基于遗传-模式搜索算法的微尺度管控区域大气污染物PM2.5溯源

针对微尺度管控区域可能发生的大气污染提出有效的靶向诊断方法-结合高斯烟羽模型和遗传-模式搜索算法的大气污染物分布式溯源方法.将污染源反算模型得到的污染物理论质量浓度与传感器网络观测值的数据对应关系作为目标函数,使用模式搜索算法嵌入遗传算法加快反算模型的搜索过程,反算得到污染源强度和位置.依托杭州市亚运板球场馆大气感知器网络进行实验验证,监测2021年10月PM2.5质量浓度、气象数据,对所提出的混合式大气污染溯源方法进行实验验证.实验结果表明:改进遗传-模式搜索算法对于多维变量的搜索效果较好,能快速精准地反算污染源的位置和强度,可以为微尺度管控区域突发性气体污染防治提供应急决策参考.

基于遗传变邻域搜索算法的农机跨区调度优化研究

智慧农业的快速发展促使多区域互联农机的调度追求更高的实时性,为更合理配置农机资源,农机跨区作业已成为完成“三夏”机收任务的主要服务模式。基于小麦收获机跨区作业真实场景,研究了带时间窗的多库、多机型的农机跨区调度问题,同时考虑经济成本和环境成本,建立以最小调度成本为目标的跨区调度模型。根据问题特征,设计遗传变邻域搜索算法(Genetic algorithm variable neighborhood search,GAVNS),该方法通过交叉、随机扰动、自适应邻域选择等操作,使解的搜索更加高效和灵活。对我国黄淮海平原72个小麦生产区县的作业需求进行计算与分析:不同算法相比,本文设计的算法得到最优解的迭代次数更低、收敛速度更快,求得的目标函数值较遗传算法、变邻域搜索算法分别降低16.41%、11.15%;对比不同调度模式,开放路径模式更有利于提升跨区调度服务效率,较闭合路径模式,调度成本降低17.76%。

基于混合遗传禁忌搜索算法的多机器人任务分配

为解决传统遗传算法在求解仓储多机器人任务分配问题时,收敛速度慢且容易陷入局部极值的问题,该文提出一种混合遗传禁忌搜索算法。首先以机器人配送成本最小为目标建立数学模型;然后在传统的遗传算法中引入禁忌搜索算法中的禁忌表和藐视准则,来对遗传算法每次迭代后的种群进行优化调整,使得算法能够跳出局部最优且快速收敛。仿真结果表明,混合遗传禁忌搜索算法能有效地改善遗传算法的全局寻优能力,提升仓储的整体运行效率。

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。

基于遗传-禁忌搜索算法的微网群能量管理

针对微网群能量管理提出了一种优化策略,利用将每小时风机、光伏阵列输出功率的连续概率密度函数划分为多个状态集合的方法定义了状态函数,基于各分布式发电成本定义新的指数W评估能量管理的效果,利用遗传—禁忌搜索算法进行目标函数寻优,解决了微网群能量管理关于各分布式电源出力分配问题。采用PG＆E69节点系统作为微网群算例,应用Matlab平台搭建仿真模型,以经济效益为目标对本文所提能量管理优化算法进行了仿真验证,通过微网群群级能量管理,各子微网成本均有可观降低。通过预测误差敏感性分析,验证了所提方法在预测误差方面的鲁棒性。结果表明所提能量管理策略具有良好的应用前景。

多目标遗传局部搜索算法的研究进展

在分析了由演化算法局部搜索能力差造成的多目标演化算法在收敛速度和求解精度上尚不能令人满意的局限性的基础上,详细地论述了融入局部优化方法的多目标混合演化算法能够有效地平衡算法的全局搜索与局部搜索能力、均衡搜索效率与效果,而且已成为求解多目标优化问题的一个非常重要而有前途的研究方向。其次,综述了多目标遗传局部搜索算法的研究进展与分类。最后,简单介绍了一些具有代表性的多目标遗传局部搜索算法,并提出了其有待进一步研究的若干方向和内容。

