分析生产车间的实际生产状况，建立了考虑工件移动时间的柔性作业车间调度问题模型。
该模型考虑了以往柔性作业车间调度问题模型所没有考虑的工件在加工机器间的移动时间，使柔性作业车间调度问题更贴近实际生产，让调度理论更具现实性。
通过对已有的改进遗传算法的遗传操作进行重构，设计出有效求解考虑工件移动时间的柔性作业车间调度问题的改进遗传算法。
最初对实际案例进行求解，得到调度甘特图和析取图，通过对甘特图和析取图的分析验证了所建考虑工件移动时间的柔性作业车间调度问题模型的可行性和有效性。
该模型考虑了以往柔性作业车间调度问题模型所没有考虑的工件在加工机器间的移动时间，使柔性作业车间调度问题更贴近实际生产，让调度理论更具现实性。
通过对已有的改进遗传算法的遗传操作进行重构，设计出有效求解考虑工件移动时间的柔性作业车间调度问题的改进遗传算法。
最初对实际案例进行求解，得到调度甘特图和析取图，通过对甘特图和析取图的分析验证了所建考虑工件移动时间的柔性作业车间调度问题模型的可行性和有效性。
2022/9/3 14:09:20
1.13MB
1
用python语言，通过遗传算法，处理八皇后问题，，遗传算法（Geneticalgorithm）属于演化计算(evolutionarycomputing)，是随着人工智能领域发展而来的一种智能算法。
正如它的名字所示，遗传算法是受达尔文进化论启发。
简单来说，它是一种通过模拟自然进化过程搜索最优解的方法
正如它的名字所示，遗传算法是受达尔文进化论启发。
简单来说，它是一种通过模拟自然进化过程搜索最优解的方法
2022/9/3 5:58:37
4KB
1
遗传算法，处理该问题有32件物品，物品属性包括：价值、体积、重量三个，现有容器一个，其最大容积：75，最大允许重量：80。
要求将物品装入容器，并保证价值最大化。
要求将物品装入容器，并保证价值最大化。
2022/9/3 4:58:08
843KB
1
遗传算法首先会采用一种编码方式将解空间映射到一个编码空间,每一个编码对应问题的一个解,称之为个体或者染色体,然后再随机生成确定起始的一群个体,称之为种群。
在后续迭代的过程中,按照适者生存不适者淘汰的原理,根据适应度大小选择个体,并且借助各种不同的遗传算子对个体进行交叉和变异,生成一个代表新的解集的种群,这个种群会比前一代愈加适应环境,如此一直进化下去直到到达优化准则。
这个时候的末代个体,经过解码,得到的解可近似的作为问题的最优解。
在后续迭代的过程中,按照适者生存不适者淘汰的原理,根据适应度大小选择个体,并且借助各种不同的遗传算子对个体进行交叉和变异,生成一个代表新的解集的种群,这个种群会比前一代愈加适应环境,如此一直进化下去直到到达优化准则。
这个时候的末代个体,经过解码,得到的解可近似的作为问题的最优解。
2022/9/3 0:55:55
1KB
1
:受烟花爆炸现象的启发并结合遗传算法思想提出一种新的优化算法———带有遗传算子的烟花爆炸优化算法(GAFEO)。
该算法主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索,引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化功能。
通过实验对12个常用高维测试函数进行优化计算,结果表明,与PSO算法以及其他新型算法相比,GAFEO算法在寻优能力、寻优精度等方面都具有较好的功能。
该算法主要模拟烟花爆炸的方式对解空间进行基本的并行弥漫式爆炸搜索,引入自适应局部搜索策略和遗传算法中的交叉变异策略以改善算法的优化功能。
通过实验对12个常用高维测试函数进行优化计算,结果表明,与PSO算法以及其他新型算法相比,GAFEO算法在寻优能力、寻优精度等方面都具有较好的功能。
2022/9/2 23:55:19
163KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB