摘要：为保障儿童乘车安全,采用改进多目标粒子群算法优化儿童约束防护系统。首先,开展40%偏置碰撞的台车试验,验证儿童座椅台车试验仿真模型的有效性,建立儿童安全气囊模型;然后,建立防护系统参数与儿童头部、胸部损伤指标的二阶响应曲面模型,融合遗传算法的交叉变异和精英保留策略,提出改进的多目标粒子群算法,并验证改进算法的有效性;最后,利用多目标模糊优选决策算法获得系统设计参数的最优值,结合台车试验仿真模型,验证优化模型及算法的有效性。结果表明:模型的最优值兼顾对儿童头部和胸部的防护;遗传算法和粒子群算法的融合算法,可提高模型的收敛速度。

摘要：针对当前城市物流配送过程中普遍存在的客户中途取消订单、无故退换货等交易违约问题,引入客户信用度的测度方法。根据客户历史交易违约数据计算客户信用值,并转化求解客户信用度,构建了包含车辆配送成本、租赁成本以及违反时间窗惩罚成本的配送路径优化模型。设计了一种遗传(GA)-禁忌搜索(TS)混合算法进行模型求解,在算法过程中应用精英保留策略进行循环迭代寻优。结合重庆某外卖物流配送网络的实例数据,验证了模型和算法的有效性和可行性。实验结果给出了不同服务策略下的物流配送调度方案,并进行了基于客户信用度的客户配送服务序列调整比较和敏感度分析。研究表明客户信用等级的合理划分可以有效降低物流配送成本和提高客户服务水平。

摘要：在分析潮汐电站运行特性基础上,建立其多维优化的月周期优化调度模型。该模型含有线性和非线性约束,而且目标函数呈非线性。利用整体算术交叉和精英保留策略,设计出一种全局寻优的浮点数编码改进遗传算法。算法实例求解结果与电站实际月发电量和动态规划法求解结果比较后表明,该算法可行、有效,提高了求解质量和运行效率。

摘要：针对柔性作业车间调度问题自身的特点,提出一种将化学反应算法和禁忌搜索相结合的混合算法。该混合算法使用精英保留策略将较优个体保留到子代中,并采用基于工序和基于机器的编码方法。为提高化学反应,优化算法的全局搜索能力,设计了4种基本操作来保证种群的多样性。同时混合算法中引入禁忌搜索,使混合算法具有较好的局部搜索能力。最后,进行了算法性能对比试验,结果验证了该混合算法的有效性。

摘要：针对文化算法收敛速度慢、易陷入局部最优解以及种群多样性少的问题,本文对文化算法进行优化设计,提出一种将带有精英保留策略的遗传算法(GA)和模拟退火算法(SA)纳入文化算法(CA)框架的混合优化算法.此算法基于协同进化的思想,算法分为下层种群空间和上层信念空间,两个空间采用了相同的进化机制,但使用不同的参数.在文化算法的基础上加入带有精英保留策略的遗传算法,使种群中的优秀个体直接进入下一代,以此提高收敛速度;加入模拟退火算法,利用其具有突变的特点,概率性的跳出局部最优并接受劣质解,以此增加种群多样性.函数优化结果证明了算法的有效性,将此算法用于求解最小化最大完工时间的流水车间调度问题,仿真结果显示,此算法在收敛速度和精度方面都优于其他几个具有代表性的算法.

摘要：给出了一种基于拉马克学习和精英保留策略的新型遗传算法。设计了拉马克学习规则和拉马克遗传算法框架,给出了算法收敛性的数学证明,并利用测试函数与经典遗传算法进行了对比实验。实验结果表明,该算法具有较好的收敛性能和局部搜索能力,可以用于求解各种工程优化问题。

摘要：针对在传统飞行控制系统控制器参数整定问题中单目标优化不能同时满足多个控制指标要求的缺点,提出了一种基于改进的NSGA-II算法的多目标进化算法。在改进的NSGA-II算法中,提出了改进的精英保留策略增强算法收敛性;同时,使用改进的自适应模拟二进制(ASBX)算子提高算法效率,提出了使用改进的基于混沌序列的变异算子避免算法陷入局部最优解,以提高算法搜索精度。将改进的算法应用于飞机飞行控制系统设计中。仿真结果表明,该进化算法能够快速有效地进行飞行控制系统参数整定。

摘要：为降低柔性作业车间调度中的能耗,针对实际制造车间中工序加工时间和交货期的不确定性,将加工时间和交货期采用模糊数表示,建立以完工时间、平均满意度和最小满意度为柔性作业车间调度问题的多目标函数。同时设计了邻域遗传算法(GANS)求解该问题,算法采用机器选择的方法产生初始种群,并采用工序插入式方法对染色体进行解码;采用动态交叉概率及改进精英保留策略来保证种群的多样性和加快算法的收敛速度;并提出一种基于移动模糊关键工序的邻域结构来加强算法的局部搜索能力。最后通过数值实验验证了模型和算法的有效性和可行性,并对4个基准问题进行测试。结果表明:该算法在求解的精度、鲁棒性和解集的分布性方面与传统算法相比具有一定的优势,是一种有效的求解模糊柔性作业车间调度问题的新方法。

摘要：为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优。通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题。本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度。结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小。

摘要：针对含有自动引导小车(Automated Guided Vehicle,AGV)的离散化车间物流调度问题,以最小化物流任务时间惩罚成本和最小化运载小车的总行驶距离为优化目标,构建离散化车间多目标物流调度优化模型,设计一种基于Pareto寻优的多目标混合变邻域搜索遗传算法(VNSGA-II).以遗传算法为基础,通过使用NSGA-II的Pareto分层和拥挤度计算方法评估种群优劣实现多目标优化,为了提高算法的寻优能力,避免算法陷入局部最优,通过添加保优记忆库对精英个体进行保护,并利用变邻域搜索算法在搜索过程中的局部寻优能力,针对本文模型特点,设计6个随机邻域结构,来达到算法求解最优值的目标.并提出了基于关键AGV小车的插入邻域和基于关键物流任务的交换邻域调整策略以进一步降低成本.最后,以某离散车间物流调度为实例,分别使用VNSGA-II、带精英策略的快速非支配排序遗传算法II(Nondominated Sorting Genetic Algorithm II,NSGA-II)和强Pareto进化算法(Strong Pareto Evolutionary Algorithm 2,SPEA2)对问题进行求解,计算结果表明,VNSGA-II能得到更好的Pareto解集,验证了算法的有效性和可行性.