求解作业车间调度问题的一种改进遗传算法

为了避免遗传算法的早熟收敛问题,降低算法对初始种群的敏感程度,提高收敛速度,建立了以工件完工时间最小和加工设备利用率最高为目标的数学模型,并提出一种改进遗传算法。在约束条件处理中引入可能解空间概念;设计了适应路径柔性调度问题的基于工序的编码。父代个体和交叉变异得到的个体在选择操作中具有同等选择机会,保证最优个体保留到下一代,又能保持子代的多样性。在遗传过程中引入修正种群,实现多种群杂交,以保持种群的多样性。应用实例分析和工程实践表明,算法稳定可靠,运行效率大大提高。

求解作业车间调度问题的多种群杂交遗传算法

提出了多种群杂交改进遗传算法,在约束条件处理中引入可能解空间概念;设计了机床编号可变的基于工序的编码。父代个体和交叉变异得到的个体在选择操作中具有同等选择机会,保证最优个体保留到下一代,又能保持子代的多样性。在遗传过程中引入修正种群,实现多种群杂交,以保持种群的多样性。应用实例分析和工程实践表明,算法稳定可靠,运行效率大大提高。

采用可能解空间改进遗传算法

引入可能解空间的概念,探讨了它在遗传算法约束条件处理改进中的应用.应用实例分析表明,改进的遗传算法可得到更优化的结果,并验证了在种群生成中采用改进约束条件处理的优势.工程实践也表明,采用可能解空间对遗传算法约束条件处理的改进,能大大减少随机试探次数,提高算法的运行效率.

遗传算法解决多背包问题

文章运用遗传算法求解多背包问题,给出了具体的求解步骤。运用两种不同的方法来处理约束条件,并将遗传算法和贪心算法进行比较。通过举例给出了设置参数的具体方法,并通过对搜索效率的分析,证明了遗传算法在解决多背包问题时是行之有效的。算法只需搜索解空间中的很小一部分,就可搜索到很好的结果。

基于改进一致性算法的无人机编队控制

编队飞行是指多架无人机保持以一定队形进行飞行的状态,相比于单架飞机执行任务,无人机编队能够增加搜索面积,提高飞机飞行性能,增大完成任务成功率。编队控制是实现编队安全高效完成指定任务的前提。本文以一致性理论为基础,针对无人机运动模型的特点与实际飞行要求,对基本的一致性算法进行改进,提出了改进一致性无人机编队控制算法。首先利用纵向和横侧向解耦的自动驾驶仪模型给出了无人机的三自由度运动方程,根据机动性与飞行性能要求定义了各方向上的加速度、速度与角速度约束。基于一致性理论,将编队控制分为平面与纵向2个方向进行,在状态控制的基础上,利用各状态变量间的几何关系对无人机运动自由度进行转换,加入编队队形信息,设计了编队控制算法。为了使算法生成的指令信号满足约束条件,提出了"最小调整"约束条件处理策略。依据粒子群算法对各无人机的爬升加速度进行优化,以避免机间碰撞。仿真结果表明:提出的编队控制算法具备编队成形与变换功能,能够使无人机编队状态快速收敛到指定值,且保持指定队形,无人机飞行状态满足所有约束条件。