排序方式： 共有12条查询结果，搜索用时 296 毫秒
1.
2.
根据多维0/1背包问题的特点,结合遗传算法和模拟退火算法的优点,设计了一种Memetic算法。该算法以基于模式替换的改进遗传算法作为全局搜素算法,采用模拟退火算法进行局部搜索。全局搜索算法引入了模式替换,使每代种群中的最好基因个体保存下来形成模式,引导种群搜索方向,提高搜索性能,然后进行选择、均匀交叉和变异操作,最后采用最大化修复策略,对不可行解进行修复,并对可行解进行修正。模拟退火算法以一定概率接受较差的解,从而避免陷入局部最优解。通过实验仿真和算法比较验证了Memetic算法的优越性和有效性。 相似文献
3.
针对物流配送过程中带容量约束的动态车辆调度问题,提出一种Memetic算法,旨在最小化成本。Memetic算法中采用量子与遗传算法混合进行全局搜索,并根据搜索点目标函数变化率,设计了一种自适应量子旋转门更新方式,通过子代种群适应度变化确定量子旋转角大小与方向,明确了种群进化方向,扩展了全局搜索范围,引入了一种变异操作,使算法种群多样性得以保持,提高全局搜索宽度,采用2-opt法结合swap法增强算法局部搜索能力。仿真实验验证了所提算法的有效性与优越性。 相似文献
4.
5.
6.
7.
8.
9.
车辆路径问题属于离散NP-hard组合优化问题,传统的量子遗传算法存在储存量大和易陷入局部最优解等问题。提出一种新的量子遗传算法用于最小化运输成本。设计一种将量子比特编码转换为实数的编码方法,每条染色体代表一种行车路线方案,利用改进的旋转门对种群进行更新操作,采用动态调整旋转角机制对量子步长实现自适应搜索,扩大全局搜索范围|引入一种变异操作,用于保持算法的种群多样性,从而提高算法的全局搜索宽度|采用客户节点重置和2 opt法对〖JP3〗线路进行再优化,增强算法的局部搜索能力。仿真实验和算法比较,验证了该算法的优越性和有效性。 相似文献
10.
多重二次背包问题,旨在将具有单独价值与协作价值的对象分配到一组容量有限的背包中,使总利润最大化,是一种具有广泛应用的NP难组合优化问题。针对该问题提出一种引入自适应模式替换和贪心算法思想的改进遗传算法（IGA）。首先对初始种群进行自适应模式替换,使每代种群中的最好基因个体保存下来形成模式,替换原种群中质量较差的个体,通过设计贪婪算子改进贪心思想对问题进行排序,然后进行扰动交叉操作和双重选择变异操作,最后采用最大化修复策略以保证解的可行性。标准算例仿真结果表明,相比传统算法,IGA具有较强的寻优能力。 相似文献