而提高企业的生产效率。以某公司后桥装配线中的后桥总成线为例,建立最小循环周期最短模型,运用混合遗传算法求解出最优投产顺序。在此基础上,借助Flexsim仿真软件,建立后桥总成混流装配模型,对后桥总成过程进行仿真。仿真结果验证了合理的投产顺序能够降低工作站的空闲率和提高产线的产量,进而提高企业生产效率。

基于多目标规划和混合遗传算法的上海临空可变车道集群控制优化研究

针对上海临空早晚高峰时段区域交通问题,分别构建广顺北路、协和路、福泉路和金钟路单条道路优化模型及基于多目标规划和混合遗传算法的临空区域路网可变车道集群控制及信号配时优化模型。从通行效率和环境排放效益2个维度进行量化对比。结果表明,可变车道集群控制及信号配时优化后早高峰改善比例大于晚高峰,路网通行效率及环境排放效益优化幅度分别达17.46%和20.53%。可变车道集群优化效果较单车道显著且稳定性高,更有利于路网通行效率的整体提升。研究结论可为城市可变车道集群的智能化管控提供理论支撑与借鉴。

基于混合遗传-Nelder Mead单纯形算法的源强及位置反算

确定泄漏源的位置和强度,是进行群体疏散和应急决策的基础.将扩散模型得到的浓度值与传感器观测的浓度值进行比较并建立混合遗传-Nelder Mead单纯形算法模型,反算得到泄露源的位置和强度,进而利用浓度的模拟数据验证该算法的可行性.研究结果表明:混合遗传-NelderMead单纯形算法不受初值选取的影响,即使初值远离期望值,也能得到很好的结果,而且能以较小的误差和较快的速度反算出结果,更适合于多维变量的搜索.因此混合遗传-Nelder Mead单纯形算法能够快速准确地反算得到泄漏源的位置和强度,满足应急决策的需要.

辣椒株高主基因+多基因混合遗传模型分析

株高是辣椒重要农艺性状之一,直接影响辣椒的抗倒性和丰产性。为明确辣椒株高的遗传规律,以株高较矮的B1-2和株高较高的D50为亲本,采用植物数量性状主基因+多基因混合遗传模型方法对P1、P2、F1、B1、B2和F26个世代的株高进行了遗传分析。结果表明,辣椒株高最适合遗传模型符合E-1模型,即受2对加性-显性-上位性主基因+加性-显性多基因控制。株高的2对主基因加性效应相等,均为3.4087,显性效应值分别为1.3698和-0.7346。B1、B2和F2分离群体中主基因遗传率分别为34.18%、67.48%、66.45%,多基因遗传率分别为46.84%、12.85%、21.99%。试验结果表明,辣椒株高受主基因和多基因共同控制,受环境影响较小。

非线性问题的求解及优化研究--基于遗传算法和混合遗传算法的分析

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。

基于混合遗传算法的通信网络任务调度优化方法

为解决传统任务调度方法受到网络拥塞影响,导致任务调度效果不佳的问题,提出了一种基于混合遗传算法的通信网络任务调度优化方法。首先根据编码方式,对种群进行初始化处理,并将其分配到初始解转换中,设计适应度函数,采用序列交叉法按编码方式重新分配任务资源。然后构建通信网络任务调度优化模型,通过竞争临时簇头、簇内成员上传、临时簇头上传等步骤实现簇间节点间交互。最后构建综合适应度函数,评估分类属性权重,通过循环迭代控制,实现对通信网络任务的均衡调度。由实验结果可知,该方法任务拟合结果与实际拟合效果一致,最终拟合通信量为320bits,最短调度时间为55s,具有良好调度效果。

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的(PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。

基于混合遗传禁忌搜索算法的多机器人任务分配

为解决传统遗传算法在求解仓储多机器人任务分配问题时,收敛速度慢且容易陷入局部极值的问题,该文提出一种混合遗传禁忌搜索算法。首先以机器人配送成本最小为目标建立数学模型;然后在传统的遗传算法中引入禁忌搜索算法中的禁忌表和藐视准则,来对遗传算法每次迭代后的种群进行优化调整,使得算法能够跳出局部最优且快速收敛。仿真结果表明,混合遗传禁忌搜索算法能有效地改善遗传算法的全局寻优能力,提升仓储的整体运行效率。

基于混合遗传算法的海军航空兵场站物资配送车辆调度智能优化

为提升海军航空兵场站物资配送车辆调度效率,根据海军航空兵场站物资配送任务特点,建立了物资配送车辆调度优化模型,提出了混合遗传算法(hybrid genetic algorithm,HGA)对模型进行了求解。在HGA中引入了模拟退火(simulated annealing,SA)操作对经典遗传算法(genetic algorithm,GA)进行了改进:选择适合模型的编码方式和交叉算子;使用类似路径构造的方法构建初始种群;在遗传操作产生子种群之后,通过SA操作寻找子种群邻域中的潜在优秀个体,提升算法局部搜索能力。最后,通过与经典GA的对比实验,验证了所提算法的有效性和可靠性。