非标称对流层误差对地基增强系统完好性的影响

地基增强系统(ground-based augmentation system,GBAS)中,由于不同路径方向区域范围内气象条件(温度、压强、相对湿度等)存在差异,导致系统差分修正误差中包含非标称对流层误差;即非零均值标准正态分布误差。在非标称对流层误差的影响下,机载端垂直保护级(vertical protection level,VPL)增加,系统完好性风险增大以及地面播发信号可用性降低。详细分析了非标称对流层误差对VPL的影响,发现非标称对流层误差与卫星仰角有关;并且跟踪可见卫星数目增多时,系统受非标称对流层误差的影响,VPL值进而增加。为了提高GBAS完好性,提出了一种新的选星算法,降低非标称对流层对VPL的影响,提高系统完好性信号(system in tegrity signal,SIS)可用性。仿真计算GBAS进近服务类型C(GAST C)和GBAS进近服务类型D(GAST D)场景下的VPL,分析改进的选星算法对系统完好性的影响。结果表明,改进的选星算法有效地降低了非标称对流层对GBAS完好性的影响,减小了机载端VPL值,降低了完好性风险,提高了在气象异常条件下GBAS信号的可用性。     

一种优化的细菌觅食算法用以解决全局最优化问题

细菌觅食算法是一种新的智能计算方法,已经被用于解决最优化问题。本文将遗传算法中的交叉,变异操作引入到细菌觅食算法中,加速优化进程,并用于解决函数全局优化问题。先利用测试函数对算法的性能进行了研究,再将该算法对比遗传算法求解测试函数的全局最优值。仿真结果说明,优化后的细菌觅食算法非常有效,能很好解决全局优化问题。     

基于遗传算法的协同优化方法

针对协同优化的系统级优化可行域可能不存在的问题,采用遗传算法,并借鉴逐步增强约束强度的思想,提出了基于遗传算法的协同优化算法.该算法利用各子学科返回的优化值,计算种群中个体的不可行度,根据不可行度和阈值来判定该个体是否为可行解.提出利用循环迭代次数调整阈值的方法,保证了系统级优化向一致性等式约束不满足度减小的方向进行,达到了有效增强子学科间一致性的目的.最后,利用减速器典型算例对该方法进行了验证,结果表明该方法的优化性能良好.     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

求解复杂多目标优化问题MOEA/D-GEP算法

针对复杂多目标优化问题,提出一种基于演化建模的MOEA/D（基于分解的多目标遗传算法）求解算法（MOEA/D-GEP）.该算法利用MOEA/D算法思想分解多目标优化问题,对分解后得到的可行解用基于模拟退火的GEP算法建模,从中选取预测值较好的点进入下一次真实适应值的计算.采用国际公认的ZDT,DTLZ等测试函数进行实验验证,并与MOEA/D-EGO演化多目标优化算法进行了比较.实验结果表明：该算法在IGD性能指标上有较好的表现,说明将演化建模技术引入MOEA/D算法提高了种群个体分布模型的精度,降低了求解复杂多目标优化问题的计算成本.     

三维方形板材切割的聚合启发式混合算法

针对三维方形板材切割问题,提出一种有效的三维切割问题的聚合启发式混合算法（AG_HA）。该算法基于三维装箱的基本块,利用评估规则对可聚合基本块进行局部聚合,然后运用启发式算法得到初始切割方案,最后利用遗传算法对切割方案进行优化。对具有代表性测试数据的计算结果表明,该算法是解决三维方形板材切割问题的一种有效方法,且可与目前经典算法竞争。     

基于遗传算法和BP神经网络的多维客户行为细分模型的研究

根据BP神经网络强处理非线性问题和遗传算法具有全局寻优的特点,总结出用遗传算法优化BP神经网络的初始权值和阈值,建立了基于遗传算法和BP神经网络的多维客户行为细分模型,对客户进行细分,挖掘出潜力客户,有效降低营销成本。最后,利用Matlab对多组数据进行测试,并与纯BP算法进行分析比较,结果表明该方法是有效可行的。     

基于两层混合遗传算法的lT外包进度风险控制

针对IT(information technology)外包项目的两层进度风险控制优化问题,设计了两层混合遗传算法.该算法是在传统遗传算法中引入模拟退火和自适应机制,并结合优化问题的两层特点而设计的,能够克服传统遗传算法易于早熟、局部搜索能力较差的弱点.在算例分析中,首先分析了两层数学模型在IT外包项目进度风险控制中的管理意义,进而将两层混合遗传算法的仿真结果与两层粒子群优化算法和传统遗传算法的仿真结果进行比较,验证了改进算法的效率和有效性.     

