混合遗传算法在随机规划问题中的应用研究

以含有机会约束的生产管理动态规划问题为例 ,基于随机模拟技术的混合遗传算法来实现其最优化决策 ,构造了该问题的数学模型 ,最后采用 VB编程 ,计算机模拟结果显示该模型能很好解决生产过程中的最优化决策问题 ,它是简单的基于二进制编码的遗传算法所不能解决的。并且该算法具有很高的鲁棒性 ,避免了在局部最优解附近徘徊 ,且因为随机规划问题要求许多数学知识 ,而该算法本身并不要求对优化问题的性质作一些深入的数学分析 ,从而对那些不太熟悉数学理论和算法的使用者来说 ,无疑是最方便的。     

随机灰色提前期条件下制造/再制造混合系统库存优化

基于PUSH库存控制策略提出了在不确定生产提前期、恒定顾客需求率和产品回收率条件下的制造/再制造混合生产系统库存控制模型,可用品仓库库存由新产品制造过程和回收产品的再制造过程共同补充。不确定的生产提前期可描述为随机灰色变量,提出的随机灰色模拟技术可为不确定函数产生输入-输出数据,利用该输入-输出数据训练后的神经网络可加速不确定函数的模拟过程,由随机灰色模拟、神经网络和遗传算法集成的混合智能优化算法可求解该库存模型。数值分析结果表明:平均生产成本随给定的顾客服务水平和生产提前期的增加而增加,该不确定模型符合实际库存系统的实际情况,提出的智能优化算法可优化复杂的不确定规划问题。     

一种二元响应变量模型的分布式贝叶斯估计方法

在海量数据背景下,传统的基于单个计算节点的算法很难满足分析要求。考察了一种分布式贝叶斯估计方法,通过在每台机器上单独运行蒙特卡洛抽样并做加权平均可以有效地解决算法效率问题。将该方法应用于基于广义极值模型的二元响应变量回归分析,并探讨其实用性。模拟研究表明分布式算法比传统方法更有效。     

神经网络自调节变尺度算法及其用于聚酯生产工况预测

探讨了多层前向神经网络的学习算法，并将该算法用于大型聚酯生产工况预测。结合非线性最优化方法，提出了一种基于拟牛顿法的神经元网络自调节变尺度学习算法，仿真结果表明，该算法有效地改进了神经元网络学习收敛速度和收敛性能。     

基于蚁群算法的故障识别

提出了一种新的基于蚁群算法的故障诊断知识获取算法。该算法将故障诊断中故障的识别分类问题转化为求解带约束的最优化聚类问题，并应用改进的蚁群算法，基于群体的协作与学习求解这一聚类问题。将该方法应用于一化学反应器的故障诊断过程，结果表明该算法具有实现简单、收敛速度快、本质分布式并行性、鲁棒性强以及故障识别结果可靠等优点。     

一种基于多邻域非线性扩散的动态规划全局立体匹配算法

双目立体视觉匹配通过两幅具有一定视差的图像获得精确、稠密的视差图。为了解决动态规划立体匹配算法橫条纹瑕疵以及精度低的问题,提出了一种基于多邻域非线性扩散的立体匹配算法。该算法采用AD测度函数构建视差空间,根据行列像素之间的约束关系,基于非线性扩散的代价聚合方法,通过图像边缘的动态优化寻求全局能量函数最优值得到稠密视差图。在Middlebury测试集上的实验结果表明,该算法的平均误匹配率为5.60%,相比IIDP动态规划全局匹配算法,精度提高了39.9%,有效地解决了横向条纹问题,改善了边缘模糊情况,且提升了算法的稳定性。与其他全局匹配算法相比,本文算法误匹配率降低了38.2%,在图像参数的11个指标中有9项指标排名第1。     

黑色珍珠的无机染色

为了对化工动态系统进行快速的全局优化,结合并加强迭代动态规划算法和一阶梯度算法的优势,同时利用随机搜索和定向搜索,提出了基于一阶梯度算法的迭代动态规划算法,通过2个化工生产实际例子应用,证明了该算法具有高效、高精度、全局性好等特点。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的Job shop生产调度问题，建立了基于模糊规划理论的不确定Job shop调度模型。在采用两种模糊运算的基础上，结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法，通过仿真数据说明了所建模型及算法的有效性，并就结果进行了讨论。     

混合规划处理流水车间调度问题

针对不确定条件下流水车间调度问题(F low shop schedu ling),研究了含有随机参数和灰色参数的混合机会约束规划模型的建立及求解方法。提出了灰色模拟的概念和方法,为含有灰色参数的机会约束规划提供了求解途径。通过理论推导及仿真实例,结合遗传算法,验证了基于随机模拟和灰色模拟的混合机会约束规划的调度模型及求解方法的有效性。     

移动机器人路径规划的一种改进蚁群算法

提出了一种复杂静态环境下的移动机器人避碰路径规划的改进蚁群算法。基于栅格法的工作空间模型,模拟蚂蚁觅食行为,并针对移动机器人的路径规划的需要,将一些特殊功能赋予常规的蚁群算法。为了避免移动机器人的路径死锁,在路径搜索过程中,当蚂蚁探索到一个死角时,建立了相应的死角表,同时用惩罚函数来更新轨迹强度。仿真研究表明:该算法能明显改善路径规划性能,并且算法简单有效。     

