带时间窗农机调度问题的改进遗传算法

在农机调度问题中,农田作业时间窗是需要解决的重要问题.首先构建了多因素约束的农机调度模型,然后设计了改进的自适应遗传算子的农机调度方法.算法以农田为单位进行染色体编码生成方案,并提出了父代染色体以随机生成的掩码为依据在指定位置交叉的算法规则和由种群状态来确定个体交叉概率与变异概率的自适应方法.最后应用实际案例数据模拟实...     

面向服务的网络化协同制造资源多目标重组优化调度

针对网络化协同制造资源重组优化调度所存在的问题,综合考虑影响网络化协同制造资源重组优化调度的4个主要因素:最小化生产作业时间、最小化生产作业成本、最优化生产加工质量、最优化资源服务质量,建立了网络化协同制造资源多目标优化调度的数学模型。提出了一种基于Pareto多目标免疫遗传算法的网络化协同制造资源重组优化调度方法,该算法综合运用了小生境技术、群体排序技术和精英保留策略,并对遗传算子进行改进,自适应地调整交叉和变异算子,结合免疫算法的免疫选择淘汰了相似个体,保证了种群多样性,避免了早熟现象的发生。免疫记忆对近似最优解进行动态邻域搜索,提高了算法的局部搜索能力。实例仿真表明了该算法的有效性。     

基于多目标优化的飞防队作业调度模型研究

针对面向植保服务订单的多飞防队协同作业模式,综合考虑订单时间窗、病虫害侵染状况、多机协同等关键因素,建立以作业总收益最大、作业总时长最小为优化目标的飞防队作业调度模型;设计了订单优先级排序算法和基于带精英策略的非支配排序遗传算法（NSGA-Ⅱ）的作业路径规划算法,并对调度模型进行了求解。以陕西省武功县植保作业为例,对飞防队作业调度模型及算法进行了验证,实验表明,建立的模型及算法能输出满足时间窗约束的Pareto最优解集,具有良好的搜索性能以及稳定的收敛性能。该研究可为无人机飞防队的调配与决策分析提供科学依据,为农机智能调度系统开发提供参考。     

基于近亲变异NSGA-Ⅱ算法的多目标柔性作业车间调度

在研究柔性作业车间多目标调度问题现状和不足的基础上,提出了包括最大完工时间、加工成本以及加工质量3个优化目标的多目标柔性作业车间调度模型;并针对上述模型,提出了基于近亲变异的改进非支配排序遗传算法(Non-dominated sorting genetic algorithm,NSGA-Ⅱ),该算法根据计算交叉染色体的血缘关系,确定子代个体的变异率,优化了NSGA-Ⅱ的变异策略,避免了算法的早熟问题;最后,针对实际案例,构建相应的调度模型和算法,计算结果证实了模型和算法的可行性和有效性。     

基于改进自适应遗传算法的新安江模型参数率定研究

模型参数率定是提高水文模型模拟效果的重要手段，通过研究一种改进的自适应遗传算法（IAGA）对新安江模型参数进行优化率定，解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点，随机生成初始种群并选优，提高初始种群的个体质量；针对交叉与变异的进化过程，设计了反映种群离散程度的种群目标函数离散系数，利用该系数构建了自适应调整交叉与变异概率算子，防止遗传算法过早收敛；依托环形交叉算子，提高算法全局搜索能力；采用自适应非均匀变异算子，实时优化算法的局部搜索能力，避免陷入局部最优。将自适应遗传算法、传统遗传算法（GA）和自适应遗传算法（AGA）应用于秦淮河流域新安江模型的参数率定，并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较，结果表明：IAGA算法具有更优的寻优能力，更好的收敛结果，更高的稳定性和精度，场次洪水的模拟效果优于GA算法和AGA算法，率定期与验证期确定性系数（R2）均在0.85以上，纳什效率系数（NSE）均在0.8以上，总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的，改进后的IAGA算法具有良...     

混合遗传算法在生产线工艺路线排序中的应用

生产线工艺方案的确定是生产线设计的关键,在一条生产线中工步、工位数比较多,其顺序直接影响加工质量和生产效率。在分析生产线工步、工位排序原则的基础上,基于设备负荷平衡的思想,将一种混合遗传算法应用于生产线工艺路线排序过程中,实现了工位间及工位内各工步合理顺序的确定,并通过实例验证了该算法的有效性和可行性。     

基于改进遗传算法的水库群水质水量优化调度研究

研究水库群水质水量优化调度。根据水库群水质水量调度特点,建立多目标优化调度模型。针对水库群水质水量优化调度模型求解的复杂问题,提出了利用部分非可行解域来对模型进行分步优化的改进遗传算法,并探讨了主要参数对优化结果的影响。该算法成功应用于洪汝河流域的水质水量优化调度中。与传统遗传算法比较表明:改进算法的调度结果更优,计算效率及收敛性能更高,在水库群水质水量优化调度中具有高效性和实用性。     

车削中心转塔刀架布刀的GA优化方法

具有动力刀具的车削中心在中小批量生产的环境下,合理的布刀方案可以提高多工序工艺的加工效率。分析转塔刀架刀位与加工工序的关系以及相关的约束条件,基于工艺路线建立了加工一批多工序零件的布刀全局优化模型,提出了一种改进的多种群远亲杂交遗传算法来求解该优化模型。该算法可以加快收敛速度、避免因近亲联姻导致的收敛于局部最优。实践证明,这种改进的GA方法能够有效地解决车削中心转塔刀架的布刀优化。     

基于并行粒子群算法的跨流域调水优化模型研究

根据跨流域调水工程供水需求和经济成本关系,构建了以减小供水成本为目标的供水优化调度模型,并借鉴了并行遗传算法的模式,设计了粗粒度并行粒子群算法,更加高效地求解此类高维、多约束、非线性问题。通过在多核计算机的实例运算,证明了并行算法相比一般算法具有计算速度快、精度高的优点,并行算法是求解跨流域调水优化问题的有效方法。     

SVM大坝变形监测模型研究

大坝的变形监测数据是一个复杂的非线性的时间序列,采用传统的建模方法存在拟合和预报精度低等问题。传统算法中,基本遗传算法不能确保全局最优收敛,而普通多变异位自适应遗传算法在进化初期对群体不利,容易导致进化走向局部最优。针对这一问题,提出一种基于改进的多变异位自适应遗传优化支持向量机(SVM)的建模方法。多变异自适应遗传算法采用二进制多点交叉,可根据个体适应值大小,自动选取合适的交叉概率和遗传概率,针对遗传算法易陷入局部最优点,对上述遗传算法进行改进,并利用该算法对支持向量机的模型参数进行寻优。将上述建模方法用于大坝变形监控模型的建立,结果表明该组合算法能有效提高模型的拟合和预报精度。