采用遗传-退火算法的网格依赖任务可信调度

针对异构网格环境下的依赖任务调度问题面临的安全性挑战,综合考虑网格资源节点的固有安全性和行为安全性,构建一个网格资源节点身份可靠性度量函数和行为表现信誉度评估策略;同时为了确立任务安全需求与资源节点安全属性之间的隶属关系,定义了安全效益隶属度函数,从而建立了一个网格任务调度的安全可信模型。以此为基础,定义任务需求表示模型和网格资源拓扑模型,提出一种安全可信的网格任务调度新模型。为求解该模型,在遗传算法的基础上,设计新的进化算子即改进的交叉算子、内部交叉算子及作为变异的迁移算子,同时引入模拟退火算法增加搜索精度,从而提出了一种新的遗传-退火算法。仿真实验表明,在相同条件下,该算法比同类算法在调度长度、安全可信值及收敛性等方面具有更好的综合性能。

路面结构模量反算的遗传-模拟退火混合算法

路面结构层模量反算是路面结构无损检测与评价的基础。本文针对遗传算法和模拟退火算法各自的特点,在传统遗传算法的搜索过程中引入模拟退火算法的Metropolis接受准则,以增强算法的全局搜索能力。在此基础上,将遗传-模拟退火混合算法应用于路面结构层材料模量的反算分析。文中分别对理论数据和实测数据进行了计算,并与目前国内外已有的路面反算软件的分析结果进行了分析比较。数值结果表明,该方法具有较强的全局收敛性,数值结果稳定可靠。

基于链式遗传-模拟退火混合算法的电网扩展规划

将模拟退火机制引入到食物链生态进化算法,提出了链式遗传-模拟退火混合算法(CAGSAH),对种群执行并行退火操作,弥补食物链生态进化算法爬山能力不足,提高算法全局寻优能力。给出了链式遗传-模拟退火混合算法的详细计算流程,并将其应用到求解电网扩展规划问题,实际计算结果显示链式遗传-模拟退火混合算法在搜索效率及收敛性能上明显优于食物链生态进化算法。

基于像素法用模拟退火-遗传算法搜索一维宽带隙光子晶体

将一维光子晶体用像素填充法进行二进制编码,把模拟退火、遗传算法、模拟退火-遗传混合算法与传输矩阵法结合,搜索、计算了一维光子晶体结构和能带,找到了全方位相对禁带宽度高达43.53%的四层结构和43.76%的两层结构,并给出了一维四层结构光子晶体的能带图及其4个原胞的反射率和透射率的频谱图;发现一维两层结构光子晶体的全方位禁带宽度对每层厚度的变化不敏感,但随着两种介质折射率差的增加而增大.

基于遗传-模拟退火算法的公交发车间隔优化

基于公交线路各站点客流变化规律,采用分时段多目标组合优化思想对各时段发车间隔进行优化,建立兼顾乘客和公交运营公司双方利益的车辆发车间隔优化模型;设计遗传-模拟退火(GA-SA)算法对模型进行求解,并将改进算法仿真试验结果与传统遗传算法结果进行对比,结果表明文中提出的公交发车间隔优化模型具有很好的适用性,GA-SA算法能在一定程度上克服传统GA算法陷入局部最优的缺点,提高全局寻优的能力,优化结果更符合客流分布规律。

遗传-模拟退火算法在电厂机组负荷分配中的应用

随着电力市场的发展,机组负荷优化分配作为一种可提高电厂经济性的手段,越来越成为一个令人感兴趣的研究课题,但目前仍没有得到一种绝对严格的算法。本文引入模糊理论提出了电站机组负荷分配模型,并运用遗传-模拟退火算法求解。该算法不同于常规优化算法的特点在于:容易得到全局最优解,有较强的鲁棒性,适合大规模的复杂系统求解。最后,利用一个算例阐述了该算法的有效性。

基于遗传-模拟退火算法的城市轨道交通快慢车停站方案

对规划新建的城市轨道交通,可通过合理地制定快慢车停站方案,来提高其服务水平,降低企业运营成本,实现城市轨道交通系统运营效益最大化。在详细分析乘客旅行时间及企业运营成本构成的基础上,考虑乘客在快慢车之间的选择行为,以停站方案及快慢车发车频率为决策变量,以乘客旅行时间最短和企业运营成本最小为目标,建立了城市轨道交通快慢车组合方案优化多目标整体规划模型,并设计结合模糊优化思想的遗传-模拟退火(GA-SA)算法求解。算例分析结果表明:开行快慢车后,乘客总旅行时间可节约8.7%,企业运营成本可降低5.9%。

