基于改进NSGA-Ⅱ算法的汾河水库优化调度研究

为进一步提高NSGA-Ⅱ算法搜索效率,引进全局搜索能力更强、收敛速度更快的算术交叉算子改进原始算法中采用的模拟二进制交叉算子(SBX)。据此提出一种改进NSGA-Ⅱ算法,同时采用Generational Distance(G_(D))指标评价多目标Pareto解集的收敛状态,并将该方法应用于汾河水库供水及生态协同优化调度研究中以验证其有效性。对比不同算法运行产生的Pareto解集及水库运行各项指标表明,与传统算法相比,算法改进后达到收敛状态的迭代次数降低了100代且收敛时间缩短7.76%;较不优化条件下的各部门缺水率均有所降低,其中农业缺水率效果最为显著,降低13.20%~14.52%,总供水量增加0.268×10^(8)~0.303×10^(8)m^(3)。验证了改进算法及优化调度的有效性,为水库多目标优化调度提供了一种新思路。

演化元胞自动机函数优化算法案例研究

BUMP是一个超多维,超多峰,超非线性的问题,被广泛应用于各种演化算法的性能比较。但最好解是未知的。基于元胞自动机的遗传算法报告了BUMP曾经发表过的最好解。该文设计了基于演化元胞自动机的新算法(ECAA)并获得了更好的结果。文中详细讨论了算法中各算子的设计方法及其在算法中扮演的角色,分析了该算法的极度并行,天然局部搜索等重要特性。

基于随机错位算术交叉的遗传算法及其应用

杂交算子是实现进化群体的多样性和改善遗传算法性能的重要因素.本文在对遗传算子做了深入的探讨并分析了良好杂交算子应具有的两个性质之后,提出了一种新的交叉算子——错位交叉算子(DislocationCrossover,DC),继而设计了随机错位算术交叉算子(GAs Combined with Random Dislocation Arithmetic Crossover,RDAC),并应用于实际问题.该方法使已有的最优可行个体序列以极大概率并且快速地离开早熟收敛状态继续接近全局最优解.数值测试实例表明了该算法具有良好的全局搜索能力和较快的收敛速度.

多车型开放式车辆路线问题的混合启发式算法

多车型开放式车辆路线问题,是物流配送优化中不可缺少的环节。针对标准遗传算法存在收敛速度慢,局部搜索能力差,易早熟的缺点,采用混合启发式算法进行优化求解。采用实数序列编码,使问题变得更简洁;有针对性地构建初始解,提高了解的可行性;用基于排序的选择与最佳保留相结合策略,保证群体的多样性;引入部分算术交叉算子,加强染色体的全局搜索能力;利用模拟退火算法的Boltzmann机制,控制遗传算法的交叉、变异操作,提高了算法的收敛速度和搜索效率。仿真结果表明混合启发式算法在求解质量和计算效率上好于标准遗传算法。

改进的遗传算法在土石坝沉降预测中的应用

运用遗传算法基本原理,以时效量作为基本影响因子,建立了土石坝沉降的遗传算法模型.在建模过程中,为保证提高搜索效率和模型精度,对基本遗传算法加以改进.决策变量采用浮点数编码;采用最优保存策略;采用算术交叉算子;采用均匀变异算子.同时从优化模型和土石坝沉降规律出发确定决策变量的定义域,减小搜索范围以提高搜索效率.陆浑水库的应用实例资料表明,模型合理,具有较好的精度,可为土石坝沉降分析提供一条新的途径.