为解决柔性制造系统中工件流与刀具流并存情况下的调度优化问题,以用完成时间最短为目标,建立了工件流一刀具流综合调度数学模型,提出了双重遗传算法并对模型进行优化求解。外层遗传优化求解可行工序加工序列,内层遗传优化进行最优可行刀具分派方案的搜索,搜索结果的适应度则作为外层优化解的评判标准。实例分析结果表明:双重遗传算法在取得各工件优化排序的同时,还获取了各类刀具的优化分派,与传统的规则调度相比,系统的完工时间及等刀时间分别减少了19.7%和20.4%。
2022-12-12 11:26:46
6KB
1
f(1)=2*x(1)^2-3*x(2)^2-4*x(1)+5*x(2)+x(3)
基于遗传算法求最大最小值matlab代码
遗传算法（GA）可能是最早开发出来的模拟生物遗传系统的算法模型。它首先由Fraser提出，后来有Bremermann和Reed等人再次提出。最后，Holland对遗传算法做了大量工作并使之推广，因此被认为是遗传算法的奠基人。遗传算法模拟了基因进化，在这个模型中，个体的性状通过基因型表达。选择算子（模拟适者生存）与交叉算子（模拟繁殖），是遗传算法的主要驱动算法。
2022-12-12 09:28:43
72KB
1
【优化调度-车间调度】基于遗传算法求解车间调度问题matlab源码2.zip
2022-12-08 09:37:02
2.03MB
1
灾害发生后的关键救援期内，应急物资有限且受灾点对应急物资的需求具有不确定性。为提高应急物流工作效率，需对应急资源分配和运输车辆路径进行统一优化决策。针对救援关键期内应急物资可能供应不足的特点，在假设物资需求为随机服从正态分布的前提下，以最小化供应不足和供应过量所带来的损失、运输成本和车辆使用成本等为优化目标，考虑服务时间窗和车辆装载能力等约束，建立了随机需求环境下应急物流车辆路径问题的优化模型，并基于遗传算法设计了模型的求解方法。算例分析表明，所提出的优化方法运算快捷且结果合理，可为相关决策者提供科学的决策依据。
2022-12-06 20:31:37
969KB
1
针对奇异值分解信号降噪方法中吸引子轨迹矩阵（Hankel矩阵）结构的确定，以及有效奇异值的选择两个关键问题，提出了一种基于遗传算法的奇异值分解信号去噪算法。首先，利用原始信号构造Hankel矩阵，运用遗传算法对矩阵结构进行优化，然后对含噪声信息的矩阵进行奇异值分解，最后通过K-medoids聚类算法确定有效奇异值个数，对有效奇异值和其对应的向量进行奇异值分解反变换，还原原始信号，达到去噪目的。通过仿真实验并与小波包变换、小波变换以及传统快速傅氏变换（FFT）去噪方法相比较，结果表明该算法具有良好的去噪效果。
2022-12-05 20:51:50
1.84MB
1
Tsp标准测试集+遗传算法和迭代邻域搜索的java代码，代码内部有详细的注释和应用，求解效果不错！！！值得学习
2022-12-05 20:46:48
1.95MB
1
TSP问题的遗传算法（GA）、动态规划（DP）和蚁群算法（PSO）的python实现（含报告）
包含遗传算法的word报告，代码都可以跑通，安装必须依赖即可。
本实验课程是计算机、智能、物联网等专业学生的一门专业课程，通过实验，帮助学生更好地掌握人工智能相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；
使用蚁群优化算法或者粒群优化算法求解TSP问题。
2022-12-05 09:28:34
297KB
1
前者的贡献在于将量子多宇宙的概念引入遗传算法，利用多个宇宙的并行搜索，增大搜索范围，利用宇宙之间的联合交叉，实现信息的交流，从而整体上提高了算法的搜索效率。但算法中的多宇宙是通过分别产生多个种群获得的，并没有利用量子态，因而仍属于常规遗传算法。后者将量子的态矢量表达引入遗传编码，利用量子旋转门实现染色体的演化，实现了比常规遗传算法更好的效果。但该算法主要用来解决0-1背包问题。编码方案和量子旋转门的演化策略不具有通用性，尤其是由于所有个体都朝一个目标演化，如果没有交叉操作，极有可能陷入局部最优。
2022-12-04 22:22:56
4KB
1
欺骗性函数
图式划分：指引相互之间竞争的定义位为同一集合的一组图式。
如#表示定义位，则H1=*1*0*，H2=*0*1* ，H3=*1*1*，
H4=*0*0* 同属于划分*#*#*。
总平均适应度（OAF）：对一个给定图式，OAF即为其成员
的平均适应度。
欺骗性函数——包含全局最优的图式其OAF不如包含局部最优的OAF，这种划分称为欺骗划分，它会使GA陷入局部最优。如最高阶欺骗函数有k个定义位，则此函数称k阶欺骗。
2022-12-04 15:25:29
696KB
1
针对基本遗传算法（简称BGA）常常存在局部收敛以及收敛解精度不高等方面的不足，提出了一种改进的算法——两阶段遗传算法，给出了算法的结构及具体的实施策略，进而利用Markov链理论和仿真技术分析了该算法的收敛性能，结果表明该算法具有操作简单、鲁棒性强等特点，不仅可以有效地避免寻优过程中的“早熟”现象，而且在很大程度上能提高最优解精度，适合于大规模、高精度的优化问题。
2022-12-03 23:03:54
1.09MB
1