一种优化神经网络结构的遗传禁忌算法

常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性受到影响。引入一种基于方向的交叉算子和禁忌变异算子,同时把禁忌算法(TS)引入标准遗传算法,结合标准遗传算法和禁忌算法的优点,提出一种优化神经网络结构的遗传禁忌混合算法,实现了网络结构和权值同时优化。仿真实验表明,与遗传算法和禁忌算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。

基于遗传禁忌算法的城市公交线网优化研究

针对城市公共交通线网优化问题,利用遗传禁忌算法进行研究.通过对公交线网优化目标函数和关键约束条件的分析,从乘客利益、企业效益及社会环境的角度出发,以公共交通效率最大化为总目标,建立公交线网优化模型.在分析遗传算法和禁忌搜索算法自身的优势与不足的基础上,提出基于遗传禁忌算法的公交线网优化算法,并将其应用于银川市公共交通线网规划中,结果表明该算法科学合理,可操作性强.

基于遗传禁忌算法优化的模糊神经网络垂直切换算法

针对异构网络切换问题,综合考虑遗传算法和禁忌算法的优点,结合神经网络及模糊理论,提出了基于遗传禁忌算法(GATS)优化的模糊神经网络垂直切换算法GATS-FNN。在切换过程中加入了预判决模块,通过筛选节点降低系统成本和算法复杂度;将网络信号强度、带宽、负载和用户终端移动速度进行了模糊处理,并采用GATS算法进行优化,调整隶属度函数的参数。仿真结果表明,该算法可以降低页面平均响应时间,为用户提供更好的服务。

基于遗传禁忌算法的公交线路发车间隔优化

针对城市公共交通营运调度因发车间隔未得到优化而出现的乘客等车时间过长、公交车辆满载率不均形成的资源浪费现象,从乘客和企业的双向角度考虑,建立了以乘客等车时间和公交企业营运成本最小为优化目标的公交线路发车间隔优化模型。基于遗传算法的全局搜索能力和禁忌算法的局部搜索能力,设计了遗传禁忌算法求解方法。以南宁市67路公交线路为例,进行了实例验证。分析结果表明了该模型和算法均可行。

基于遗传禁忌算法的S盒优化算法

提出了一种基于遗传禁忌算法的S盒优化方法,算法中引入了小生境技术用来保持种群的多样性,防止早熟收敛.将S盒的雪崩准则和扩散特性等其他性能亦作为演化的目标,对S盒的优化进行更为深入的研究.实验结果表明基于改进遗传禁忌算法构造S盒是有效可行的,不但能获得一批高非线性度和低差分均匀度的S盒,并且能有效地减少冗余计算量、加快收敛速度.

基于遗传禁忌算法和CBR的财务危机智能预警支持系统

该文将案例推理技术用于智能化预警支持系统中,不仅能够对企业财务危机进行定量预警,而且根据专家知识经验对企业内外部环境进行定性预警。首先介绍了遗传禁忌算法,重点阐述了CBR的关键技术,最后给出了CBR-IEWSS系统的框架。

遗传禁忌算法优化BP网络用于入侵检测

针对入侵检测系统存在的高漏报率和误报率,提出一种基于遗传禁忌神经网络的入侵检测模型。该模型基于遗传禁忌算法的全局搜索和BP网络局部精确搜索的特性,将遗传禁忌算法和BP算法有机结合,利用遗传禁忌算法优化BP网络初始权重,同时引入小生境技术改进遗传禁忌算法。实验表明,改进的遗传禁忌算法优化BP网络用于入侵检测能提高入侵检测的效率,降低误警率,可在一定程度上提高入侵检测系统的准确率。

基于遗传禁忌算法的并行测试任务调度

并行测试任务优化调度是并行测试技术的核心内容之一。针对并行测试任务调度复杂、难以优化的难题,结合遗传算法的早熟收敛特性和禁忌搜索法自适应优点,提出了解决此问题的遗传禁忌算法。可充分利用其优异的全局最优搜索能力来寻找具有最大并行率的任务序列,避免算法早熟。建立了并行测试任务调度的数学模型;设计了一种满足资源约束与任务时序约束的基因编码方法。给出了实例运算,结果证明了该算法的有效性及优越性。

基于遗传禁忌算法结合解决排课问题

排课问题是一典型NP-Hard问题,通常可以使用遗传算法进行解决,把遗传算法与局部搜索方法禁忌算法有机结合起来,是改进遗传算法性能的一个卓有成效的方法。使用遗传禁忌算法解决排课问题,并且通过改变个体适应度的计算方法,避免了排课中课表的两极分化现象。通过实验,该方法可以取得较好的排课结果。

