本发明涉及一种基于自适应精英遗传算法的两栖车辆布列优化方法。本发明包括：获取两栖车辆及布列空间尺寸；明确两栖车辆布列约束条件；确定两栖车辆布列目标函数；设定自适应精英遗传算法初始参数；随机产生第一代两栖车辆布列种群编码；解算当代个体适应度，保存最优个体作为精英个体；判断是否达到最大迭代次数或平均适应度达到预期值；所有个体与最差个体适应度的差作为所有个体新适应度；进行遗传选择、交叉和变异，产生新一代种群；精英个体替换新一代种群最差个体；对最后一代种群中的最优个体进行解码，得到车辆布列的最优顺序；利用最低水平线定位算法确定两栖车辆布列位置。

此发明的优点在于：第一点，传统遗传算法的计算时间长，收敛速度慢，在迭代过程中有可能产生退化，即子代的平均适应度比父代低的现象。自适应精英遗传算法引入精英策略改善以上问题。对于大小为n的种群，在选择操作之前保存最优秀个体(精英个体)。在每次遗传操作完成后，将最差个体替换为当前精英个体。保证每一代的最优秀个体直接进入下一代，并且不受遗传操作影响。精英策略可以加快遗传算法的收敛速度，减弱迭代过程中的种群退化现象。第二点，传统遗传算法是根据适应度大小选择优秀个体，随着迭代次数增加，个体适应度差值很小，减小了优秀个体的优势，最终导致解的优秀程度降低。为了解决以上问题，在选择操作之前，利用所有个体的适应度与最小适应度的差值代替原适应度。对于每一代种群，选择操作的依据是当前的新环境，有效避免多次迭代后优秀个体的竞争力减弱的情况。传统的自适应遗传算法是通过改变交叉概率和变异，使得算法更加适应于当前生存环境。所提的自适应策略是通过自适应改变每个个体被选择的概率，即调节生存环境，使其更适合于优秀个体生存，从而提高优秀个体竞争力。同传统的自适应遗传算法相比，所提自适应遗传算法的运算过程简单，不需要求解复杂的

两栖作战是通过水面舰艇将己方的陆军和空军力量投放至敌对的海岸或者指定的海滩。在非战斗装载模式下，“黄蜂级”两栖攻击舰执行任务时，其装载目标是最大化车辆舱甲板面积利用率。

两栖攻击舰的车辆布列问题的本质是矩形二维排样，属于组合优化问题的一种。布列目的是在有限空间内求解最优排列方式，通常利用智能算法求解近似最优解。随着优化算法的发展，算法的速度和精度等性能得到了很大的提升。将新的优化算法应用于二维排样问题是现今研究的热点。***提出了基于变领域的搜索算法，解决不规则座椅零件在未加工的皮料内最佳的布局问题。

但是，传统遗传算法的解算时间长，收敛速度慢，有可能产生退化。遗传算法是根据适应度大小对当前个体进行选择，随着算法迭代次数的增加，当前代种群中个体适应度的差值会很小，较为优秀的个体在选择过程中不会占据很大的优势，最终导致解的优秀程度较低。为此，本发明的目的在于提出基于自适应精英遗传算法的两栖车辆布列优化方法。

此技术为哈尔滨理工大学栾添添研发，承担本专科及研究生层次普通高等学历教育工作承担科学技术研究工作

与现有技术相比，此技术产生的效益：第一点，传统遗传算法的计算时间长，收敛速度慢，在迭代过程中有可能产生退化，即子代的平均适应度比父代低的现象。自适应精英遗传算法引入精英策略改善以上问题。对于大小为n的种群，在选择操作之前保存最优秀个体(精英个体)。在每次遗传操作完成后，将最差个体替换为当前精英个体。保证每一代的最优秀个体直接进入下一代，并且不受遗传操作影响。精英策略可以加快遗传算法的收敛速度，减弱迭代过程中的种群退化现象。第二点，传统遗传算法是根据适应度大小选择优秀个体，随着迭代次数增加，个体适应度差值很小，减小了优秀个体的优势，最终导致解的优秀程度降低。为了解决以上问题，在选择操作之前，利用所有个体的适应度与最小适应度的差值代替原适应度。对于每一代种群，选择操作的依据是当前的新环境，有效避免多次迭代后优秀个体的竞争力减弱的情况。传统的自适应遗传算法是通过改变交叉概率和变异，使得算法更加适应于当前生存环境。所提的自适应策略是通过自适应改变每个个体被选择的概率，即调节生存环境，使其更适合于优秀个体生存，从而提高优秀个体竞争力。同传统的自适应遗传算法相比，所提自适应遗传算法的运算过程简单，不需要求解复杂的函数，可以显著减少计算量，从而提高算法计算效率。本发明通过仿真实验验证了自适应精英遗传布列优化算法有效性。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地保定，希望具备此项技术研发的技术方，能够尽快承接此项目。