基于改进遗传算法立体车库存取调度优化

研究了巷道堆垛式立体车库的结构及运行原理,其具有自动化程度高、搬运器运行无空行程、存取方便快捷等优点,但也有自身的不足之处。针对巷道堆垛类立体车库的车辆出入口相对较少造成的用户的平均等待时间较长、堆垛机的工作负荷较大等缺点,从调度策略的角度进行分析,利用改进遗传算法对立体车库进行调度策略的优化,建立了以总存取时间为目标函数的数学模型,采用混合编码,改良的OX交叉算子对车库存取序列进行优化,以使总的存取车时间最少,即用户的平均等待时间最少。经过仿真实验的验证该算法得到了较好的收敛,并得到较小的存取车总时间,获得了预期的车辆存取序列,在与其他调度优化方法比较时得出结论,该种优化方法所得结果较为实用。

改进的基于蜜蜂进化型遗传算法和蚁群系统混合的元件贴装优化

针对PCB板的表面贴装技术(Surface Mount Technology,SMT)优化问题,提出一种基于蜜蜂进化型遗传算法和蚁群系统的混合智能算法(the Hybrid Intelligent Algorithm based on Bee Evolutionary Genetic Algorithm and Ant Colony System,BAHA).该算法的关键有4点:①通过两个种群的融合实现信息共享,提高算法的收敛速度;②采用改进的OX的交叉算子,合理保留优秀个体基因的排列顺序;③加入局部搜索算子,在当代最优解附近进行更加精细的搜索;④信息素重置防止陷入局部最优解.用TSP30问题、eil51问题与相关文献进行对比测试,仿真结果表明BAHA收敛速度快,寻优能力强.通过对5种不同PCB板的元件贴装顺序进行优化计算,结果表明,BAHA能有效的提高贴装效率.

改进的遗传算法求解TSP

阐述了一种针对TSP问题的改进遗传算法。引入了局部优化搜索算法。加快了算法的收敛速度。减轻了初值对结果的影响。加入了改进的OX交叉算法,在交叉中合理保留了优秀个体基因的排列顺序。利用精英复制保留了优秀基因。维持了种群个体数目稳定。提出了一种新的变异算法,有效避免了路径重复,减小了运算量,提高了运算速度。