一种改进的集成混合遗传算法

文章针对传统的遗传算法的早熟现象(即很快收敛到局部最优解而不是全局最优解),提出了一种将传统优化方法以及模拟退火算法与遗传算法相结合的新思路,即分别在无约束问题和有约束问题两种情况下,采用下降算法和模拟退火算法与遗传算法相结合的混合遗传算法;并将此混合算法应用于实际问题求解中,实验表明该算法具有全局最优性和收敛性.     

基于替代需求的两阶段多需求FIFLP研究

研究了两阶段截流设施选址问题(FIFLP),第二阶段出现需求替代的情况,由第一阶段的2种需求变为第二阶段的3种需求,其中有一个需求出现了替代的情况,旧需求和替代需求共存的情况.文章基于以上问题给出了选址数目和基本选址流量约束的两阶段多元需求FIFLP模型,并运用改进的贪婪算法求解模型.最后给出了一个算例,通过与精确解的比较,证明改进的贪婪算法的可以很好的用于求解此类问题.     

协同进化遗传算法求解带时间窗的车辆路径问题

车辆路径优化是物流组织,交通调度的关键环节,是一个典型的有约束的组合优化问题。单独使用标准遗传算法及其改进算法解决VRP问题时也存在局部收敛的不足,因此通过引入协同进化算法,达到克服一般遗传算法容易早熟的毛病,从而在搜索空间发掘最优解。     

带道路容量限制的多配送中心选址问题的数学模型与算法

文章研究了带道路容量限制的多配送中心选址问题,在综合考虑货物周转费用、运输费用、配送中心年固定费用的前提下,根据实际情况引入了运输道路容量限制,以总费用最低为目标建立了该问题的整数线性规划模型。然后给出了求解该模型的精确算法,又根据贪婪思想设计了求解该问题的启发式算法,并利用具体的实例进行了模拟计算,结果显示,其模型及算法具有很好的效果。     

遗传算法在投资组合模型中的应用

均值-VaR模型是比较复杂的非线性规划问题，传统的算法不能保证得到全局最优值。鉴于此，引入遗传算法求解资产配置比例。对基于均值-VaR的单目标优化问题，设计了限定搜索空间和惩罚函数的遗传算法；而对多目标优化问题，应用并行选择遗传算法，并以沪深300行业分类指数构建投资组合，分析了行业资产配置的投资组合问题。结果表明，算法取得了良好的效果，解的结果既满足了投资的目标和约束条件，又反映了投资者之间不同的收益风险需求，且具有较好的实践性。     

求解VRP的变种群规模混合自适应遗传算法

车辆路径问题是一个NP—hard问题。文章针对该问题设计了一种结合c—w节约启发式算法进行子路径优化的变种群规模混合自适应遗传算法。该混合遗传算法的种群规模随适应度值及进化代数的变化而变化;交叉概率及变异概率也随个体适应度值的不同而自适应地调整。其次．利用C-W节约启发式算法对子路径进行优化,有效地弥补遗传算法局部搜索能力较差的不足。对随机选择的10个基准测试实例的计算结果表明,该算法是求解车辆路径问题的有效方法。     

改进粒子群优化算法及其在CVaR模型中的应用

文章基于CVaR模型进行投资组合优化,并利用粒子群算法对其进行求解.在具体应用过程中,为克服粒子群算法易陷入局部极值的缺陷,对算法进行了改进,并与标准粒子群算法(PSO)和遗传算法(GA)进行了比较,结果表明,改进后的算法应用于CVaR模型是行之有效的,且优于标准粒子群算法和遗传算法.     

虚拟企业生产计划模型研究

针对虚拟企业中盟主企业或某些成员企业可能获得一个订单中多个生产任务的问题,文章提出了一种从全局角度考虑的生产计划.该方法以各企业承担的生产任务为对象,建立生产任务计划的数学模型,然后提出一种多种群退火遗传算法求解.该算法结合多种群遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高算法的全局寻优能力.最后通过一个数值仿真算例说明了本文算法的有效性.     

基于加速遗传的交通流变点分析方法

交通流变点是交通流演化规律研究的一个重要内容.以往用于交通流变点搜索的最小方差、局部比较等算法虽然有很多优点,但是也存在数据误差满足正态分布假设、识别全部变点困难、部分和的项数较难确定等问题.鉴于此,文章结合均值变点模型,运用加速遗传算法对交通流变点问题进行分析研究,利用英国南安普敦市的实际数据对上述算法进行标定,并给出模型的应用实例.仿真及分析结果表明,将加速遗传算法用于交通流多变点诊断是简便、可行和有效的.     

