灾变算子在遗传算法中的作用研究

模拟生物进化过程中导致大量物种灭绝而个别物种幸存的灾变现象,灾变算子在进化操作几十代后除了当前最好解留下来外,重新随机产生其他个体。该文通过分析和实验表明,采用灾变算子可以提高遗传算法小规模群体的多样性,从而避免早熟收敛。

一种基于灾变算子的物流运输线路优化算法

针对物流网络路径中正向逆向的密度过大,这种突变密度容易造成路径的冲突,降低了物流网络调度模型的效率。提出一种灾变算子的逆向物流路径优化算法。通过建立物流逆向和正向的配送网络关系数学模型,利用路径灾变算子反馈约束加权算法进行网络配送优化计算,从而充分考虑正向和逆向路径负荷的情况,提高物流网络调度效率。实验证明,该方法提高物流配送网络调度效率,取得了令人满意的效果。

灾变遗传算法求解带时间窗的车辆调度问题

提出一种可以有效求解带时间窗的车辆调度问题的灾变遗传算法。遗传算法作为一种高效的启发式算法被用于解决这类组合优化问题,但是该算法存在过早收敛、易陷入局部最优等缺陷。针对此问题,在搜索过程中采用灾变算子使遗传算法跳出局部最优,并针对车辆调度问题设计一种可以直接产生可行解的交叉算子,避免染色体交叉过程中产生不可行的子代。通过仿真算例验证了所提出的算法求解带时间窗的车辆调度问题的有效性;通过与标准遗传算法、改进遗传算法和粒子群算法的比较,进一步验证了灾变遗传算法在优化性能以及算法鲁棒性方面的优势。

考虑动态任务耗时与播种墙容量的移动机器人拣货系统任务分配优化

任务分配是影响移动机器人拣货系统效率的关键决策问题。针对具有差异化客户评级特征的业务场景,考虑系统的动态任务耗时特性和拣选站播种墙容量约束,提出了一种基于混合启发式算法的集中式任务分配方法。首先,在客户订单优先级约束下构建以最大完工时间最小为目标的任务分配优化模型。其次,考虑机器人在任务执行中因加减速、转弯、升降货架、排队等待导致的动态任务耗时以及播种墙容量限制,设计最大完工时间生成方案。随后,开发基于记忆精英种群的灾变自适应大邻域搜索算法(MEPCALNS)对模型进行求解,提高了传统自适应大邻域搜索算法的搜索深度和搜索效率。最后,通过数值实验证明了算法的有效性和稳定性。研究成果有利于提高移动机器人拣货系统的分拣效率。

柔性设计任务协同调度算法

指出柔性多任务协同调度是一个NP难题,并分析了协同任务调度在协同设计系统中的重要性,提出一种基于遗传算法和模拟退火算法的混合算法,利用该算法实现设计任务的选择。设计二维结构的矩阵编码,并基于这种编码方式,提出行算子与列算子,融入约束条件,采用列交叉算子与列变异算子;为了加快群体的收敛性,采用精英保留策略;此外引入灾变算子,以保证群体的多样性;在个体生成过程中,考虑能力等相关因素对设计效果的影响,在解码过程中实现任务的时间调度与优化,并设计解码算法。通过实例仿真分析,所提出的混合遗传算法收敛速度快,寻优能力强。

一种求解约束优化问题的改进型免疫克隆算法

针对约束优化问题提出一种基于精英库机制的改进型免疫克隆优化算法ICOAEB(Immune clonal optimization algorithm based on elite bank)。该算法利用精英库机制动态存储迭代过程中父代优势个体,实现优秀个体的多代记忆,从而提高算法寻优能力;并利用灾变算子扰动算法运行过程从而摆脱迭代缓慢的状态,避免局部收敛。通过对五个约束优化函数的测试,实验结果表明ICOAEB的求解精度和稳定性较高,可以较好地解决约束优化问题。最后针对影响算法性能的两项重要参数选择问题给出了相关的实验及分析。

