改进遗传操作PSO算法及其在VRP中的应用

针对车辆路径问题(Vehicle Routing Problem,VRP)是物流系统调度中的关键环节,对车辆路径进行优化调度,可以提高物流经济效益,实现物流科学化。为优化路径,提高搜索效率,针对车辆路径优化问题的特殊性,提出一种改进信息循环利用机制的遗传操作微粒群算法,利用准连续编码算法对解空间进行编码,引入一种信息保留机制,把所有粒子自身的信息保留为一个信息库,利用信息库对粒子进行重组,实现粒子的更新,从而提高算法搜索的效率。通过仿真表明,在VRP的求解上与遗传算法和双种群遗传算法进行对比研究,证明了微粒群算法是一个求解VRP的较好方案。

遗传算法交叉算子的性能研究

根据目前实际应用中遗传算法的基本概况 ,对遗传算法中起核心作用的交叉算子的性能进行了研究 ,分析了交叉算子对遗传算法收敛性的影响以及如何有效地设计高性能的交叉算子 .

遗传算子的改进

遗传算法是受自然选择和自然遗传启发的数值优化算法.它没有任何本身所固有的限制,直接时群体进行操作,自动获取知识用于指导优化和调整搜索方向,保持物种的多样性.其进化思想是解决复杂难题的一个范例,它是一种可在相当宽广领域应用的普遍算法.从理论上分析它的遗传操作算子还存在着某些不足,怎样设计高效的遗传操作算子是解决难题的关键,本文讨论有关遗传操作算子的一些改进.

一种遗传算法的神经网络模型

提出了应用神经网络实现遗传算法的模型,将普通遗传算法中交叉操作和突变操作的概念进行推广,并提出了全交叉和多点突变的概念以及实现这两种操作的人工神经元模型。通过一组著名的测试函数将该算法与典型遗传算法就求解优化问题的性能作了比较研究。此研究对用硬件执行遗传算法,显式地实现遗传算法的内在并行性,从而提高遗传算法的实时性,拓宽遗传算法的应用领域具有重要的意义。

免疫遗传算法在TSP求解中的应用

基本遗传算法保持群体多样性的能力较差,所以经常在问题求解的过程中得到局部最优解。根据生物的免疫原理提出的一种改进算法———免疫遗传算法。免疫遗传算法主要体现了生物免疫系统中的基因重组、免疫记忆、隔离小生境和免疫元动态等特性,这些特性改进基本遗传算法的群体多样性保持能力。最后结合旅行商问题(TSP)的优化介绍了具体实现方法,实验结果表明该免疫遗传算法有较好的性能。