模拟退火—改进遗传算法及其应用

论述了遗传算法在全局搜索中的优势和模拟退火算法在局部寻优中的能力,进而提出了两者相结合的算法:模拟退火—改进遗传算法。通过比较,说明模拟退火—改时遗传算法的优化性能更好、更完善,并在实际应用中取得了良好的应用效果。

基于遗传算法的混合优化反分析及比较研究

围绕优化反演分析中计算收敛速度、精度和稳定性问题,着重就传统和现代两类优化方法开展以下3方面的研究:(1) 将阻尼最小二乘法与遗传算法耦合起来,发展了阻尼最小二乘法-遗传混合算法;(2) 将两类混合优化方法:阻尼最小二乘法-遗传算法和模拟退火-遗传算法较早地用于优化反演分析;(3) 结合基坑工程算例,对单纯形法、阻尼最小二乘法、遗传算法、模拟退火-遗传算法和阻尼最小二乘法-遗传算法进行了比较分析。结果表明,与单纯形法等传统的优化方法相比,基于遗传算法的一类现代优化方法具有较好的全局收敛性;与常规的遗传算法相比,阻尼最小二乘法-遗传和模拟退火-遗传等算法有效地提高了优化反演的计算搜索速度和精度。

采用混合遗传-模拟退火算法对 DOE 的直接设计

本文提出采用混合遗传 -模拟退火算法直接设计二元衍射光学元件 (DOE)的方法 ,并分别以高斯基模光束整形为平顶光束和高斯模光束分裂成等强两束高斯基模光束为例进行了模拟计算 ,结果显示在

基于遗传-模拟退火算法的单层球面网壳结构破坏模式优化

将遗传算法和模拟退火算法相结合,以遗传算法作为基础,将模拟退火机制融入其中,提出遗传-模拟退火算法(GASA)。通过三个经典函数最小值求解,表明混合算法在优化行为、优化效率及稳定性方面均具有明显优势。以构件截面为优化变量,应用构形易损性理论,以结构集簇过程中自由簇构形度Q标准差最小为优化目标,建立单层球面网壳结构倒塌破坏模式优化模型。以一个原型跨度75 m、相似比1∶10的单层球壳振动台试验模型为例,采用GASA算法对此试验模型进行倒塌模式优化分析,通过优化前后自由簇构形度变化规律和加速度时程分析结果的对比,表明提出的优化方法及优化模型能够实现单层球面网壳在地震作用下的倒塌模式从无征兆的动力失稳破坏转化为承载力强度破坏。

协同设计中的任务调度算法及实现

在协同设计子任务间形成的任务前趋图的基础上,面向协同设计的实际需求,采用了两个任务调度算法:改进的AGA(Adaptive Genetic Algorithm,自适应遗传算法)及GASA(Genetic Simulated Annealing Algorithm,遗传-模拟退火算法)。分别给出了算法的详细实现,分析并比较了算法与其它任务调度算法的效能。最后,针对较大规模的任务实例对这两个算法进行了横向比较,分析了它们的时间效率和适用场合。

客户分类下生鲜配送两级路径问题与算法研究

生活水平的提高使得消费者对生鲜产品的需求不断增长,进而促进了冷链物流行业的快速发展。将客户按重要性分为重要客户和普通客户两类,以总配送成本最小为目标,建立考虑客户分类的两级容量有限车辆路径优化模型。提出两阶段启发式算法求解该模型:第一阶段设计改进的遗传-模拟退火算法增强全局搜索能力,其中采用轮盘赌选择机制结合精英保留策略保留优秀个体,部分匹配交叉算子结合自适应交叉率维持种群多样性,Metropolis准则以一定概率接受较差解;第二阶段使用精确方法求解一级配送路径。基于Perboli的Set2算例集和Hemmelmayr的Set5算例集,共30个基准案例,分别将所提出算法与四种现有算法进行对比分析,验证了改进算法的效果,并测试了算法的收敛性。基于模拟数据进行模型分析,验证了所提出模型和算法的有效性和适用性。

基于特征比较和模拟退火-遗传算法的普通话音素评分模型

为了帮助发音困难者障碍者和外语学习者矫正普通话发音错误,提出基于Mel频率倒谱系数(Mel frequencycepstrum coefficient,MFCC)特征比较和模拟退火-遗传算法(simulated annealing genetic algorithm,SAGA)的普通话音素评分模型。该模型采用动态时间弯折(dynamic timewarping,DTW)算法对普通话音素进行相似度比对,并基于SAGA评分机制对发音进行自动评分。本文对比了不同优化算法(SAGA和局部优化算法)、不同DTW算法对语音评分的影响。结果发现:SAGA评分模型下的音素评分正确率大于94%,远远优于局部优化算法。此外,在SAGA评分模型下,搜索路径为平行四边形的改进DTW算法具有最优的评分结果。因此,基于MFCC和SAGA的评分模型适用于普通话音素评分。

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.

带有资源柔性约束的max-NPV分布式多项目调度问题

现有的分布式资源约束多项目调度问题研究中,假定全局资源限量在多项目工期内不可突破且多以工期为优化目标。针对此问题,考虑全局资源可从外部获取,以净现值为目标,构建带有全局资源柔性约束的分布式多项目调度问题的整数规划模型并设计有效的求解算法。首先,界定问题并确定项目现金流的计算方法;然后,针对求解问题的NP-hard属性,设计了遗传-模拟退火混合算法(GA_SA)求解此模型。最后,通过多组数值实验,设计不同算法与GA_SA算法进行比较,并分析了关键参数对多项目净现值的影响。结果表明,GA_SA算法具有较好的求解效果;与传统的全局资源刚性约束条件相比,全局资源柔性使用状态可以显著改善分布式多项目的收益绩效。

基于GASA算法的成品燃油战时公路配送路径优化

为了实现配送的路径优化,结合战时极其重要的物资——成品燃油,提出了多属性道路网络下成品燃油战时配送的路径优化问题。综合考虑战时配送VRP(veh icle routing prob lem)的多个评价目标,基于重要性的多目标分层优化思想,分析建立了问题的完全分层优化模型。将进化算法和传统优化技术相结合,构造了模型的两层求解算法,第一层采用遗传算法和模拟退火算法混合的GA SA(genetic sim u lated annealingalgorithm s)算法,第二层采用枚举法。实验表明,所构造的算法较标准遗传算法更有效。

基于混合轴辐式网络的快递运输路径再设计

为了应对当前快递运输量分布的高度离散性和波动性,提出了轴辐式网络和连通式路径相结合的混合轴辐式运输网络,在充分利用已建成的快递网点的前提下,通过在非中心枢纽城市之间开通直达路径来有效降低转运成本。使用包含运输成本、装卸成本和持货成本的成本函数作为优化目标,构建了混合轴辐式快递运输网络的混合整数线性规划模型,开发了改进的遗传-退火算法进行求解:遗传算法求解转运中心位置和非中心城市的分配问题,模拟退火算法求解直发路径的开通问题。提出的模型和算法被应用于基于我国真实快递数据的30个快递仓点的测试算例,相较传统的轴辐式运输方式,平均降低网络总成本32.2%,启发式解与最优解的差距小于5%。此外,灵敏度分析表明,载重1 000 kg的卡车为再设计运输方案的最优交通工具,可以为当前采用轴辐式枢纽网络的快递公司在运输路径的改良问题上提供理论参考和实践证明。

考虑客户等级和时变路况的无人物流配送路径

针对物流企业因配送资源的有限、无法及时应对客户的多样化需求和道路状况的不断变化等难题,建立时变道路状况和时间窗关联的无人车配送路径优化数学模型。通过云模型将客户划分为3个等级,以车辆配送成本、未满足客户配送时间的惩罚成本、车辆充电成本的总和极小化作为优化目标函数.在遗传算法的基础上,结合模拟退火算法构造混合算法,对模型进行求解并验证正确性.根据模型的特性构造9组不同规模和类型的算例进行数值实验,并验证算法的有效性.实验结果表明,混合遗传-模拟退火算法下配送过程中产生的总配送成本最多能够节省42.81%,整体客户满意度最高提升80.23%,提出混合遗传-模拟退火算法能够在有效降低成本的基础上,最大程度提升客户的满意度,并且相较于2种传统算法,其优化效果更好.

考虑充电调度的电动无人车配送路径规划问题研究

在充电站有充电容量约束的情况下,研究充电调度电动无人车配送路径规划问题。首先以极小化车队中电动无人车的最大行驶距离为目标,构建数学规划模型,为电动无人车车队安排配送路径,使得各车的行驶距离尽可能均衡;其次应用动态规划算法(Dynamic programming algorithm,DP)求解小规模算例,改进遗传-模拟退火算法(Genetic-simulated annealing algorithm,GA-SA)优化较大规模算例的电动无人车路径和充电策略;最后对相关因素进行灵敏度分析,以验证所提出算法的可行性与合理性。结果表明:DP算法解小规模算例表现良好;改进GA-SA算法与单纯遗传算法(Genetic algorithm,GA)相比,求解大规模算例时优化的路径效果更佳,且大大缩短电动无人车车队的最长子路径的长度和总行驶距离。该研究可以为物流公司的电动无人车配送业务发展提供参考,帮助企业提高电动无人车的运输效率和服务水平,降低配送成本。