基于改进式遗传算法的多目标多约束问题求解-计算机软件与理论专业论文.docxVIP

摘要摘 摘要 摘 要 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： 令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。 令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。 关键词：遗传算法，排班问题，交叉策略，适应度函数，进化 中图分类号：TP39 AbstractAbstract Abstract Abstract Multi-objective，multi-constrained problem has been a difficult optimization problem．The complexity of the problem is greatly increased because we should consider the resource constraints while solving those problems． We can see many application scenarios based on this problem，such as various types of scheduling problems．Our goal is to find a solution which Call improve the production efficiency in those problems． In this paper，we take the simulator scheduling problem as our research object． After considering the constraints，we build a model that describes the problem to find a more efficient solution．Based on the framework of standard genetic algorithm，we improve the fitness function and genetic operation to meet the needs of this problem． The contributions of our work include the following： 夺We make deep analysis of the simulator scheduling problem．According to the needs of the problem，we sorted out the final scheduling rules and establish a general model to describe such problems in order to facilitate the solution of genetic algorithm． 夺We put forward the concept of gene fitness and a related fitness function relies on it，to evaluate the adaptability of each gene fragment． 夺The new reproduction and crossover operator,which are improved by the gene fitness，will find and store good genes actively．Those operator effectively increase the evolution performance of the pop