改进的精英保护策略遗传算法及其在十杆桁架优化设计中的应用

本文针对标准遗传算法存在早熟的问题,从两个方面进行了改进,首先采用了精英保护策略和自适应的交叉和变异算子,其次结合结构优化中的力学准则按照内力变化进行变异操作。最后将改进的精英策略遗传算法应用于十杆桁架结构,并同标准遗传算法相比较,结果表明改进的遗传算法是可行、有效的,而且收敛速度更快。

微生物降解动力学参数估计新算法的比较

为了有效地估计较大范围变化的微生物降解动力学参数,发展了基于瞬时精英保护策略的遗传算法(IEPGA)和简单改进遗传算法(IGA),并和多次在参数区间内获取随机初值联用Matlab的lsqnonlin搜寻的算法进行了比较.这些算法利用模拟数据和文献数据,估计了积分形式的Monod模型参数.结果表明,虽然三者均能较好解决这一问题,但考虑到实际运行规模、时间以及最终结果精度,对于较大范围变化的微生物降解参数估计问题,多次(>20次)随机初值联用lsqnonlin的方法相对两种遗传算法更为可行.

变邻域保优遗传算法求解柔性车间调度问题

针对单目标柔性作业车间调度问题,以最大完工时间为优化目标,将遗传算法、变邻域搜索算法与精英保护策略相结合,提出一种运算效率和求解性能均较好的混合算法。首先建立数学模型,阐述算法的整体流程。对遗传算子进行改进,并添加改良的保优记忆库对精英个体进行保护。基于关键工序调整,设计了“同机器工序调整”“变机器工序调整”“双工序调整”三种邻域结构,增强了局部搜索能力,并给出一种高效的关键工序寻找法则。通过对基准算例及数值实验的测试,验证了该算法的有效性和可行性。