基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

最小时间窗规则及其在混合遗传算法中的应用

为了研究与优先规则结合的混合遗传算法,提出了最小时间窗规则(STW),设计了采用最小时间窗规则生成初始种群的算法.发现调度结果中时间窗越少和越小,则完工时间就越小.探讨了优先规则应用于遗传算法中在生成初始种群时的完工时间、广义海明距离和完工时间的标准偏差等性能指标.对不同规模基准调度问题的测试结果表明,STW规则在以最小化完工时间为目标的调度中,与其他几种简单规则相比,能产生较好的调度效果.在混合遗传算法中,采用STW规则产生的初始种群整体适应度最高,多样性较好.     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

快速遗传算法研究

提出了一种称为广义自适应遗传算法的快速遗传算法,它首先产生均匀分布的初始种群,其次根据种群模式的状况决定是否引入“高品质”移民,最后自适应地进行交换和变异运算。其搜索性和全局收敛性比现有的许多遣传算法都有明显的改善,并通过仿真说明了该改进遣传算法的有效性。     

优化汽车故障诊断神经网络的改进遗传算法

为了优化汽车故障诊断神经网络的权值和网络结构,改进并设计了遗传算法.在保证种群多样性的条件下,将种群规模降低到最小;引入BP算子,与交叉和变异算子共同竞争,自适应调整运算概率;引入个体间的广义海明距离用于保持种群的多样性,引入连接权的敏感度用于优化网络结构.算法对比测试表明,改进后的遗传算法能够在优化权值的同时优化网络结构,减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果.     

一种基于迁徙策略的自适应粒子群算法

光伏组件表面因灰尘沉降形成的局部阴影使得光伏阵列功率-电压特性曲线出现多个峰值,从而造成传统的最大功率点跟踪算法失效。粒子群算法因具有良好的全局寻优特性,被应用于局部阴影下的最大功率点追踪中,但仍存在搜索速度慢、精度不高等缺点。基于迁徙策略的自适应粒子群算法采用了自适应系数,其惯性权重和学习因子随着迭代次数的变化而变化,有效地平衡了算法的全局搜索能力和局部寻优能力;同时引入迁徙策略,根据评价算子对粒子种群的多样性进行判断,对多样性低的粒子种群执行迁徙操作,增加种群间的信息交流,跳出局部最优区域。仿真实验结果表明:该算法能避免早熟收敛问题,提高了算法的收敛速度和搜索精度,在静态和动态阴影中都具有良好的追踪效果。     

基于遗传算法的多模式资源受限项目调度问题

针对多模式资源受限项目调度问题,采用问题任务链表和模式链表的双链表结构的编码方式、串行调度生成方案的解码方式对传统遗传算法进行改进,并通过交叉、变异、选择等算子进行全局性概率搜索确定较优方案。针对PSPLIB中的基准问题对该算法进行验证,证明该算法的有效性。     

一种求解柔性作业车间的改进遗传算法

针对柔性作业车间调度问题的特点,建立了以最小化最大完成时间、总机器负载最小和最大机器负载最小为目标的数学模型,提出一种改进遗传算法求解该问题。采用多种启发式方法提高初始解的质量;设计了并行双链式编码,避免产生非法解,并提出最优插入法的解码方式提高解的质量;采取IPOX交叉与多点交叉,继承父代优秀基因的同时,平衡了算法的全局开发能力;在不同编码层采用多种变异手段维持种群的多样性;通过变邻域搜索强化算法的局部开发能力。最后,通过求解Brandimarte标准算例和与其他算法的对比,从单目标和多目标2个方面验证算法的可行性和有效性。     

求解作业车间调度问题的多种群改进遗传算法

在求解作业车间调度问题上,针对遗传算法的早熟收敛、对初始种群敏感等不足,提出了多种群改进遗传算法.该算法在进化过程中通过引入具有优良性能的修正种群替换进化种群的较差个体,实现了多种群杂交,以保持种群的多样性,提高了搜索效率.应用实例分析和算法对比证明了改进算法的效果和优越性.     

认知无线电系统频谱自适应调度算法设计

针对认知无线电系统多媒体业务应用,提出了一种基于频谱感知的自适应分组调度算法。该算法通过自适应地调整实时业务和非实时业务间的资源配额,以在空闲频谱资源变化情况下保证实时业务的QoS需求。基于IEEE 802.22无线区域网(WRAN)的认知无线电系统仿真表明,同已有的3种典型分组调度算法M-LWDF、Exp和PF相比较,该频谱自适应分组调度算法可以在变化的空闲频谱条件下为实时业务提供更为可靠的QoS保障,获得更高的系统吞吐量和频谱利用效率。     

存在爽约行为的异质患者序列预约调度优化

针对服务时间不同且存在爽约行为的异质患者,考虑患者的动态预约过程,设计患者的序列调度优化方案。给定患者集合,以最小化患者等待时间成本和医生空闲及加班成本为目标,建立混合整数规划模型,分别在不考虑患者超订和允许患者超订两种情况下优化排序方案。在此基础上,设计患者动态到达的序列预约调度优化方案,在患者发出预约请求时立即决定是否接受该患者,同时为接受预约的患者安排相应的服务时间,即为其分配服务开始时间。进一步地,提出将服务时间差异较大的患者进行分类调度、分时段就诊的预约方案,以减少医生加班和空闲时间。通过数值计算验证模型和算法的有效性。此外,数值结果显示,基于患者服务时间差异进行分类分时段的调度方案可以在一定程度上降低系统成本,提高服务效率。     

水电站(N+M)容错系统优化模型求解的遗传算法

本文根据(N M)容错系统优化模型高度非线性和复杂性的特点，采用具有高效、并行、全局性的遗传算法来实现此类复杂模型的优化求解．针对改进模型的特点。从编码、适应值、复制算子、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法设计；用MATLAB语言实现了遗传算法．求得的结果验证了算法的正确性和有效性；算法性能分析证明了所设计的改进的交叉算子和随遗传代数成正态变化的变异概率等对改善遗传算法的搜索效率具有明显效果．     

基于Multi-Agent的分布式测控系统任务调度算法

基于Multi-Agent提出了一种新的分布式测控系统动态任务调度算法。该算法采用接收者启动的调度策略,根据各主机负载状态,在系统运行过程中动态迁移任务,有效地提高了系统效率,实现了负载均衡的目标。该算法采用移动Agent来迁移任务,有效地减少了网络传输,节省了时间。     

序列相关的流水车间成组调度仿真

针对经典调度中未考虑生产准备时间或将准备时间放入加工时间考虑的问题,结合生产实际,将生产准备时间 独立出来,关注准备时间与加工顺序相关的情况;考虑到工件加工过程的不确定性,以三角函数表示工件的加工时间。 在建立了序列相关的流水车间成组调度的模型的基础上,在Simio仿真环境中建立具体模型,按工件组加工时间的不同 设定6种调度方案,运行100次。实验结果表明Simio仿真软件可以很好的模拟序列相关的流水车间成组调度情况,并 发现生产准备时间总和越小则工件的完工时间越小,此结论推广至大规模调度问题时可在短时间内获得调度的最优解。     

关于进化遗传算法的几点改进

分析了进化遗传算法存在的缺陷即当解在边界上时求解精度不高同时变异算子过于复杂实际应用时容易出错提出了新的交叉算子和变异算子计算结果表明新方法成功地解决了进化遗传算法存在的问题且计算效率高