快速物流运输线路优化对山区旅游的促进模型

提出了一种基于灾变算子以及改进BP神经网络的山区旅游快速物流运输路径优化算法,通过路径灾变算子反馈限制加权算法优化网络配送,在BP神经网络中融入非线性改进方法,优化旅游物流网络中堵塞路径,获取具有最佳性能的旅游物流路线。实验结果说明,该方法增强了物流配送网格调度效率,极大促进了山区旅游业的发展,取得了令人满意的效果。

解复杂连续函数优化问题的动态量子遗传算法

研究了一种解复杂连续函数优化的动态量子遗传算法(DQGA)。设计一种动态量子旋转角的更新策略及量子门调整策略,以加快算法收敛速度,同时为淘汰适应度差的个体,量子旋转策略表中动态地嵌入了变异算子。在算法进化后期引入灾变算子使算法及时跳出局部最优,避免早熟收敛。五个复杂连续函数的测试实验表明:所提算法对复杂连续函数优化问题的寻优能力较QGA更强,算法的稳定性更高,算法的迭代次数亦优于传统量子遗传算法。

基于混沌优化技术的并行进化模型及性能分析

提出了基于混沌优化技术的并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。宇宙内采用免疫量子进化算法、灾变算子,宇宙间采用基于学习机制的移民、基于混沌序列的信息交互,因此算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。不仅从理论上分析了算法的性能,而且通过仿真实验验证了该算法的优越性。

基于改进遗传算法的煤矿供电系统无功优化

研究了电力系统配电网的无功优化问题,提出了一种改进遗传算法并将其应用到煤矿供电系统的无功优化中。该算法将用于参加迭代运算的群体分为2组,对2组采用不同的操作方法,分别进行进化,并引入灾变算子以提高解的全局性。最后通过对某煤矿供电系统的无功优化验证了所采用算法的有效性。

一种求解Job Shop调度问题的改进遗传算法

传统遗传算法在求解Job Shop调度问题时存在收敛速度慢,易于早熟的缺点。在病毒遗传算法(VEGA)和灾变遗传算法的基础上提出了一种带有灾变因子的病毒遗传算法(IVEGA-C)。该算法在传统遗传算法的基本结构上加入了病毒感染操作和灾变操作,病毒感染操作实现了同代个体之间横向传递进化信息,灾变操作采用灭绝操作。正是这种改进加快了遗传算法的收敛速度,避免了早熟现象和陷入局部最优解。通过仿真实验验证了IVEGA-C算法在解决Job Shop调度问题中的性能优于传统GA算法和VEGA算法。最后给出了应用该算法的一个实例。

一种求解等效并行机调度问题的改进遗传算法

针对预防性维修与工件到达时间的等效并行机调度问题,以最大完工时间的最小化为目标,设计了一种基于灾变机制的改进遗传算法。该算法采用随机与启发式混合方法生成初始种群,能以自适应交叉概率、变异概率以及灾变算子提高种群的多样性和算法的搜索能力,克服传统遗传算法的“早熟”问题。实验结果表明,与数学规划模型和传统遗传算法相比,该算法的求解效率有明显提高。

基于多目标GA算法求解冷链运输问题

基于冷链运输问题的特点,综合考虑配送车辆的固定成本、运输成本和车辆等待时的惩罚成本,构建该问题的优化模型,用于降低冷链运输成本和提高被服务客户的满意度。文中针对基本NSGA-II算法存在的问题,对该算法中的交叉算子进行改进,采用混合型交叉算子,增强其寻优能力,并在此基础上加入了灾变算子用于维持种群多样性,跳出局部最优解。仿真实验表明,该算法对求解客户点分布密集型的问题非常有效,能很好地找到最优解。文中的模型和算法能为冷链物流企业的配送活动优化提供一定的解决思路,具有一定的参考价值。

带不相关机的可重入柔性流水车间问题的改进灾变遗传算法

针对实际工业生产中存在的带不相关并行机的可重入柔性流水车间问题,以工件的最大完工时间最小化为目标,建立了整数规划模型,并提出了改进灾变遗传算法以求解该模型。在算法中采用了与加工时间相关的机器选择机制以获得初始种群;运用自适应交叉和变异算子改善解的质量;引入灾变算子提高种群的多样性。通过仿真实验说明了改进灾变遗传算法能够在较短的计算时间内获得较高质量的近优解。