基于基因库求解旅行商问题的遗传算法

针对传统遗传算法(genetic algorithm,GA)求解旅行商问题(traveling salesman problem,TSP)存在寻优效率低、实验结果缺乏一致性等问题,提出了一种基于基因库的遗传算法(genetic algorithm based on genes pool,GPGA)。GPGA从种群中搜索减小哈密顿圈长度的边,并当做优良基因构成基因库。父代哈密顿圈在基因库引导下产生更优的子代哈密顿圈,基因库也随着种群的不断进化而同步更新,引导种群个体逐步向最优解靠近。算例结果表明在同样条件下,GPGA比传统遗传算法和几种改进遗传算法的性能更优。

一种求解旅行商问题的新型单亲遗传算法

论文针对旅行商问题,提出了一种新型的单亲遗传算法。它在同一条染色体上采用基因换位、基因段移位、基因段逆转和基因分组定界等操作进行基因重组,取消了传统遗传算法中的交叉算子,遗传操作简单,收敛速度快。但过早的收敛将影响结果精度,使全局最优解的出现机率很小。为此,该算法模拟自然界演化的周期性,使用基因插入操作增强算法的搜索能力,并提出运算终止的两个准则,使所得的解为全局最优解的可信度大为提高。给出了该算法的数值算例,实验结果表明,该算法较好地解决了收敛速度和寻优能力的矛盾,证明了该算法的有效性。

构建“基因库”求解TSP问题的混合遗传算法

该文设计了求解平面TSP的一种新算法,该算法首先构建一个“基因库”,在单亲演化中使用“基因库”中的基因,并将单亲演化所产生的最好解,作为群体演化中的一个个体,再进行群体演化。在求解TSPChina144问题实验中,不仅找到迄今最好的解,而且该算法具有高效的特点。

引入基因簇求解TSP的遗传算法

在用遗传算法求解TSP时,极易破坏已经发现的较短线路片段,从而使遗传算法的收敛变慢。为了保护较短的线路片段,遗传操作以基因和基因簇为单位进行,优良基因簇可完整地遗传到下一代。在获得第一个近似最优解后,粉碎已发现的基因簇并继续寻优,以期能够获得全局最优解。使用CHN144及TSPLIB中的数据进行试验,找到了CHN144问题的当前最优路径。通过对TSP225的实验获得了最短路径3859,优于目前已经公布的最短路径3916。实验表明,基于基因簇的算法具备3000个城市左右的寻优能力。

重用最大频繁模式的可持续进化算法

为了重用进化过程中沉淀在优秀个体集中的信息,设计了最大频繁序列模式挖掘算法,并在其基础上提出了重用最大频繁模式的可持续进化算法(MFPEA).该算法设置了多个不同层次的种群为不同适应度水平的个体提供生存空间,采用最大频繁序列模式挖掘算法挖掘种群中的优良基因,并将具有优良基因模块的新个体注入到不同适应度水平的种群中.文中还设计了针对不同问题动态调整进化种群规模的函数,通过一组统计数据研究了平衡计算时间与进化质量的相关参数.实验结果表明,MFPEA在维持遗传信息稳定性、避免早熟收敛方面表现良好,且获得了xit1083问题的新最优解记录(3611.496).

基于地格理论的大运河国家文化公园旅游品牌基因研究

在收集大运河全段35个地级市网络游记文本的基础上,本文对游记文本进行词频分析,并借助地格理论,对大运河国家文化公园的品牌基因进行筛选。通过分析得出,大运河国家文化公园的品牌基因为“运河水系”“生活象征”“古城古镇”“好古敏求”“以义取利”。未来,国家公园应结合这些品牌基因,再造大运河生活方式,维持大运河国家文化公园的持续竞争力。

我国旅行社基因再造探讨

我国旅行社正处于复杂多变的经营环境中,旅行社基因的贬值速度急剧加快。据此提出了旅行社基因及基因价值的含义,分析了我国旅行社基因再造的必要性,并在此基础上探讨了我国旅行社基因再造的途径。

文化基因在历史街区旅游开发中的应用

在对文化基因论述的基础上,以屯溪老街为例,提炼和解析历史文化街区的文化基因,对屯溪老街街区文化基因应用进行了三点思考:传承和丰富历史街区文化;适当增强文化休闲基因的植入;扶持"老字号"商铺,守护"老字号"文化基因。

引入基因簇求解TSP的P2P遗传算法

应用遗传算法求解旅行商问题时,极易破坏已经发现的较短线路片段.为此,引入基因簇以便保护较短的线路片段,基于P2P设计了TSP求解遗传算法P2PTSPGA.在交叉和变异操作的过程中,基因簇完整地遗传到下一代;在获得第一个近优解后粉碎基因簇,以避免算法陷入局部最优.使用CHN144找到了当前最优路径,并使用TSPLIB进行了串行和并行试验.TSP225实验获得了最短环路路径3859,优于目前已经公布的结果3916.实验表明,P2PTSPGA具有较高的求解性能,并具备5000左右城市的持续寻优能力.

