-
题名基于蜂群遗传算法的0-1背包问题
被引量：7
- 1
-
-
作者
吴迪
姜永增
宋广军
-
机构
齐齐哈尔大学计算机与控制工程学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2011年第5期102-105,共4页
-
基金
黑龙江省2009年研究生创新科研资金项目(YJSCX2009-102HLJ)
齐齐哈尔市科委项目(GYGG-09007-2)
-
文摘
针对0-1背包问题,本文提出了基于蜂群遗传算法的优化求解方案。该算法包括两个种群,一个主要用于全局搜索,另一个主要用于局部搜索;每个个体采用二进制编码;采用最优个体交叉策略;对当前解的处理措施是将还未装入背包且性价比最好的物品装进背包,直至不能装为止;不符合约束条件的解采用诱变因子指导变异处理;遗传算子包括单点交叉算子、简单变异算子、主动进化算子和抑制算子。本算法充分发挥了遗传算法的群体搜索和全局收敛的特性,快速地并行搜索,有效地克服了经典遗传算法容易陷入局部最优问题。数值实验表明,该算法在求解0-1背包问题中取得了较好的效果,同样可以应用于其它的组合优化问题。
-
关键词
背包问题
蜂群遗传算法
主动进化算子
最优交叉
抑制算子
-
Keywords
knapsack problem
bee swarm genetic algorithm
active evolution operator
best one crossover
restraint operator
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于蜂群遗传算法的一维优化下料问题
被引量：8
- 2
-
-
作者
吴迪
李长荣
宋广军
-
机构
齐齐哈尔大学计算机与控制工程学院
-
出处
《计算机技术与发展》
2010年第10期82-85,共4页
-
基金
黑龙江省2009年研究生创新科研资金项目(YJSCX2009-102HLJ)
-
文摘
针对一维下料优化问题,提出了基于蜂群遗传算法的优化求解方案。具体做法是,以实数表示的各零件长度的一个排列作为一个染色体,其中每个零件的长度作为基因;根据自然界蜂群生物学原理设置了两个种群,一个种群主要用于全局搜索,另一个种群主要用于局部搜索;采用最优个体交叉策略;遗传算子包括联赛选择算子,顺序交叉算子,2-交换变异算子和抑制算子。仿真实验结果表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了一维下料问题。
-
关键词
一维下料问题
蜂群遗传算法
优化
最优交叉
抑制算子
-
Keywords
one-dimensional cutting stock problem
bee swarm genetic algorithm
optimization
best one crossover
restrain operator
-
分类号
TP391.72
[自动化与计算机技术—计算机应用技术]
-
-
题名一维下料的改进遗传算法优化
被引量：5
- 3
-
-
作者
寿周翔
王琦晖
王李冬
王玉槐
-
机构
杭州师范大学钱江学院信息与机电工程分院
-
出处
《计算机时代》
2014年第1期36-37,41,共3页
-
基金
杭州师范大学钱江学院科研项目(2010qjjl09)
-
文摘
针对一维下料优化问题,在对一维下料方案数学模型分析的基础上,提出了基于改进遗传算法的优化求解方案。主要思想是把零件的一个顺序作为一种下料方案,定义了遗传算法中的关键问题:编码、解码方法、遗传算子和适应度函数的定义。该算法设计了一种新颖的遗传算子,包括顺序交叉算子、线性变异算子、扩展选择算子。根据这一算法开发出了一维下料方案的优化系统。实际应用表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了一维下料问题。
-
关键词
一维下料
遗传算法
最优交叉
优化
-
Keywords
one dimensional cutting stock problem
genetic algorithm
best one crossover
optimization
-
分类号
TH122
[机械工程—机械设计及理论]
TP391.7
[自动化与计算机技术—计算机应用技术]
-
-
题名基于最优交叉的广泛学习粒子群优化
- 4
-
-
作者
陈小斌
杨利华
汤可宗
-
机构
景德镇陶瓷大学信息工程学院
-
出处
《软件导刊》
2023年第12期132-138,共7页
-
基金
江西省教育厅科学技术研究项目(GJJ210731,GJJ211331)。
-
文摘
粒子群优化算法实现简单、便于操作,近年来已被广泛应用于资源分配等大规模复杂问题,但算法收敛速度慢、求解精度低等问题也制约着其进一步应用。针对以上问题,引入遗传算法的染色体交叉特性,结合广泛学习粒子群优化算法,提出一种基于最优交叉的广泛学习粒子群优化算法。通过全局最优粒子位置与个体历史最优位置执行最优交叉操作得到更优个体,加快算法收敛速度,提高对问题的求解精度。基准测试函数实验结果表明,该算法相较原算法具有更快的收敛速度和优化精度,同时Friedman检验和Wilcoxon符号秩检验结果表明,基于最优交叉的广泛学习粒子群优化算法具备较好的稳定性,优化精度和收敛速度有了较大提升。
-
关键词
粒子群优化
遗传算法
广泛学习策略
最优交叉
Friedman检验
Wilcoxon符号秩检验
-
Keywords
particle swarm optimization
genetic algorithm
comprehensive learning strategy
optimal crossover
Friedman test
Wilcoxon signed-rank test
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于改进遗传算法的线材排样优化
- 5
-
-
作者
寿周翔
王琦晖
王李冬
王玉槐
-
机构
杭州师范大学钱江学院
-
出处
《杭州师范大学学报（自然科学版）》
CAS
2014年第3期283-285,297,共4页
-
文摘
针对线材排样优化问题,在分析线材排样方案数学模型的基础上,提出了基于改进遗传算法的优化求解方案.该算法设计了一种新颖的遗传算子,包括顺序交叉算子、线性变异算子、扩展选择算子.实验表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了线材排样问题.
-
关键词
线材排样
遗传算法
最优交叉
-
Keywords
wire layout
genetic algorithm
optimal crossover
-
分类号
TH122
[机械工程—机械设计及理论]
TP391.7
[自动化与计算机技术—计算机应用技术]
-