复杂最优消费组合问题的数值逼近解算法

本文针对由现有理论和方法求不到显式解的复杂最优消费组合问题,提出基于参数待定法以及遗传算法的数值逼近解算法。该算法的可行性及通用性,在求解基准的复杂最优消费组合问题上得到了检验。     

基于改进遗传算法的车辆路径优化研究

车辆路径优化研究是一个既有理论和实践意义又富有挑战性的课题。针对该NP难问题,提出了一种改进遗传算法。该算法采用了一种新的编码方式,使得染色体中的每一个基因能代表三层含义;采用了一种与爬山法相结合的混合进化策略。通过性能比较可以看出,在同等计算量情况下,改进遗传算法的优势明显。     

基于PLS-GA-SVR的区域经济预测模型及实证

文章提出了一种将偏最小二乘法（PLS）、遗传算法（GA）和支持向量回归（SVR）相结合的预测算法。首先,为了解决多元回归中存在的多重共线性问题,采用偏最小二乘法选取回归变量的主成分;然后,利用支持向量回归预测模型对数据进行训练,利用遗传算法获得更好的预测模型参数,以解决传统支持向量机预测模型中的参数选取困难的问题;最后,利用优化的预测模型对区域经济发展进行预测。结果表明,该算法在预测精度上优于其他预测模型,能够准确预测未来区域经济发展趋势。     

含随机变量的资产投资组合优化模型

在收益系数和风险系数均为随机变量的情况下,为满足不同风险偏好者实际投资的需要,分别建立了资产投资组合优化问题的随机期望值模型和随机机会约束规划模型.为了有效求解优化模型,采用了将随机模拟、神经元网络及遗传算法相结合的混合智能算法.最后通过数值实例说明了算法的有效性.     

基于混合遗传算法的鲁棒双层规划求解

文章针对双层规划系数的不确定性问题提出了鲁棒双层规划模型,以上下两层决策者均需获得鲁棒解为前提假设,将模型转化为下层含有二阶锥约束的确定性问题;根据转化后模型特点,将基于单个牛顿方程的非内部连续化算法引入到遗传算法,设计了一种混合遗传算法对其进行求解,从而获得鲁棒解;最后通过算例验证了该算法的可行性及有效性。     

一种基于差异思想的选择性Bagging Trees集成算法研究

本文通过对鸢尾花数据的研究，提出了一种基于分类器的分类效果差异而进行快速选择的一种改进的Bagging Trees集成算法。并通过同其他统计机器学习方法，如：CART、Bagging Trees、Random Forest以及目前流行的基于遗传算法的选择性集成算法GASEN等比较得出，该算法对于分类问题而言，具有较高的准确率，而且与GASEN算法相比，运行的效率也得到了较大的提高。     

基于遗传算法的有序样本聚类及其应用

传统的解决有序样本聚类的Fisher最优分割法对计算机存储能力要求较高,不适合由于样本长度较大时的情况.实践中常用的最优二分割法只能求得局部最优解.文章提出了一种基于遗传算法解决有序样拳聚类问题的新算法.该算法适用于多种聚类距离,适合于大样本,可以解决方向聚类问题.     

改进的GM(1,1)模型及其应用

为提高GM(1,1)模型的预测精度,针对GM(1,1)模型的特点,提出了将遗传算法与LS-SVM算法融合对GM(1,1)模型中的参数估计方法进行改进.该方法首先根据GM(1,1)灰色差分方程的特点,构造以背景值序列和原始序列为训练样本的灰色LS-SVM模型,将GM(1,1)模型参数的估计问题转化为灰色LS-SVM模型参数的估计问题,然后利用遗传算法对LS-SVM自身的参数进行寻优预处理,再对经过优化参数的灰色LS-SVM,依据LS-SVM算法求解回归参数,进而得到GM(1,1)模型的参数估计.将改进的GM(1,1)模型用于实际的经济预测问题,并与传统的预测方法进行比较,结果表明,方法是可行的且有效的.     

企业并行开发过程耦合任务组的智能规划

耦合任务组迭代分析和规划在并行工程中具有重要意义。文章基于DSM给出了并行开发过程耦合任务组的结构化模型。在遗传算法基本原理的基础上实现了并行开发过程耦合任务组顺序规划的智能化算法。在算法的设计中,给出了通过任务序列来实现问题域编码的方法,设计了种群初始化方法来获取合理的初始种群,基于高斯消去法开发了目标函数计算方法,运用相对系数法进行适应度函数的求解,给出了改进的一点交叉算子和邻位对调变异算子。     

应急定位-路径的模糊机会约束规划模型

文章针对需求量和运输费用不确定的应急定位-路径问题,以系统总成本和灾害损失成本之和最小为目标,构建了基于模糊机会约束规划的应急系统定位-路径模型,并设计了遗传算法对其进行求解。实例计算结果表明,该模型和算法可以有效地解决应急物流系统中定位-路径问题,从而为政府机构应对重大突发事件提供科学的决策参考。     

隶属云模型蚁群算法的新应用:生鲜食品多阶段动态定价

文章从收益管理与消费者购买行为的角度出发,建立了生鲜食品多阶段动态定价模型.力图使零售价格动态地跟踪生鲜食品的自身价值波动.为了更好地求解该模型,文章采用了一种基于隶属云模型的蚁群算法.通过对二阶段、三阶段的算例仿真分析,不仅表明该模型优于传统模型,而且所采用算法在收敛率与运行时间方面均优于遗传算法、蚁群算法、改进蚁群算法等.