改进人工电场算法在选址问题中的应用研究

针对人工电场算法求解多配送中心选址问题时存在求解不稳定、收敛精度较低、易陷入局部最优等缺陷,提出一种改进人工电场算法。首先,算法采用反向学习策略提高种群多样性;其次,利用柯西扰动策略提高算法脱离局部最优的能力;再次,引入正余弦算法的迭代机制平衡算法的全局搜索和局部开发过程;最后,引入精英个体保留策略,确保算法每次迭代均为优解替换劣解。仿真实验表明,改进人工电场算法求解多配送中心选址问题具有一定的性能优势。

鱼雷全弹道仿真系统性能最优设计

为了提高鱼雷摧毁水下或水面目标的效率,需解决系统中存在的强非线性、大计算量黑盒系统的优化问题,改进鱼雷性能,减少工作量。为此提出基于精英个体保留选择的CGA(Compact Genetic Algorithm)算法,并对算法中的参数设置进行了理论分析。以航程最短和脱靶量最小为目标,实现了鱼雷全弹道仿真系统性能最优设计。与传统的遗传算法相比,新算法不仅简单易实现,而且仅用不到原来一半的时间就能得到满意的结果,实现了复杂系统的快速优化。

基于贪婪元胞遗传算法的工序排序优化问题

工序排序优化问题是一类以最小化总成本为目标,工序受到优先关系约束的NP问题。为了寻求此类问题的最优解,在元胞遗传算法的基础上提出了一种贪婪元胞遗传算法(GCGA)。该算法首先使用拓扑排序算法生成初始方案的工序顺序;然后引入贪婪算法生成初始可行工序序列的加工资源;最后分别在交叉和变异后设置精英个体保留策略。GCGA算法能够使初始种群的工序顺序满足优先关系的约束,降低初始方案的总成本,保持迭代过程中加工方案的可行性,提高收敛速度和收敛精度。为了验证算法的有效性,将算法应用于实际案例,与7种典型算法进行对比。实验结果表明:该算法获得的解的平均质量优于已知对比算法。