基于遗传禁忌算法的Ontology划分

为解决企业实际应用中需要部分使用本体(Ontology)的问题,提出一种基于遗传禁忌算法的Ontology自动划分方法。按Ontology划分的要求,将概念被划分进的子Ontology编号组成的数字串作为一条染色体,设计遗传禁忌算法的适应度函数,给出Ontology划分算法的具体步骤。对比实验结果表明,该方法的划分平衡度和准确性优于其他方法。

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。

基于遗传禁忌算法的多星协同任务规划方法

为了合理、高效地利用逐渐增多的在轨卫星资源,更好地完成对地观测任务,提出了一种基于遗传禁忌算法的多星协同任务规划方法,解决了多星协同任务规划问题。建立多星协同任务规划问题模型,并设计综合考虑任务总收益值和总完成度、卫星资源总侧摆角的目标函数。兼顾遗传算法较强的全局寻优能力和禁忌搜索算法较强的局部寻优能力,设计包含遗传搜索和禁忌搜索2个阶段的多星协同任务规划算法。建立不同种群数量、不同任务规模的仿真场景,验证了所提出方法的稳定性和有效性。

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。

求解最小支配集问题的禁忌遗传混合算法

将最小支配集问题转换为一系列判定问题k支配集问题,并提出一种禁忌遗传混合算法对k-DS问题进行求解。此算法将禁忌搜索算法和遗传算法两种启发式算法结合起来,互补不足。高效的邻域结构保证了算法的运行效率,禁忌策略防止算法过早陷入局部最优陷阱,遗传算法框架进一步增强了算法的疏散性。经过与现有求解最小支配集算法的结果进行分析比较,禁忌遗传混合算法的结果较其它算法更优。

基于遗传禁忌算法考虑转运约束的并行机批量调度问题研究

在多品种混流生产车间里,广泛存在着各种批量的任务在多台并行机上调度优化问题。这种并行机批量调度需要考虑批量大小设置、加工顺序优化、设备充分利用等多种要素,是一类典型NP-hard问题,且当任务加工完后还需要考虑转运过程时,问题将变得更加复杂。为了减少并行机生产过程中任务拖期和在制品积压,寻求更好的生产调度方案,针对典型并行机生产和转运场景,以最小化加权完工时间及拖期工件的惩罚费用、作业切换成本、库存成本之和为优化目标,设计了基于启发式规则的仿真程序与遗传禁忌算法相结合的优化算法,研究单工序不相关并行机调度环境下车间批量调度的最优调度方案,再通过案例验证了本文优化算法的有效性。结果表明,优化算法得出的并行机批量调度方案使得作业切换次数和拖期订单大大减少,减少在制品库存的同时提高了转运资源的利用率。

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。

基于遗传禁忌算法的案例检索策略

将遗传算法和禁忌算法引入案例推理系统,首先使用遗传算法对案例检索中案例属性的权重进行优化,提出了基于遗传禁忌混合算法的检索策略,并应用于基于案例推理的企业财务危机智能预警支持系统,提高了系统的效率和质量。

基于遗传禁忌算法的多目的间歇过程调度问题求解(英文)

由于组合爆炸特性,多目的厂的调度问题很难求解大规模甚至中等规模的问题,本文采用一种新的随机性优化技术一基于禁忌技术的遗传算法点(Tabu-genetic algorithm,TGA)来对该问题进行求解,引入新的选择策略和变异方法．并以零等待的多目的间歇过程调度为实例,计算表明同已有的方法相比,该方法求解效率高、收敛速度快、使用简单方便,可有效的克服计算负荷和求解质量之间的冲突,是一种求解多目的厂间歇过程调度问题的有效算法。

机组负荷优化的遗传-禁忌混合算法

针对遗传算法"爬山"能力差的缺点,提出在遗传算法中引入禁忌搜索操作来提高局部寻优能力,并应用遗传-禁忌混合算法进行了火电机组负荷优化研究.在遗传算法每计算一定代数后,将每个个体作为禁忌搜索的初始解进行搜索,可以改善群体质量,加快搜索速度.混合算法有效地综合了遗传算法的全局搜索能力和禁忌搜索算法的局部搜索能力,从而避免出现"早熟"现象,改善了算法的收敛性.应用某实例进行负荷优化计算,结果表明混合算法大大改善了局部搜索能力和搜索速度,可以有效解决机组在线负荷优化难题.

基于遗传禁忌混合算法的电力系统无功优化

为了使遗传算法(GA)和禁忌搜索算法(TS)的优点被保持,缺点被削弱,提出了电力系统无功优化的遗传禁忌混合算法(GATS);针对电力系统无功优化中控制变量的离散性和连续性相混合的特点,提出了混合编码策略并相应地采用启发式算术进行杂交。用GATS算法对IEEE30节点系统进行了无功优化计算,并就优化结果和简单遗传算法(SGA)及二进制编码的禁忌搜索法(TSB)的优化结果进行了比较,结果表明GATS方法具有更好的收敛性和更强的全局寻优能力。