求解整数规划的混合遗传算法,针对遗传算法的缺陷，提出了遗传算法和混沌的结合

一种混合遗传布谷鸟搜索算法求解目标优化问题，田野，卞佳丽，元启发式算法能在较短时间内求得目标优化问题的最优解或近似最优解，在实际工程中应用广泛。布谷鸟算法(CS)是一种较为新型的元启��

建立并求解一个基于成本最小的供应链网络模型。与以往研究不同，在该模型中生产一种产品需要至少两种原料，每种原料都可以由备选供应商提供。根据模型的特点，用0、1代表对原材料供应商、工厂和分销中心的选择情况，以MATLAB 7.6为平台，运用Sheffield大学的遗传算法工具箱，将遗传算法与线性规划算法相结合，实现了模型的求解。算例结果表明，给出的染色体编码方案正确，混合遗传算法有效，能解决多周期、多原料的供应链网络成本优化问题。还探讨了需求和距离变化，以及需求随机时对最优成本和最优个体的影响。研究表明，需求变化的影响大于距离变化的影响，需求随机对最优成本和最优个体的影响不大。

针对炼钢连铸生产调度计划的可执行性要求, 考虑到生产中的设备选择及作业时间的不确定性问题, 提出一种利用任务可执行设备的加工权重赋值方法来量化描述现实生产中加工设备间的匹配关系, 并以设备选择优先级策略的形式引入遗传算法的交叉、变异过程, 按照生成可行解、再进行种群优化的分步决策方式形成混合遗传算法. 以某炼钢厂的实际生产调度数据为例进行仿真实验, 其结果表明了所提出算法的有效性.

基于混合遗传聚类的入侵检测算法.pdf

集装箱装载是货物运输过程中重要的一步，其属于NP-hard问题。为了提高效率，降低成本，提出了以集装箱体积利用率最大化为目标建立三维装载模型，同时考虑体积约束、重量约束、重心约束、方向约束。利用混合遗传、模拟退火与三空间分割启发式装载算法求解模型，算法中融入局部最优解保存策略来避免局部较好解在后续的算法过程中出现适应度降低的情况。通过强异类算例与弱异类算例对算法进行性能测试，并结合具体的货物装载数据，得出三维装载图与目标函数值。结果表明，该算法应用于集装箱装载有着较好的效果。

为高效求解多式联运运输方式优化选择问题，提出一种基于Pareto适应度的混合遗传算法，此算法基于Pa reto支配关系和个体像的小生境数进行适应度赋值，引入重插入算子，采用合理的交叉与变异方法，使得经交叉与变异之后的染色体仍然为问题可行解，提高了收敛速度，实证验证了算法的有效性．

0、柔性作业调用问题介绍 调度问题是制造流程规划和管理中最关键的问题之一。 这个领域最困难的问题之一是作业车间调度问题（Job-shop Scheduling Problem, JSP)，该问题中，一组机器需处理一组工件，每个工件由一系列具有先后顺序约束的工序形成，每个工序只需要一台机器，机器一直可用，可以一次处理一个操作而不会中断。决策内容包括如何对机器上的工序进行排序，已优化给定的性能指标。JSP的典型性能指标是完工时间 (makespan)，即完成所有工作所需的时间。JSP是一个众所周知的NP难题。柔性作业车间调度问题（Flexible Job-shop Scheduling Probl

一般TSP问题是单目标的，只追求一个性能指标：所走路径最短。然而对于具体的TSP问题，实际中常常需要考虑：路程最短、时间最少、费用最省、风险最小等等多方面的因素。设计了贪婪的复合变异算子（GCM），引入隔代爬山法算子来提高多目标TSP问题的搜索能力。实验结果表明该算法是有效的。

本资源是Mgasa算法解决TSP问题的Matlab代码，资源中包括mgasa_main(Mgasa算法解决TSP问题代码)，mgasa_fitness(适应度求取函数代码)，mgasa_annealing(Mgasa算法中模拟退火代码)，mgasa_select(遗传算法中选择函数代码)，mgasa_crossover(遗传算法中染色体交叉互换函数代码)，mgasa_mutation(遗传算法中基因突变函数代码)，mgasa_change(Mgasa算法中选择过程代码)。同时代码中有Location矩阵，其中30个坐标作为TSP问题的例子。