基于遗传算法的震后恢复资金分配优化设计

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (21): 199-201.

基于遗传算法的震后恢复资金分配优化设计

王威¹，韩阳²，苏经宇¹，赵月平²

1.北京工业大学抗震减灾研究所，北京 100022
2.河南工业大学防灾减灾工程研究所，郑州 450052

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-21 发布日期:2007-07-21
通讯作者: 王威

Optimum design of distributing the post-earthquake restoration capital based on Genetic Algorithm

WANG Wei¹，HAN Yang²，SU Jing-yu¹，ZHAO Yue-ping²

1.Institute of Earthquake Resistance and Disaster Peduction，Beijing University of Technology，Beijing 100022，China
2.Institute of Engineering Disaster Prevention and Mitigation，Henan University of Technology，Zhengzhou 450052，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-21 Published:2007-07-21
Contact: WANG Wei

摘要/Abstract

摘要： 针对震后恢复资金分配的优化设计，介绍了动态规划法在以经济效益为目标建立非线性规划的数学模型，探讨用Matlab语言实现该模型，通过遗传算法工具箱（GAOT）的程序求解。通过编程，对实例的优化过程表明：在动态规化法思想的基础上，利用Matlab遗传算法工具箱辅助计算和设计，可使得震后恢复资金分配的优化设计简捷方便，具有工程实用价值。

关键词: 遗传算法, 震后恢复资金, 动态规划法, 优化设计

Abstract: According to the max optimization design of distributing the post-earthquake restoration capital，the dynamic planning method is recommended to establish an optimal nonlinear mathematic model taking the economic benefit as an objective function.And the max optimization design of distributing the post-earthquake restoration capital is implemented with an application of Matlab language by calling its genetic algorithm toolbox.The max optimization design example of distributing the post－earthquake restoration capital show that the applications of GAOT make the optimization calculate and design simple and convenient based on the dynamic planning method.It is practicable in engineering.

Key words: genetic algorithm, post-earthquake restoration capital, dynamic planning method, optimum design

王威¹，韩阳²，苏经宇¹，赵月平². 基于遗传算法的震后恢复资金分配优化设计[J]. 计算机工程与应用, 2007, 43(21): 199-201.

WANG Wei¹，HAN Yang²，SU Jing-yu¹，ZHAO Yue-ping². Optimum design of distributing the post-earthquake restoration capital based on Genetic Algorithm[J]. Computer Engineering and Applications, 2007, 43(21): 199-201.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[10]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[11]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[12]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.