基于GAPSO-SVM的航空发动机典型故障诊断

针对遗传算法（GA）和粒子群优化（PSO）算法优化支持向量机（SVM）存在容易陷入局部最优解、诊断精度相对较低、鲁棒性较差的问题,提出了一种结合GA、PSO、模拟退火算法的GAPSO优化算法,利用这种算法对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对航空发动机典型故障的诊断研究表明,该方法不仅能够取得良好的分类效果,诊断精度高于BP神经网络、自组织神经网络、标准SVM、GA-SVM,而且有较好的鲁棒性,更适合在故障诊断中应用.     

基于决策树和遗传算法的模糊分类系统设计

提出一种基于决策树初始化和遗传算法优化的模糊分类系统的设计方法.该方法首先采用分类和递归树(CART)算法进行决策树的生长,树的修剪过程简化了初始决策树;然后,把修剪后的决策树转化为模糊模型,利用匹茨堡型实数编码的遗传算法优化该模糊模型.为了提高模型的解释性,在遗传算法中利用基于相似性的模型简化方法对模型进行约简.最后利用该方法对Iris问题进行研究,仿真结果验证了该方法的有效性.     

一种新量子遗传算法及应用

基于量子位测量的二进制量子遗传算法,在用于连续问题优化时,由于频繁的解码运算,严重降低了优化效率。针对这一问题,提出了一种基于量子位相位编码的量子遗传算法。该方法直接采用量子位的相位对染色体进行编码,采用量子旋转门实现染色体上相位的更新,采用Pauli-Z门实现染色体的变异。在该方法中,由于优化过程统一在空间[0,2π]n进行,而与具体问题无关,因此,对不同尺度空间的优化问题具有良好的适应性。以函数极值优化为例,仿真结果表明该方法的搜索能力和优化效率明显优于普通量子遗传算法和标准遗传算法。     

考虑路径风险的不确定需求应急物流定位-路径问题

针对突发事件发生后路网和救援物资需求的不确定性,考虑路径运行时间超期风险、路网通行能力风险、路径复杂性及应急物资需求不确定性,以应急物资运达总时间最小和系统总成本最小为目标,建立了基于随机机会约束规划的多目标应急物流定位-路径模型,设计了改进的遗传算法对其进行求解,采用罚函数法处理模型中的约束条件.算例分析验证了模型的合理性和算法的可行性.     

基于自适应遗传算法的无人机轨迹优化

针对目前无人机爬升轨迹优化算法存在的收敛速度慢、容易陷入局部最优解等问题,提出了一种基于自适应遗传算法的爬升轨迹优化方法。首先,结合无人机爬升阶段的运动方程和性能指标给出爬升段轨迹的优化模型。其次,为提高染色体的多样性和算法的收敛速度,对自适应遗传算法做了相应改进,使其更适合用于爬升轨迹的优化。最后,根据无人机爬升段轨迹特点,给出具体优化步骤,并对某型无人机爬升段轨迹做了优化仿真验证,结果表明所提出的方法能够在一定程度上节省运营成本。     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

1种基于复合形法的改进遗传算法

提出了1种基于复合形法的改进遗传算法,分析该算法与遗传算法相结合的思想和流程;通过算法测试函数Rosenbrock测试改进的算法;通过与常规算法的对比,验证该传算法的优越性,并将该算法应用到一种间歇反应器的温度优化问题中.该算法可为常规的单目标或多目标优化问题提供借鉴.     

基于生物遗传模型的微电网电流保护整定方法

传统微电网电流保护整定方法存在失效率高的问题,因此,提出一种基于生物遗传模型的微电网电流保护整定方法,介绍了微电网电流保护装置硬件结构,分析了测频电路和A/D转换电路。通过演化算法对微电网电流保护进行整定,依据"自然选择"构建"生物遗传"模型对微电网电流进行整定优化,在微电网电流短路故障中,利用电力系统的模型反馈设定初始值,经"自然选择"将初始值进化成最优值。给出演化计算在电流短路故障中的参数优化模型。实验结果表明,采用本文方法对微电网电流保护整定优化后,微电网失效率降低,可靠性增强。     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.