基于遗传禁忌搜索算法的AGV物料输送调度问题研究

研究AGV物料输送工作过程,建立多复杂、多约束条件的AGV物料输送多参数调度问题数学模型。将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法。通过所建立的数学模型进行算法设计和仿真,结果表明该算法比较单纯的遗传算法的计算结果有一定的改进,使AGV完成物料输运任务时耗用时间最短。

一种基于遗传线性搜索算法的关节手模型匹配方法

提出了一种可替代传统搜索算法的改进型模型匹配算法 这种算法将遗传算法 (GeneticAlgorithm ,GA)和经典的线性搜索算法 (LineSearch ingAlgorithm ,LSA)相结合

基于遗传禁忌搜索算法优化的CMAC-PID液压弯辊复合控制

针对液压伺服系统存在时滞、饱和等非线性特点,提出一种基于遗传禁忌搜索算法的CMAC-PID复合控制的板形控制策略,用遗传禁忌搜索算法优化PID控制器的初始参数,然后结合CMAC网络有效控制板形控制系统中弯辊力。仿真证明,该复合控制算法提高了系统的精度,加快了系统的响应速度,并且具备较强的抗干扰能力。

遗传-和声搜索算法下的MIMO雷达正交多相码设计

针对现有多输入多输出(MIMO)雷达正交多相码的设计中存在的自相关旁瓣峰值和互相关峰值高、算法收敛速度慢的问题,提出了一种基于遗传-和声搜索算法的MIMO雷达正交多相码设计方法。该算法将和声搜索算法和遗传算法相结合,在遗传算法多次迭代获得一个较好的初始解的基础上,再使用和声搜索算法进一步搜寻邻近区域可能的解。该算法既具有遗传算法全局寻优的特性,又具备和声搜索算法的邻域寻优特性。所提方法能够加快发射信号自相关旁瓣峰值和互相关峰的收敛速度,同时增大主瓣和旁瓣的比值。仿真实验的结果证明了所提混合算法的优良性能。

一种并行多目标遗传邻域搜索算法

现有的多目标遗传算法在解决大规模多目标生产调度问题时虽然有效,但往往非常耗时,难以应用于实际。为了提高求解效率,提出了一种并行多目标遗传邻域搜索算法来求解Pareto边界。该算法将多目标遗传算法的进化方向划分为若干范围,然后同时对每个进化方向的范围使用多目标遗传邻域搜索算法,并行地搜索各方向范围内的Pareto边界;在各进化方向范围内进化的子种群会定期交流各自进化成果。多目标遗传邻域搜索算法的并行化在不增加求解时间的前提下,提高了求解精度,加快了算法的收敛速度。仿真实验结果验证了算法的可行性与有效性。

基于遗传分散搜索算法的装配排序优化

航空发动机装配车间调度问题包括部件组装调度和试车台排序。其中试车台排序是一个关键问题,它直接影响生产效率和生产成本。为了提高生产效率、降低生产成本,文中针对航空发动机装配车间调度问题,依据实际情况,对其中关键的试车台排序问题进行深入研究。在分析试车台排序特征的基础上,建立了试车台最优排序的旅行商模型,基于遗传分散搜索算法对该模型进行求解,为装配排序优化问题提供了一种科学的方法。最后通过算例比较表明该算法的适用性和优越性。

接运公交网络设计的多目标优化模型及遗传变邻域搜索求解算法

为了使接运公交网络更好地为轨道交通车站集散客流服务,将其作为研究对象,提出了接运公交网络的优化方法.考虑接运公交网络服务的需求量与接运公交供给密切相关、接运公交发车时刻与轨道交通车辆到站时刻构成有序衔接,以接运公交服务的乘客量最大化、接运乘客平均成本最小化、运营成本最小化为优化目标,构建了接运公交网络的多目标优化模型.为求解模型,设计了利用产生式方法获得Pareto解集的遗传-变邻域搜索算法.将设计的遗传-变邻域搜索算法与遗传算法、精确算法分别进行比较,通过算例验证了模型与算法的有效性.

