A competitive genetic algorithm for resource-constrained project scheduling

In this paper we consider the resource-constrained project scheduling problem (RCPSP) with makespan minimization as objective. We propose a new genetic algorithm approach to solve this problem. Subsequently, we compare it to two genetic algorithm concepts from the literature. While our approach makes use of a permutation based genetic encoding that contains problem-specific knowledge, the other two procedures employ a priority value based and a priority rule based representation, respectively. Then we present the results of our thorough computational study for which standard sets of project instances have been used. The outcome reveals that our procedure is the most promising genetic algorithm to solve the RCPSP. Finally, we show that our genetic algorithm yields better results than several heuristic procedures presented in the literature. © 1998 John Wiley & Sons, Inc. Naval Research Logistics 45: 733–750, 1998     

采用遗传算法的电控增压器电磁阀优化设计

运用Ansoft Maxwell软件建立电磁阀的动态响应特性仿真模型,并通过试验验证模型的准确性。利用模型集成ISIGHT软件的方法,对影响电磁阀动态响应特性的参数进行灵敏度分析,得出各个参数对动态响应特性的Pareto图。基于遗传算法对电磁阀进行多参数优化设计,获取最佳参数组合,并利用电磁阀动态响应特性试验台架,开展参数优化前后电磁阀动态响应特性的对比试验研究。试验结果表明：相比于原参数方案,参数优化后的电磁阀动态响应特性得到大幅度提升,其开启响应时间缩短了59.1%,关闭响应时间缩短了47.2%。     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

基于遗传算法思想的现行Cernet拓扑结构优化

把Cemet骨干网拓扑结构作为研究对象,并以实现具有QoS保证的IP隧道机制为目的,对该拓扑结构通过引用遗传算法进行了分析,找出了网状型骨干网拓扑结构和星型拓扑结构各自不能建立起IP隧道传输机制的主要原因.通过分析比较,汲取了两种拓扑结构各自的优点,提出了一种以星型为主、网状型为辅,两种拓扑结构相结合的拓扑结构,该拓扑结构较好解决了广域骨干网建立IP隧道传输机制的需要.在此基础上,由遗传算法优化出了一种基于QoS保证的新广域骨干网拓扑结构.最后,对该拓扑结构进行了仿真实验.仿真实验证明,该拓扑是一种优化的结构.     

基于遗传算法的嵌入式软件测试用例生成系统研究

综合考虑了嵌入式软件的特点,将遗传算法应用于搜索全面覆盖软件特殊路径的测试用例生成的问题,合理构建了嵌入式软件测试用例自动生成系统,给出了系统流程图,改进了部分算子,使搜索效果得以加强,并分析了交叉率、变异率等参数的取值范围,通过改变不同的参数值得到对比图,以确定适合该系统的最佳参数值,并针对实际汇编语言编写的嵌入式软件指定路径进行仿真测试,从理论和实践上证明了该思路的正确性和可行性。     

系统标定的一种新方法

以2008年高教社杯全国大学生数学建模竞赛的A题为研究背景,设计了利用数码相机进行系统标定的一种新方法,建立了相应的数学模型,并设计遗传算法实现了模型的快速求解,算例表明了模型及算法的有效性。     

基于遗传算法的湿陷性黄土地基灰土挤密桩优化设计

利用Visual C＋＋语言,定义了一个面向对象的基于实数编码遗传算法类。运用可最大限度保证遗传算法搜索到问题的全局最优解的深度搜索策略,编制了灰土挤密桩的优化设计和造价估算遗传算法程序,并针对兰州某地灰土挤密桩复合地基进行了计算分析,并与原有方案比较,结果表明：两种优化方案在满足承载力和变形的条件下,在降低造价成本方面优势非常明显。     

基于遗传算法的结构测试数据自动生成

生成测试数据是软件测试的主要过程,将遗传算法引入到测试数据的自动生成中,重点介绍其生成过程,并对遗传操作进行改进,在一定程度上降低算法的过早收敛性.最后构建出基于遗传算法的测试数据生成模型.并用实例证明算法的高效性.     

基于遗传BP神经网络的装备研制风险分析方法

简要介绍了GA和BP算法,利用遗传算法全局性搜索的特点,改变BP算法依赖梯度信息的指导来调整网络权值的方法,寻找最为合适的网络连接权和网络结构,提出了遗传算法优化BP神经网络的思路及其数学模型.最后,结合对某型航空装备的风险源的分析,利用此优化模型进行了验证.结果表明了该方法的可行性,为装备研制风险分析提供了一种新思路.     

基于混合遗传算法优化的制导炸弹BP网络PID控制器

经典的PID控制方法虽然其物理意义明确、参数调整简便,但是面对现代的过程控制对象所具有的非线性、时变和多种不确定干扰等特性,使得基于精确线性数学模型的设计思路很难直接获得满意的动静态控制效果.在BP神经网络控制的基础上,采用混合遗传算法优化BP反向传播权系数值,推导了算法过程,设计了基于混合遗传算法优化的制导炸弹BP网络PID控制器.最后,以某制导炸弹纵向通道设计为例,仿真结果表明控制器能使得制导炸弹准确命中目标,并且具有较好的鲁棒性能.