摘要：为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。

摘要：介绍了STEP-NC应用环境下计算机辅助工艺设计系统的非线性工艺设计的方法和过程,以及如何进行工步序列的有效化。提出了基于精英选择策略遗传算法的工艺优化技术,详细研究了遗传算法在工艺优化中的应用过程。开发了一个STEP-CAPP原型系统,并通过一个实例零件对所提技术和算法进行了演示和仿真,结果表明了该技术和算法的可行性和有效性。

摘要：为提高4目标以上高维多目标优化问题的求解性能,提出一种基于改进K支配排序的高维多目标进化算法(KS-MODE).该算法针对K支配的支配关系和排序方法进行改进,避免循环支配并增强选择压力;设计新的全局密度估计方法提高局部密度估计精确性;设计新的精英选择策略和适应度值评价函数;采用CAO局部搜索算子加速收敛.在4～30个目标标准测试函数上的实验结果表明,KS-MODE能够在保证解集分布性的同时大幅提升收敛性和稳定性,能够有效求解高维多目标优化问题.

摘要：针对认知无线电频谱使用率低的问题,文中设计图论模型,提出一种精英量子狼群算法,该算法结合量子进化算法与精英选择算子,通过量子位编码与量子旋转门更新提高种群的多样性与寻优能力,通过精英选择算子提高算法的收敛速度。在仿真实验中,将精英量子狼群算法与蚁群算法、遗传算法进行对比。实验结果表明,在次用户数为15且频谱数为20时,精英量子狼群算法优化过的网络效益值比遗传算法高10.68%,比蚁群算法高23.97%,证明所提算法加快了算法收敛的速度,有效提高了网络效益和吞吐量。

摘要：针对传统遗传算法(SGA)容易"早熟"的不足,提出一种求解0-1背包问题(KP)的改进遗传算法。借鉴二重结构编码的解码处理方法设计了一种新解码方法,在保证解可行性的同时修正种群中无对应可行解的个体;采用模拟退火算法和改进的精英选择算子改进SGA。实例仿真结果验证了改进遗传算法在进化效率和最优解搜索能力上的优越性。

摘要：针对装配序列规划问题的特点,设计了具有针对性的杂交算子和变异算子。并应用Boltzman变比技术对遗传算法进行了改进,提出了一种基于改进的遗传算法的装配序列规划的方法。通过使用精英选择技术,保证最优种群能进入到下一代中。提出了一种应用简化关联图生成遗传算法初始种群染色体的方法,应用该方法并结合人工输入的方法,可以保证初始种群染色体的质量。实际应用证明,该方法比传统方法更加有效。

摘要：背包问题是组合优化中的NP(Non-Deterministic Polynomial)难题之一,论文将贪婪算法与遗传算法相结合提出一种改进的混合遗传算法来求解0_1背包问题。改进的混合遗传算法通过遗传算法的择优,重复执行选择、交叉和变异以及贪婪算法的修正这样一个过程,使得所求解在可以接受的时间内越来越接近最优解。同时采用精英保留机制来加快算法的收敛速度。最后通过实证明该改进的算法可以有效地克服遗传算法中早熟的现象,该方法同样也适用其他优化问题。