基于改进式遗传算法的多目标多约束问题求解

来源 :复旦大学 | 被引量 : 0次 | 上传用户:wangming2106
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
多目标、多约束规划问题一直是最优化研究领域中的难题。由于在求解、优化过程中,必须同时考虑资源约束,使问题的复杂性大大增加。  此类问题在现实中具有较多的应用场景,例如各类排班问题。而求解的最终目的是为了提高实际应用场景中的生产效率。  本文以模拟机复训问题作为研究对象,考虑模拟机复训计划安排中的各种约束条件,建立一个描述该问题的模型,进而找出有效的求解方法。我们以标准遗传算法框架为基础,对其中的适应度函数以及部分遗传操作进行改进,使之适应该问题的需要。  本文的主要研究成果有:  对模拟机复训问题进行了深入分析,根据该问题的需求整理出了最终的排班规则,并建立了一个较为通用的模型描述此类问题,以便于遗传算法的求解。  提出了基因适应度的概念,并设计了相应的适应度函数,用于评价个体中各个基因片段对约束规则的适应性。  在基因适应度的基础上,改进了遗传算法中的选择和交叉操作。通过基因适应度的挑选优秀基因,然后通过主动交叉的方式在进化过程中保留这些基因,从而提升种群的进化性能。  实验结果显示,本文所提出的改进式遗传算法无论是在仿真数据集上还是在实际应用中都能有效地逼近最优解,并且在异常点较多的数据集上体现出较强的鲁棒性。
其他文献
随着电子商务的普及与繁荣,针对电子商务的检索技术开始被越来越多的研究者所关注,其中,作为电子商务检索技术的核心问题之一的产品名实体识别技术也成为了一个重要的研究课
随着Internet和WWW网络的广泛普及,信息以网页为载体,传递速度飞速提升,通过Web获取信息购买产品已成为时代主流。然而网络上的各种信息资源以爆炸式的速度增长着,信息过载使
计算机系统所支持的内存容量不断增加,而内存价格却不断走低,这让内存数据库系统得到了很好的发展时机,它将所有的数据存储于内存中,以此来消除磁盘读写瓶颈。然而在大数据时
无论是在国家重要部门,各个关键领域还是在人们的生活,工作,娱乐中,视频监控都扮演者十分重要的角色,为国家和人民的财产提供了强有力的保障。高清化,智能化,实时性一直是视
寻径技术一直是人工智能中比较重要的研究内容,广泛应用于游戏、虚拟现实、导航、机器人等领域。随着计算机图形学技术的发展,场景的立体化、复杂化,三维场景的寻径得到了越
随着科技的发展,数据采集和存储技术大大提高,各领域都积累了大量的数据,但是现在分析数据,获取知识和规律的能力远远达不到人们日益增长的对数据中潜在信息的要求,为此,数据
无线传感器网络的迅速发展使得它在环境监测、民用、军事等领域都有广泛的应用,在这些应用场景中,部署在目标区域内的传感器节点周期性地将周围环境状态传送给汇聚节点,当目标区
河流相储层是我国已发现油田主要的储层类型,也是我国油气最富集的储油层。河流相储层的原油地质储量占我国已开发油田地质储量46.2%。因此应用随机游走方法对河流相储层进行
稀疏学习是一个横跨机器学习、统计估计、信号处理等多个领域的关键技术,其在模型选择、稀疏编码、压缩感知等重要问题中发挥着关键的作用。目前,稀疏学习以基于凸优化模型的方
多维分析是数据仓库及联机分析处理中最主要的数据处理技术。传统的多维分析是维值为确定的一种分析方法。在实际分析过程中,由于环境的复杂不确定,分析人员常常提出一些维值