和声搜索算法优化快速消费品生产配送协调调度

研究具有生产准备环节的快速消费品生产配送问题,考虑工厂和配送中心的库存限制,工厂产能限制和劳动力限制,建立一个多周期、多工厂、多产品、多配送中心、多客户的混合整数线性规划模型,旨在最小化准备成本、生产成本、库存成本和配送成本。通过设计一种遗传和声搜索算法对模型进行求解。最后给出一个算例说明所提模型和算法的可行性和有效性。

基于改进遗传禁忌搜索算法的二维不规则件排样优化

针对二维不规则钣金件排样问题,提出一种融合临界多边形(NFP)定位和改进遗传禁忌搜索算法的排样优化方法。首先,根据零件的几何特征对其进行分类编码,求解零件类间的NFP,避免NFP的重复计算,同时引入以排样高度最小化为目标的启发式规则,给出零件定位策略的综合评价函数,以提高板材利用率。其次,在零件排序优化时,将遗传算法中的精英群体作为禁忌搜索算法的高质量初始解,减少计算资源消耗。最后,利用欧洲切割和包装特别兴趣小组ESICUP提供的标准算例对所提排样方法进行测试。结果表明:相比传统遗传禁忌搜索算法,所提排样方法的计算效率提升了28.32%~80.23%,并且在与两种现有算法的7个基准测试对比中,所提排样方法均取得了最优排样结果。

基于遗传禁忌算法的双资源约束下并行生产线调度研究

并行生产线调度问题兼有并行机器和流程车间调度问题的特点,是一类新型的调度问题。在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源并行作业车间的调度优化问题算法,即考虑到了产品的调度受到机器、工人等资源制约的影响,对算法中种群的构造,适应度计算,遗传操作等方面进行了研究,最后给出了实例仿真和结论。

结合遗传算法和多尺度边缘检测的红外图像分割

用传统的解析法得到的函数最大梯度和局部极大只能是近似和局部意义上的。本文结合遗传优化搜索算法讨论多尺度边缘检测的新方法。为了提高遗传算法应用于边缘检测的收敛速度,改进基本遗传算法存在的局部搜索能力差的缺陷,提高全局解的质量,采用了改进的GA(遗传算法)+SA(模拟退火法)+TABU(列表寻优法)混合算法。将基本遗传算法与启发式搜索算法相结合,采取交替式的优化策略。试验结果表明,将该算法用于红外目标图像分割,可以使检测出的图像边缘细节丰富、单边缘、定位准确。

基于遗传禁忌算法的城市轨道交通乘务任务配对研究

为提高城市轨道交通乘务员值乘效率并降低运营支出,研究不同时间参数设置下的乘务任务配对问题,综合考虑乘务员连续工作时间、班次交替时刻、各班次最长工作时间、休息时间、用餐时间等约束,以最大化一日内所有乘务员的值乘效率为目标,建立非线性混合整数规划模型,并设计遗传禁忌混合搜索算法进行求解,从而得到最优参数设置方案和相应的乘务排班计划。以成都地铁5号线一日内运行图数据为基础,结合既有文献参数设置方案进行验证,算例结果表明,不同参数设置会不同程度影响乘务计划效率,特别是相邻乘务作业段间的休息时间,同时提出的方法只需要迭代27次就可以获得较优解,最优乘务任务效率为0.836 1,明显优于代入既有文献参数获得的乘务计划效率。

基于遗传-变邻域搜索算法的堆垛机作业调度优化

基于缩短自动化立体仓库中堆垛机完成货物出入任务时间的目的,建立了堆垛机作业调度的作业时间模型,通过修补机制、校正机制和遗传-变邻域搜索算法的优化方法,使得在优化的过程中,确保出入库任务序列的长度相等,并能够复用同一批作业任务中因出库作业产生的空货位。12组作业任务的仿真实验结果表明,相较于变邻域搜索算法,遗传-变邻域搜索算法的收敛速度更快,其中3组作业任务解的质量更高,总耗时和相对耗时的优化率分别为11.57%~21.56%和35.85%~68.89%,且复用空货位可以缩短堆垛机的作业时间。

混合Flow Shop调度问题的遗传算法求解

该文构造了一种新的遗传启发搜索算法,用于求解混Flow—Shop调度问题,通过分析和实例计算表明,该算法能够有效地适用于大规模加工过程中调度问题的优化计算,在运行时间、适应性和最优率等方面都具有很好的搜索优势。