基于动态混合约束框架的改进差分进化及其应用

针对动态随机选择多个体差分进化（DSS-MDE）在处理复杂约束问题时易陷入局部最优的缺陷,提出了基于动态混合约束框架的改进差分进化算法（DHCF-IDE）。首先,通过跟踪种群可行解比例,动态地执行可行解搜索和全局搜索,并分别使用动态随机排序和可行性规则作为两模型的约束处理方法。其次,分别采用多个体差分进化和基于幂律分布父代选择的改进差分进化作为两模型的算法实现。选取CEC2006中6个测试函数进行仿真实验,实验结果表明：与仅采用DSS-MDE或DyHF相比,DHCF-IDE能保持更快的收敛速度和较好的全局搜索能力。催化重整芳烃产率优化的工业案例也表明该改进算法在实际应用中具有可行性。     

基于离散布谷鸟搜索算法的带阻塞有差速混合流水车间调度

基于以最小完工时间为目标的带阻塞有差速混合流水车间调度问题,提出了一种改进的离散布谷鸟搜索算法。在基本布谷鸟搜索算法的莱维飞行和巢寄生性的基础结构上,提出了一种基于交叉策略的莱维飞行机制,以便算法能够解决离散问题;同时,通过非余弦递减策略的动态发现概率去发现劣质鸟巢,并利用排列差分进化算法的变异思想将劣质鸟巢重建;在搜索过程中设定全局最优极值保持代数为阈值去重新发现劣质鸟巢,以防止算法陷入局部最优;最后利用邻域搜索方法进一步提高算法的搜索精度。通过仿真实验验证了该算法在求解混合流水车间调度类离散问题上的有效性与优越性。     

基于混合编码遗传算法的最优跟踪门

跟踪算法优化可以提高跟踪质量,选择恰当的跟踪门是优化跟踪算法的关键措施之一。本文提出了一种基于混合编码的遗传算法,用于杂波环境下目标跟踪过程中跟踪门参数的离线优化。该算法将二进制编码与浮点数编码结合,对跟踪门的形状和大小进行混合编码,选择跟踪精度性能指标构造遗传算法的适应度函数,以此将跟踪算法的优化问题转化为遗传算法寻优,在不同杂波环境下优化跟踪门参数设置。     

Feature Selection and Parameters Optimization of Support Vector Machines Based on Hybrid Glowworm Swarm Optimization for Classification of Diabetic Retinopathy

Diabetic Retinopathy (DR) has been a leading cause of blindness in case of human beings falling between the ages of 20 and 74 years. This will have a major influence on both the patient and the society as it can normally influence the humans in their gainful years. An early DR detection is quite challenging as it may not be detected by humans. There are several techniques and algorithms that have been established for detecting the DR. These techniques have been facing problems to achieve effective sensitivity, accuracy, and specificity. In order to overcome all these problems, the work has proposed one more such effective algorithm for image processing in order to increase the efficiency and also identify easily the DR diseases. A major challenge in the task is the automatic detection of the microaneurysms. In this work, the Support Vector Machine (SVM) parameters optimized with Glowworm Swarm Optimization (GSO) and Genetic Algorithm (GA) is used to classify the DR. Because the SVM parameter C and γ to control the performance of the classifier. For this work, the SVMs get fused with the hybrid GSO-GA along with the feature chromosomes that are generated that will thereby direct the GA search to a straight line of the error of optimal generalization in their super parameter space. This GSO algorithm will not have memory and the glow worms will not retain any information in memory. The results of the experiment prove that this method had achieved a better performance.     

基于遗传算法的剂量优化技术研究

遗传算法作为一种全局优化算法,可以用来解决在目标函数不连续、不可能、非线性等情况下的复杂问题,且具有较高的收敛效率和广阔的搜索空间.本文应用遗传算法优化逆向调强放疗计划中射束的权重,用二维等剂量线、三维剂量分布和剂量-体积直方图来评估计划的优劣.最后,给出了计算结果并进行了讨论.     

Knowledge Extraction Algorithm for Variances Handling of CP Using Integrated Hybrid Genetic Double Multi-group Cooperative PSO and DPSO

Although the clinical pathway (CP) predefines predictable standardized care process for a particular diagnosis or procedure, many variances may still unavoidably occur. Some key index parameters have strong relationship with variances handling measures of CP. In real world, these problems are highly nonlinear in nature so that it’s hard to develop a comprehensive mathematic model. In this paper, a rule extraction approach based on combing hybrid genetic double multi-group cooperative particle swarm optimization algorithm (PSO) and discrete PSO algorithm (named HGDMCPSO/DPSO) is developed to discovery the previously unknown and potentially complicated nonlinear relationship between key parameters and variances handling measures of CP. Then these extracted rules can provide abnormal variances handling warning for medical professionals. Three numerical experiments on Iris of UCI data sets, Wisconsin breast cancer data sets and CP variances data sets of osteosarcoma preoperative chemotherapy are used to validate the proposed method. When compared with the previous researches, the proposed rule extraction algorithm can obtain the high prediction accuracy, less computing time, more stability and easily comprehended by users, thus it is an effective knowledge extraction tool for CP variances handling.     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

基于DNA进化算法的车辆调度问题

在建立一种物流配送车辆调度模型的基础上,针对传统启发式算法对复杂问题搜索效率低、易陷入局部最优的缺点,构造了DNA进化算法求解该问题。将其在个体变异操作中进行了一些改进,避免陷入局部最优。车辆调度问题(V SP)属于组合优化NP难题。采用V SP问题进行测试,仿真结果表明:该算法简单可行,与其他算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力。     

基于耗散结构的改进遗传算法求取红外图像二维阈值

在二维阈值化分割算法的基础上，提出了一种新的改进分割算法运算效率的遗传算法，在对耗散系统理论研究的基础上，将简单遗传法与耗散结构相结合，构成一种新的算法，并对该算法求解红外图像二维阈值问题进行了仿真研究。仿真计算结果表明：用这种方法求解红外图像二维阈值分割问题，计算效率大大提高，而且求解性能较简单遗传算法有很大的改善。