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.

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。

整数规划问题是NP困难问题，在决策变量和约束条件很多时，用常规的求解法效率很低。针对遗传算法存在的缺陷，提出了遗传算法和混沌的结合。在此基础上，设计了用于求解整数规划的混合遗传算法，算例表明，此算法能大幅提高计算效率。

通过引入与进化代数相关的交叉概率和与个体适应度相关的变异概率的自适应遗传算子同时把Powell局部寻优算法融入遗传算法的搜索过程构成了一种数值函数全局寻优的混合遗传算法。实验表明混合遗传算法改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率。同时由于混合遗传算法中只利用函数值信息,所以该混合遗传算法是纯数值函数的优化的一种通用方法。

随机需求车辆路径问题的混合遗传算法研究_韩娟娟.caj

在配送系统中，配送中心选址问题与在此基础上的车辆路径问题相互影响，属于NP-hard难题，为有效解决定位-车辆路径问题（LRP），文中提出的两阶段算法设计结合了聚类算法和混合遗传是算法，针对实际情况在遗传算法中加入爬山算法，同时采用改进的自适应交叉、变异算法，确保种群的最优个体参与进化，提高了遗传算法的局部搜索能力。仿真实验表明，所改进的混合遗传算法有较好高的全局寻优能力，且其收敛速度快，是解决配送路径优化问题的有效方法。

针对常规遗传算法会出现早熟现象、局部寻优能力较差等不足，在遗传算法运行中融入模拟退火算法算子，实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的结合。经验证，该混合算法可以显著提高遗传算法的运行效率和优化性能。