基于改进多目标遗传算法的农村低碳物流配送路径优化

针对我国县、乡、村物流配送成本居高不下,需求覆盖率严重不足以及碳排放量较高的现实问题,构建考虑需求不确定和碳排放约束的农村物流配送路径优化模型,并提出了适用于多车型的改进多目标遗传算法。结合农村物流配送数据,运用MatlabR2014a软件进行仿真试验,最终得出在需求不确定和碳排放约束下农村物流的最优配送路径方案。仿真试验结果表明:设计的改进多目标遗传算法对于求解农村物流配送路径优化问题具有较好的有效性和适用性;在需求不确定和碳排放约束下,改进多目标遗传算法能够有效降低农村物流配送成本,提高需求覆盖率;与单车型配送方案相比,多车型配送方案在农村物流配送中更具优越性。     

基于多目标遗传算法的渠系配水优化模型

针对渠系配水传统人工调度难以统筹优化的问题,为使优化模型更加贴近实际,体现渠系配水优化的时空特点,充分考虑配水持续时间的不确定性,建立以下级渠道配水净流量、配水开始时间和结束时间作为决策变量,以保证上级渠道水流平稳和下级渠道渗漏最小为模型目标的多目标多变量渠系优化配水模型,采用向量评估遗传算法进行求解,将第一目标即上级渠道水流平稳作为优先满足目标,第二目标为次要满足目标。结果表明:在保障实际运行对于渠道流量要求和水量要求的前提下,优化结果与该时段甘州区配水计划相比,配水时间由轮期的25d缩短为15d,干渠平均配水流量由1.298m~3/s提高到1.414m~3/s,渠系水利用系数由0.651提高到0.706,田间配水量提高了14.25%。本研究模型能够实现集中、高效配水,且具有普遍适用性,可为渠系优化配水决策提供理论和技术支持。     

改进的模糊优选多目标优化遗传算法及其应用

提出一种改进的模糊优选多目标优化遗传算法.算法采用个体在总群体中的相对优属度作为适应度值,将总群体中的全部个体按子目标函数的数量平均划分为子群体,对每个子群体分配1个子目标函数,以子目标函数值计算子群体中个体的适应度值.2次选择后满足了整体最优的要求,又尽可能地逼近各子目标最优值.经实例计算,效果显著.     

基于微型多目标遗传算法的布料机臂架结构优化

针对目前用于散料输送的大跨度布料机布料臂架结构重大、设计冗余度严重过剩等问题,采用一种微型多目标遗传算法对布料臂架主梁结构尺寸进行多目标优化.以各节臂架主梁的截面尺寸为优化变量,以增强臂架刚度和轻量化为优化目标,结合微型多目标遗传算法和参数化有限元建模技术,建立了布料臂架的优化设计模型.此方法既能高效率地解决增强臂架刚度和臂架减重等优化问题,又能仅通过一次计算就提供多组方案以满足对布料机性能控制的不同需要.该优化结果已用于该系列布料机的定型设计.     

基于遗传算法的土地多目标规划应用

针对土地利用过程中的多目标规划问题,利用遗传算法的并行机制和全局优化性能,采用基于遗传算法的多目标求解方法,获得一定数量的非劣解,从而为决策者进行决策提供依据。通过一个实例分析,结果表明,使用该法可以得到一定数目的非劣解,为决策选择提供了可进行比较的方案,比常规的加权多目标求解法具有更好的决策效果。     

一种多目标混合进化算法的研究

针对遗传算法的不足,提出将禁忌搜索方法、免疫算法、遗传算法融和的多目标混合进化算法。该算法引入禁忌搜索法,避免了传统遗传算法早熟现象的发生;引入基于浓度的自适应变异操作,克服算法由于变异概率不变导致的求解过程长,解的多样性差的缺陷;引入外部精英集,避免最优解的丢失,通过ZDT系列测试函数的仿真实验并与NSGA-Ⅱ算法进行比较,验证了算法的有效性。     

约束优化问题的遗传算法求解

应用遗传算法基本原理,采用锦标赛选择、算术交叉、均匀交叉、均匀变异和非均匀变异算子,设计了一般非线性规划和整数规划问题的通用求解算法,应用Matlab6.0编制了相应的求解软件。实例测试结果表明,该算法可以应用于一般的非线性规划和整数规划问题。     

基于遗传算法与方案优选的多目标优化模型求解方法

为求解含复杂约束的多目标优化问题并获得符合实际决策需求的最优解,将多目标优化问题的求解分为2步:1)使用改进的遗传算法对带有较复杂约束的多目标规划模型进行求解,得到Pareto解集;2)基于熵权法构建方案优选评价体系,对Pareto解集进行优选,从而获得多目标优化问题的最佳方案。将本研究方法应用到灌区水资源优化配置问题中检验其可行性与实用性。结果表明:相较于评价函数法获得的结果,Pareto解集可以直观展示不同目标之间相互制衡的关系;根据当地实际情况选取粮经产量比、用水结构信息熵、化肥使用量作为优选指标,优选后的配水方案水分生产力可以达到1.46 kg/m~3,总产量达到8.667×10~7 kg。与传统求解方法比较,本研究提出的求解方法全局寻优能力更强,可以获得更加合理的方案。基于遗传算法与方案优选的多目标优化问题求解方法在求解较为复杂的多目标优化问题时能够获得更为满意的方案,可以为其他多目标问题的求解提供一种新的思路。     

基于遗传算法的多目标串联水库系统优化调度方法

根据遗传算法随机产生函数变量，无需储存离散点的特点，本文应用基于目标序列的排序矩阵评价个体适应度的多目标遗传算法，求解了以发电与供水效益最大为准则的滦河大河口～西山湾串联水库系统的优化运行策略。     

基于资源环境承载力约束的多目标协同国土空间优化 ——以晋中市为例

基于资源环境承载力评价,识别短板要素,确定最大承载规模,进行国土空间优化布局.运用加权求和模型进行晋中市资源环境承载力评价,并测算出短板要素约束下的承载规模,利用耦合多目标遗传算法和FLUS模型得到生态保护、粮食安全、经济增长和均衡发展4个情景下的土地利用类型数量结构和最优情景下的空间布局.结果表明,各类空间的本底资源...     

