版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、自1960年以來(lái),人們對(duì)于模擬生物進(jìn)化行為以及由此開(kāi)發(fā)的針對(duì)復(fù)雜優(yōu)化問(wèn)題的有效算法產(chǎn)生了濃厚的興趣。遺傳算法作為一種強(qiáng)有力的隨機(jī)搜索和優(yōu)化方法,廣泛應(yīng)用于工業(yè)工程優(yōu)化領(lǐng)域并產(chǎn)生了深遠(yuǎn)影響。旅行商問(wèn)題(TSP)是一個(gè)典型的組合優(yōu)化問(wèn)題,求解起來(lái)非常困難,常被作為遺傳算法的應(yīng)用測(cè)試實(shí)例。然而以往研究很少考慮到它的動(dòng)態(tài)屬性,一旦將它置于一個(gè)動(dòng)態(tài)環(huán)境,現(xiàn)存的算法將不再適用。近年來(lái),動(dòng)態(tài)旅行商問(wèn)題(DTSP)越來(lái)越吸引廣大研究者的注意力,DTSP
2、的研究也有著非常重要的實(shí)際意義。優(yōu)化領(lǐng)域還存在一類(lèi)更加復(fù)雜的優(yōu)化問(wèn)題,這類(lèi)問(wèn)題需要處理多個(gè)目標(biāo)并且這些目標(biāo)常常是相互沖突的。簡(jiǎn)單地將多個(gè)目標(biāo)通過(guò)加權(quán)處理轉(zhuǎn)換為單目標(biāo)問(wèn)題遠(yuǎn)不能滿足決策者的要求,因此設(shè)計(jì)求解多目標(biāo)優(yōu)化問(wèn)題的有效算法是非常有現(xiàn)實(shí)意義的。遺傳算法在多目標(biāo)優(yōu)化方面也體現(xiàn)著它的魅力并獲得了廣泛應(yīng)用。
本文主要針對(duì)基于遺傳算法的優(yōu)化問(wèn)題進(jìn)行研究,具體說(shuō)來(lái),包括TSP 求解和多目標(biāo)優(yōu)化兩個(gè)方面。對(duì)于TSP 求解,本文主要
3、做了下面的研究工作:
1.對(duì)反序雜交算子進(jìn)行改進(jìn)??紤]到反序操作的高度隨機(jī)性,重組過(guò)程最終并不一定能得到比上一代更有優(yōu)勢(shì)的個(gè)體。為此我們將最優(yōu)保留機(jī)制應(yīng)用到反序雜交算子中,稱(chēng)為記憶機(jī)制,用于保留當(dāng)次反序過(guò)程中出現(xiàn)的最好的基因序列,進(jìn)而一步一步逼近最優(yōu)解。實(shí)驗(yàn)表明我們的改進(jìn)算子能在加快收斂速度的同時(shí)和提高解的質(zhì)量。
2.對(duì)于一類(lèi)動(dòng)態(tài)環(huán)境下的旅行商問(wèn)題建模和求解。對(duì)生活中出現(xiàn)的上下班高峰期交通阻塞的城市交通情況進(jìn)
4、行高斯建模,使得隨機(jī)被阻塞的邊的數(shù)目在遺傳算法進(jìn)化中期達(dá)到最大。進(jìn)而設(shè)計(jì)了該環(huán)境下的響應(yīng)算法,該算法能利用已有最優(yōu)路徑中未被破壞的短邊對(duì)動(dòng)態(tài)變化情況做出快速反應(yīng)。同時(shí)為了使算法更有效,我們將改進(jìn)的反序雜交算子用于優(yōu)化中。實(shí)驗(yàn)表明算法對(duì)解這一類(lèi)動(dòng)態(tài)旅行商問(wèn)題很有效。
本文在多目標(biāo)優(yōu)化方面的主要研究工作有兩點(diǎn):
1.提出用莊家法則來(lái)構(gòu)造非支配集。在多目標(biāo)遺傳算法中,構(gòu)造非支配集的時(shí)間耗費(fèi)是非常大的,而這種耗費(fèi)主要
5、用于個(gè)體比較。莊家法則不同于已有構(gòu)造非支配集的方法,它做為一種非回朔方法可以有效減少個(gè)體比較次數(shù),從而提高算法效率。
2.提出了基于密度的多目標(biāo)遺傳算法(DMOGA)。對(duì)多種算法進(jìn)行分析發(fā)現(xiàn),密度是維護(hù)種群分布性的一個(gè)非常重要的因素。DMOGA 考慮整個(gè)種群個(gè)體之間的影響,用于計(jì)算個(gè)體密度,準(zhǔn)確反映外部集的分布情況,得到一個(gè)時(shí)間復(fù)雜度為O(n2)的優(yōu)秀的分布性保持方法。并且為了提高算法效率,DMOGA采用莊家法則來(lái)構(gòu)造非支
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于遺傳算法優(yōu)化問(wèn)題的研究
- 基于TSP的遺傳算法優(yōu)化研究.pdf
- 基于遺傳算法的多目標(biāo)優(yōu)化算法研究.pdf
- 基于遺傳算法優(yōu)化QoS路由算法的研究.pdf
- 基于遺傳算法優(yōu)化問(wèn)題的研究.pdf
- 基于遺傳算法的翼型優(yōu)化.pdf
- 基于遺傳算法的配送路線優(yōu)化研究.pdf
- 基于遺傳算法的網(wǎng)架結(jié)構(gòu)優(yōu)化研究.pdf
- 基于遺傳算法的PEMFC優(yōu)化.pdf
- 基于遺傳算法的倉(cāng)儲(chǔ)系統(tǒng)優(yōu)化研究.pdf
- 基于遺傳算法的水庫(kù)優(yōu)化調(diào)度研究.pdf
- 基于遺傳算法的無(wú)功優(yōu)化控制研究.pdf
- 基于遺傳算法優(yōu)化的中文分詞研究.pdf
- 基于遺傳算法的WSN應(yīng)用優(yōu)化研究.pdf
- 基于遺傳算法的短期無(wú)功優(yōu)化.pdf
- 基于遺傳算法的結(jié)構(gòu)動(dòng)力優(yōu)化.pdf
- 基于遺傳算法的決策樹(shù)優(yōu)化算法研究.pdf
- 基于遺傳算法的泵站優(yōu)化調(diào)度.pdf
- 基于遺傳算法的裝配序列優(yōu)化.pdf
- 基于遺傳算法的車(chē)架結(jié)構(gòu)優(yōu)化.pdf
評(píng)論
0/150
提交評(píng)論