摘要：针对室内复杂环境易受多径效应和非视距影响,导致RSSI值不可靠,影响SVR模型预测性能和系统定位精度的问题,提出一种基于误差校正和自适应算子的SVR-PSO算法。该算法提出利用近邻参考标签的预测误差对待测标签的预测距离进行误差校正,从而弥补SVR模型因RSSI值不可靠而预测不准确的问题。然后构建求解待测标签位置坐标的非线性方程组,利用PSO算法迭代求解。针对标准PSO算法存在的易陷入局部最优且收敛速度慢的问题,设计了一种自适应算子,分别对PSO算法的惯性权重和学习因子进行改进。仿真结果表明,误差校正和自适应算子对提升室内定位精度均有一定的作用。与SVR-PSO相比,系统平均定位精度提升了31.6%。在相同定位精度下,该算法使用的参考标签数量更少。

摘要：智能制造生产方式逐渐成为产业发展的主流趋势,文章着眼于当下制造业生产中存在的排程调度不准确问题,提出了一种基于机器空隙的自适应改进金枪鱼群算法(Tuna Swarm Optimization Algorithm Based on Machine Gap,TSOAMG)。文章提出基于空隙的工序机器选择方法,采用混沌映射初始化阵列,设计自适应阵列算子以选择不同的更新策略。为提高种群中的解的质量,将排斥浓度与适应度按一定比例结合,评价该解在种群中的优异度,并融入Levy飞行策略。模型中构建三种不同类型的邻域搜索结构NS1、NS2、NS3,用于增强算法的邻域探索能力,使其能够更为灵活地遍历搜索空间。最终,通过对排程经典案例的实验验证,证明了TSOAMG算法在排程结果和收敛性优于当下5种其他的流行算法,为传统制造业解决排程调度问题提供了解决方案。

摘要：提出了图的一种新的存储方式:双向邻接链表,可完备地表示软件项目的类图结构。基于自动插装,构造了一种新颖的用树结构来设计适应度函数的改进遗传算法iAGA,并使用自适应的交叉和变异算子来进行下一代生成。将改进算法与基本遗传算法SGA和自适应遗传算法AGA进行了比较,发现可以明显节省搜索和生成时间。使用三角形分类等实例进行了测试数据自动生成的验证,证明所提的iAGA改进算法是有效的。对采用均匀权值、自顶向下和自底向上这三种权值分配方式进行了比较,实验表明在采用树结构计算适应度方式下,均匀分配权值比较。

摘要：为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题,引入自适应交叉算子和变异算子,将改进后的跳点搜索(jump point search)算法与改进遗传算法融合,得到跳点搜索-遗传(jump point search-genetic,JPSG)算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力,加速算法整体收敛趋势;利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态,提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明,相比于改进遗传算法、传统遗传算法,JPSG算法可以有效缩短寻优执行时间,提高寻优准确率,减少运算执行次数,在稳定性、准确性、快速性上具有明显的优势。

摘要：目前遗传算法研究中,缺乏对历代群体进化规律的充分利用,因此引入学习机制,设计反映个体自主学习进化规律的自适应算子,并且结合现有的改进遗传算法,提出一种新的自适应遗传算法。最后以两个通用的测试函数为例对算法进行性能测试,结果表明,在采用相同参数的条件下,自适应算子能够以较低的代价提高遗传算法的收敛速度,并获得更好的最终优化结果。

摘要：针对投资组合模型的特点,研究了遗传算法的编码、算子和算子参数,设计出了一个能够求解投资组合模型的遗传算法.实证分析表明,在求解复杂的投资组合模型时,遗传算法的实算结果要优于梯度算法的实算结果.

摘要：研究目的:针对标准遗传算法出现的未成熟收敛、振荡、随机性太大等缺点,通过研究对其改进,提出自适应遗传算法。利用自适应遗传算法建立钢桁架结构优化设计模型,采用m atlab语言编写自适应遗传算法优化分析程序,用于铁路车站工程一雨棚的优化设计。研究结论:针对标准遗传算法存在的缺点,通过研究提出了自适应遗传算法。该算法在计算过程中依据个体的适应值,来确定染色体的交叉位置、交叉率、变异率,使杂交沿着有利于算法收敛的方向进行。确保了子代个体优于父本,使进化前期变异明显,后期趋于稳定,确保搜索到全局最优解,从而保证了种群开发和搜索的平衡及全局收敛性。并建立了桁架结构优化设计模型,以matlab软件为平台,对铁路车站一雨棚桁架结构进行了优化设计,取得了满意的效果,证明自适应遗传算法是一种理想的建筑结构优化设计方法。

摘要：针对某钢材加工配送中心生产现场存在的在制品仓过多,材料拉动的及时性差以及各机床的负荷分布不均匀等问题,通过解释结构模型找出其发生的真因并得出改善思路。为获得解决方案,将该钢卷生产调度问题抽象为一类JSS(job-shop scheduling作业车间调度)一般性模型,并设计出自适应递阶遗传算法(A-HGA)进行求解,Matlab运行结果表明,该算法的调度结果优于经验排配,提高了机床平均利用率,解决了WIP仓过多,材料拉动的及时性差等问题。同时由于该算法的编码简单、染色体信息量大、收敛性好,在解决一类复杂JSS和拓扑结构等多变量优化问题方面有明显优势。

摘要：在规划区域内随机产生一系列威胁点和相应威胁半径来量化无人机(UAV)任务环境,通过纵向剖分目标区,将航路点的表示由二维缩减到一维,采用实值编码以提高运算精度.针对遗传算法(GA)早收敛和收敛慢的问题,在交叉和变异中设计了自适应算子.计算仿真表明该控制算法能使无人机在复杂环境中回避威胁,快速选择最短路径,提高了规划效率.

摘要：针对多目标柔性作业车间调度问题,建立了以最大完工时间、机器总负荷、瓶颈机器负荷为目标的调度数学模型,提出了一种基于混合多目标遗传算法(HMO-NSGA-II)的求解方法。首先,采用了全局选择和快速选择相结合的初始化方式,得到分布均匀的初始种群;其次,对其交叉变异算子进行了自适应改进,以提高对种群的搜索能力;接着,针对精英策略在维持种群多样性上的局限性,设计了一种精英保留机制,并引入改进的和声搜索算法,提高了精英库中的个体质量;最后,采用基准算例Kacem测试集、BRdata数据集和实际生产案例进行了测试。研究结果表明:采用HMO-NSGA-II求解多目标柔性作业车间调度问题,求解精度高、收敛速度快,可在实际生产中为决策者提供可行、有效的调度方案,具有很好的实用价值。