多连杆机械压力机遗传算法优化设计

采用多连杆作为机械压力机的工作机构代替原机械压力机曲柄滑块机构.采用矢量多边形法建立了滑块的运动方程,并且采用遗传算法建立了优化设计数学模型.以JH23-63型机械压力机的技术参数为依据,设计的多连杆压力机在公称压力行程范围内滑块的最大工作速度仅为96 mm.s-1,并且在曲柄转角α=50°~100°范围内具有平均速度为105 mm.s-1的明显速度平台.该多连杆压力机的低速锻冲特性与原普通型机械压力机相比其工作性能有明显的提高.     

改进遗传算法的防空目标分配

根据市值管理理论,公司的管理者通过科学的公司管理与合理的资源配置,可以实现股东利益最大化的目标,然而这会反映到股票价值和公司财务数据上。财务数据能够反映公司的内在价值,市值能够反映公司外在价值,通过分析内在外在价值之间的联系,即公司财务指标与其真实市值的关系,总结出一套以市值管理分析为基础的选股方法,从而为个人投资制定一个合理的投资方向。     

基于遗传算法与粒子群算法的配电网无功优化

根据遗传算法(GA)收敛效果好和粒子群算法(PSO)收敛速度快的特点,将两者相结合对配电网无功优化模型进行求解。计算结果表明:该算法是收敛的、有效的。     

基于互信息和混合优化算法的多模医学图像配准

针对互信息函数的多极值问题,提出了一种基于混合优化算法的多模医学图像配准方法.对于多模医学图像,以互信息作为相似性测度,使用混合优化算法搜索出最佳配准变换参数,将待配准图像进行变换,从而达到配准的目的.实验表明,该算法能避免陷入局部最优值,配准结果精度达到亚像素级.     

基于遗传算法的受电弓优化设计及其虚拟样机验证

在建立某地铁单臂受电弓简化几何模型的基础上,根据列车平稳受流对受电弓提出的各项要求,以受电弓升弓时机车前进方向上的纵向偏移量和弓头平衡杆的平动为目标,以受电弓正常升弓所需升弓转矩等为约束,运用基于遗传算法的多目标优化技术,对该型受电弓机构进行了优化,得到了使受电弓运动性能达到最优的几何参数.并运用虚拟样机技术对弓头升弓轨迹、升弓转矩和平衡杆摆动角度等优化所得参数进行了仿真验证.结果表明优化结构参数是合理、可行的.     

基于个体优势遗传算法的水稻生育期模型参数优化

【目的】快速并准确估算作物生育期模型参数。【方法】本文提出了一种新的改进型遗传算法——个体优势遗传算法（individual advantages genetic algorithm,IAGA）,并应用于水稻生育期模型参数估算。在遗传算法的基础上引入个体优势算子,并改进了变异算子及种群更新策略。以完全嵌入方式耦合RiceGrow和ORYZA2000水稻生育期模型,实现了模型参数的自动率定。利用汕优63等5个水稻品种在徐州、高要等地的多年田间试验资料,对IAGA算法的有效性进行对比试验。【结果】（1）试验验证结果的RMSE<3.05 d,NRMSE<3.19%,MDA<2.41 d,R2>0.9885,表明利用IAGA获得的模型参数准确性较高。（2）调参的实测数据量大小对调参结果影响不大。由3年数据增加到6年数据,试验拟合结果最大NRMSE值由2.58%增大到3.08%,增加了0.5%。选择隔年并包含全生育期天数最大值与最小值的调参数据,可以获得较准确的模型参数值。（3）IAGA与复合形混合演化算法、遗传模拟退火算法以及标准粒子群算法相比,可获得更准确的模型参数值。【结论】IAGA算法可以实现水稻生育期模型参数的自动率定,为作物生长模型参数的快速准确估算提供了一种有效新方法。     

改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法（QGA）在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷,提出一种改进量子遗传算法（QQGA）,运用基于概率划分的小生境协同进化策略初始化量子种群,并采用动态量子旋转角调整策略来加快收敛速度;加入量子移民和保优选择策略,提高规划效率,避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法,结果比标准量子遗传算法效率高。     

关于非线性规划问题的并行算法

关于非线性规划问题的求解有几种主要并行思想,即按变量分裂的并行算法,函数值、梯度值的并行计算,计算步骤并行的算法等。对此作了简要的综述,并对数值优化的发展作了回顾,介绍了近几年在这方面取得的进展。     

关于非线性规划问题的并行算法

关于非线性规划问题的求解有几种主要并行思想,即按变量分裂的并行算法,函数值、梯度值的并行计算,计算步骤并行的算法等。对此作了简要的综述,并对数值优化的发展作了回顾,介绍了近几年在这方面取得的进展。