文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 农林牧渔 > 基于小生境遗传模拟退火算法的不规则件优化排样
侵权投诉

基于小生境遗传模拟退火算法的不规则件优化排样

基于小生境遗传模拟退火算法的不规则件优化排样

各零件面积为Si,且Si≤SE,计算S=min(SE - Si),S所对应的零件即为填充的零件。空白区域填充[6]如图2所示。

3 算法描述

3.1 GASA混合优化策略

遗传模拟退火算法是将遗传算法与模拟退火算法相结合而构成的一种优化算法,引入了局部搜索过程;以遗传算法运算流程为主体流程,将模拟退火机制融入其中,进一步调整优化群体。整个算法的执行过程由两部分组成:首先通过遗传算法部分的进化操作(侧重全局搜索)产生较优良的一个群体,再利用模拟退火算法部分的退火操作(侧重局部搜索)来进行基因个体的优化调整,运行过程反复迭代,直到满足终止条件为止。这种算法思想策略,从对全局最优解的搜索角度和算法的进化速度上来提高模拟退火遗传算法的性能。

3.2 小生境技术

在生物学中,把某种特定环境及其在此环境中生存的组织称为小生境(niche) [7],而把有共同特性的一些组织称作物种。基本遗传算法在进行个体交配时采用的是随机方式,这增强了对问题解空间的搜索能力,但也带来了交配的有效性以及优化效率不太理想等问题。为解决这些问题,在基本遗传算法中引入小生境技术。其不仅能够有效地保证群体中解的多样性,而且在问题求解的收敛速度、计算精度、全局搜索能力等方面表现出明显的效果,是一种较有效的方法。

3.3 NGSA混合优化策略

NGSA算法应用于不规则件的求解

过程可描述为:

(1) 设置进化代数计数器t = 1,随机产生含M个个体的初始种群P0(t),同

时求出各个体的适应度Fi(i = 1,2…,M); (2) 对种群P0(t)中的个体按其适应

度大小降序排列,记录前N个个体(N<M)为较好群体P1(t),以免部分适应度高的

个体在遗传操作中被淘汰掉; (3) 采用遗传算法进行选择、交叉、

变异等操作,生成群体P2(t);

① 对种群P0(t)进行预选择操作,得种群Pop1(t),选择操作时,先进行赌盘

选择,再采用精英选择。

② 采用单点交叉算子对种群Pop1 (t)进行交叉操作,得种群Pop2 (t);

③ 采用均匀变异算子对种群Pop2

(t)进行变异操作,得到种群P2(t);

(4) 以P2(t)为初始种群,对其中各

个体进行模拟退火运算,得到新的规模为M的群体P3(t);

(5) 将P1(t)、P2(t)、P3(t)合并构成一个规模为N + M×2的新群体P4(t),采用小生境技术进行淘汰,两两比较各个体间的海明距离,若两者间的海明距离在预先指定的数值之内,对适应度较低的个体施加一个较强的罚函数,极大地降低其适应度,即增加其被淘汰的概率;

(6) 对P4(t)进行评价,取出其中较好的前M个个体构成P0(t),降低退火温度,转步骤(2),循环

基于小生境遗传模拟退火算法的不规则件优化排样

上一页第3页

你可能喜欢

  • 下料问题
  • 遗传算法应用
  • BP神经网络算法
  • 遗传算法matlab
  • 支持向量机算法
  • 遗传退火算法
  • 遗传算法实例

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email