一种基于基因库和多重搜索策略求解TSP的遗传算法

TSP是组合优化问题的典型代表,该文在分析了遗传算法的特点后,提出了一种新的遗传算法(GB—MGA),该算法将基因库和多重搜索策略结合起来,利用基因库指导单亲遗传演化的进化方向,在多重搜索策略的基础上利用改进的交叉算子又增强了遗传算法的全局搜索能力。通过对国际TSP库中多个实例的测试,结果表明:算法(GB—MGA)加快了遗传算法的收敛速度,也加强了算法的寻优能力。

中药配方颗粒自动发药机取药路径优化

通过对中药配方颗粒自动发药机系统发药流程的介绍,提出针对该系统的发药路径的优化问题,采用解决TSP的传统遗传算法,并对交叉、变异遗传算子进行适当的改进,结合基因表达数据,较好地解决了该问题。实际运行证明,经过本算法的优化路径提高了系统的发药效率。

离散型细菌觅食算法求解TSP

旅行商问题(TSP)是组合优化问题的典型代表,针对TSP的求解提出一种离散型细菌觅食(DBFO)算法。该算法通过结合2-opt算法设计了一种适合处理离散型变量的趋化算子,将细菌觅食算法推广到了离散情形。同时,结合TSP的特点,在迁徙算子中引入基因库的思想来指导新个体的生成,提高了算法的搜索效率。通过对TSPLIB标准库中22个实例进行仿真实验。实验结果表明,该算法能够有效求解城市规模500以下的TSP,与混合蚁群算法和离散型萤火虫群算法相比,具有更好的全局收敛性和稳定性。

一种求解TSP的生物信息启发式遗传算法

遗传算法是解决旅行商问题(traveling salesman problem,TSP)的通用路径优化算法之一。为解决传统遗传算法收敛速度慢且解不稳定的问题,提出一种生物信息启发式遗传算法(bioinformation heuristic genetic algorithm,BHGA)。通过优化适应度函数和初始种群,引入生物信息学中的基因序列对比手法进行交叉重组排序,采用基因逆转操作进行变异,对遗传算法进行改进,使算法能够加快收敛速度,得到更优路径解。利用BHGA对TSPLIB数据库中算例进行求解,实验仿真结果表明:该算法在中小型规模的TSP中求解效果好且结果稳定。

基于基因片段插入的旅行商问题的演化算法研究

旅行商问题是组合优化中一个广泛研究的NP-hard问题.本文引入了一种新的运算方式:基因片段插入,并利用此运算给出了一种求解旅行商问题的演化算法.实验结果表明,此算法能以较高的概率找到旅行商问题的近似最优解.

山西省长城遗产廊道旅游品牌基因选择研究

品牌基因是旅游品牌建立可持续竞争优势所依托的核心价值。收集了400篇游记和2200条有效的评论,采用大数据抓取,内容分析法建立了山西长城遗产廊道旅游品牌基因库,结果表明:提取的15个品牌的关键词可分为三大类,即文脉类、地脉类和综合类的品牌要素。文脉类包括:智慧的、沧桑的、古老的、文明交融的、热情的、便宜的、大气的、故事的、朴实的和负责的;地脉类包括:雄伟的、壮观的;综合的品牌元素包括:令人向往的、著名的和漫长的。依据品牌基因排序分级打造区域旅游品牌。上述结论为山西长城旅游品牌建设与管理提供参考。

遗传算法求解旅行商问题时的基因片段保序

针对基于遗传算法的 TSP问题求解 ,尝试了多种遗传操作 ,分析了这些操作在遗传算法中的作用 ,讨论了基因片段保序在利用遗传算法求解 TSP问题中的重要性 .

基因重组算法设计及多目标旅行商问题求解

遗传算法等启发式算法在求解旅行商问题时,存在收敛速度较慢、容易出现过早收敛及算法计算效率较低的问题。在模式理论基础上,提出一种新的基因重组算法。根据优良基因模式,设计模式重组算子,运用重构及进化规划的思想设计算法的个体重构算子和个体选择算子。建立一个多目标旅行商问题模型,分析每一轮计算旅行路线适应度值的差异性,采用熵值法确定路程和费用权重。系列实验表明,基因重组算法在求解多目标旅行商问题时,计算效率远高于比较的算法,收敛速度和求解精度也较一般启发式算法有明显改善。

基于风格意象的拖挂式房车造型设计

以产品风格意象为造型设计切入点,展开目标人群风格意象与产品造型特征匹配与优选研究下的产品造型改良设计,实现企业产品造型形象的一致性延续。以拖挂式房车为设计对象,针对目标人群对其风格意象的感性评价,运用调查问卷、KJ法、聚类分析等方法归纳评价资料与量化数据,确立企业房车造型的风格意象,并以部件类目提取企业房车的造型基因特征;选取市场上拖挂式房车为样本,以同样的部件类目展开造型基因特征的提取,以此建立企业房车风格意象与样本造型基因特征的匹配与优选。通过建立房车造型设计要素组合矩阵及相应的量化处理,得出复合风格意象值较高的房车造型设计要素组合,以此展开拖挂式房车造型的设计与测评,实现企业在延续自身风格意象下优化房车造型的目的。