遗传算法的一个调节算子研究

虽然遗传算法在许多领域获得了成功应用 ,但它本身存在不成熟的过早收敛问题是影响其发展的中的课题 .本文通过对遗传算法机理的分析和认识 ,给出了遗传算法早熟现象产生的原因是模式缺少 ,并提出了一个在遗传算法中基于模式抽取和模式补偿的调节算子以解决早熟现象 。

基于调节算子的多目标人工蜂群算法

针对人工蜂群算法处理复杂优化问题在进化后期收敛速度较慢、精度低和易陷入局部最优等问题,提出了一种基于调节算子的人工蜂群算法.在进化过程中考虑蜜源开发情况,并根据蜜源情况自适应地选择搜索半径,在各个时期侧重于不同搜索方向.将分布情况纳入适应度值计算中,利用轮盘赌策略选择种群中多样性解引导种群进化.通过将外部档案个体维度混合,保证良好的分布性,并在多组测试函数下验证了算法的有效性.

免疫网络调节算法及其在固定频率分配问题中的应用

提出了一种免疫网络调节算法(INR),该算法以Jerne的独特型网络调节理论为基础,将选择、变异等遗传操作算子整合到算法惟一的免疫调节算子中,并用Segel的形态空间计算模型定量指导免疫调节算子的行为,为了证明该算法有效,还针对固定频率分配问题进行了相关实验,结果表明该算法的多样性保持能力和收敛性都相当理想。

考虑动态客户需求的物资配送问题求解方法

为明确需求预测方向和减少预测偏差,提出了一种考虑动态客户需求的物资配送问题求解方法。依据客户历史需求,以泊松分布模拟需求变化情况,建立需求预测模型,得到客户初始预测需求,并在此基础上建立了需求不确定的物资配送模型。为求解该模型,设计了一种预测需求可调节的遗传算法。在遗传算法局部搜索阶段,提出了需求调节算子。该算子以一定概率对客户初始预测需求进行调节,以符合泊松分布的需求变化量减少预测需求,同时对车辆间的顾客进行调整,顾客以调节后的预测需求挑选最小需求客户,移动该客户至其他最低载货车辆中并调整该车辆服务的顾客顺序,整个调节过程以最低配送成本为标准,保留最优配送路径。从标准车辆路径问题测试数据库中挑选10个典型样例进行测试,结果表明,与经典的最近邻算法和遗传算法对比,所提算法在所有算例中均取得了总成本最小值,在90%的算例中取得了运输成本最小值,在70%的算例中取得了车辆成本最小值。