港口吞吐量的马氏链 时序分析预测

通过比较分析时间序列分析（TSA）和马尔科夫链预测方法,研究港口吞吐量科学预测的新方法.组合温州港近20多年的历史吞吐量数据,分别采用TSA和马尔科夫链进行预测.将TSA与马尔科夫链校正模型相结合,进行港口吞吐量预测.结果表明,上述复合模型较之TSA模型平均预测精度提高50%,较之单一的马尔科夫链平均预测精度提高75%.根据吞吐量实际数据的验证结果,建立马氏链-时序分析预测模型.结果表明,该模型能够同时反映吞吐量序列的增长趋势和随机波动性,更符合港口吞吐量的实际变化情况.     

基于改进遗传算法的移动机械臂拣选路径优化

传统移动机械臂路径规划算法没有根据抓取点分布情况对工位点坐标进行优化,效率低,对此,提出了一种基于改进遗传算法的移动机械臂拣选路径优化方法.通过对拣选物品位置的分析,建立单个工位点上移动机械臂分拣路径模型和多工位点的旅行商（TSP）问题模型,运用改进的遗传算法,在工作空间内对各个工位点的位置坐标寻优,规划出移动机械臂抓取的最短路径和多工位点间移动的最短路径.实验结果表明,与传统遗传算法可能,运用改进的等级进化选择算子和最优近邻交叉算子,遗传算法的收敛速度提高了46.15%,路径缩短了45.99%,系统运行时间减少了25.80%,提高了系统效率.     

基于多目标遗传算法的模拟电路进化设计方法

提出一种面向电路进化设计的多目标自适应遗传算法,利用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,利用基于元件标称值的网表形式高效编码方案来支持电路结构自动生成和提高设计结果的实用性,利用基于均匀设计的多个体交叉算子来提高交叉操作的效率和采样均匀性,利用跟随遗传进程并区别不同基因位的遗传概率调整策略来提高进化效率和全局收敛率．实验结果表明,该方法可用较小的运算量获得符合设计目标的多种设计结果．     

基于遗传算法的移动机器人路径规划及人机协同控制研究

在分析传统遗传算法在路径寻优时易过早出现"最优解"及易陷入局部最优等不足,本文提出了一种改进的遗传算法.在生成初始种群时,产生可行且较优的父代,同时为了减小传统遗传算法在随机交叉和变异时引起的不稳定性,设计自适应交叉、变异概率,以提升算法效率,然后引入灾变算子防止算法陷入局部最优,过早得到"最优解".最后设计了移动机器...     

基于BP神经网络马尔科夫模型的径流量预测

讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性.     

基于遗传算法的锅炉对流受热面优化设计

为优化结构以降低锅炉制造成本,建立以关键结构参数作为决策变量的锅炉对流受热面优化设计模型.提出采用遗传算法进行锅炉对流受热面优化设计的方法,实现完成既定传热任务而减小传热面积的优化目标.选择整数编码形式,并引进变量约束条件、显式函数约束条件和隐式函数约束条件来控制对流受热面结构参数并保证性能指标.利用锅炉设计案例库,采用案例检索与随机生成相结合的方法产生设计方案的初始群体,有效结合设计经验与遗传算法的搜索功能.采用均匀交叉与算术交叉相结合的交叉操作,以及均匀变异产生新个体.采用比例选择与精英保存结合法促进遗传算法向全局最优方向发展.计算结果表明：该方法适用于锅炉对流受热面结构优化设计,能够有效提高设计质量.     

基于混合免疫协同进化算法的模糊-PI优化控制

针对遗传算法诸如局部搜索能力差、早熟收敛、“退化”现象等问题，在协同进化算法(CA)的基础上融入传统的单纯形算法，同时引入免疫算子来防止“退化”现象，提出了混合免疫协同进化算法(HICA)，并设计了一种自适应交叉、变异算子以提高算法的运算效率；应用HICA对模糊 PI控制器的各个参数进行协同优化，设计了体现控制器综合性能指标的目标函数，仿真结果表明：提出的基于HICA模糊 PI控制优化方法可以获得满意的控制效果.     

天线辅助设计IGA方法

为了高效设计高性能的天线,将免疫遗传算法引入天线辅助设计领域.在传统遗传算法的基础上增加抗原识别、记忆功能和浓度调节,同时引入一种新型的混合编码技术简化天线结构描述及交叉、变异等遗传操作,实现天线结构的快速优化设计.仿真结果表明,相比传统遗传算法,在天线结构设计中应用免疫遗传算法,迭代次数明显减少,收敛速度提高50%～60%,算法执行效率显著提高,在频率为8.47GHz时设计所得天线的最大平均增益和最小平均增益分别提高119.91%和258.89%,性能优异.免疫遗传算法克服了遗传算法由于交叉搜索而在局部搜索解空间时效率较差的缺点,有效地避免了未成熟收敛的问题,收敛稳定且速度明显加快,体现了免疫遗传算法在天线辅助设计中的优异性和高效性.     

遗传算法应用于系统在线辨识研究

研究了遗传算法在系统辨训识的应用,根据系统辨识自身的特点,设计了自适应选取遗传算法适值函数的方法,该方法的计算量要比排序选择操作的计算量小得多,在种群进化中采用自适应交叉、变异概率,以此对一差分方程描述的系统进行参数在线辨识。领导结果说明了该策略能够有效地避免算法非成熟收敛。     

柔性车间调度的改进遗传算法

针对柔性车间调度提出改进遗传算法,采用机器分配链和工序顺序链的双链结构编码;对机器分配链设计基于拟水平均匀设计的初始化方法,对相应的工序顺序链采用剩余时间最短的启发式初始化方法;采用新生策略改进新一代种群的生成;有针对性地对个体的瓶颈工序进行交叉操作;基于极限最优适应度值和当前最优适应度值对种群个体选择性解码.针对常用的典型算例进行多方面的实验计算,并对实验结果进行对比分析,验证了改进遗传算法的有效性.     

并联混合动力汽车的换档规律

根据并联混合动力汽车的特点,提出了以保证车辆动力性为前提的混合动力汽车最佳经济性三参数换档规律。升档规律和驱动模式的降档规律采用发动机转矩、电机转矩和车速作为换档参数。制动模式的降档规律采用电机制动转矩、机械制动转矩和车速作为换档参数。计算表明,与原有的沿袭传统汽车的两参数换档规律相比,混合动力汽车最佳经济性三参数换档规律在驱动模式下可以降低油耗,在制动模式下可以显著增加制动能量回收的比例。     

基于遗传算法的MIMO雷达离散频率编码波形设计

针对MIMO雷达体制的离散频率编码波形设计问题，给出了一种采用遗传算法对频率编码序列的选取进行优化组合的方法．首先对波形设计的代价函数进行了改进，然后针对离散频率编码的特点，对遗传算法的选择、交叉、变异算子进行了设计，最后对设计结果进行了分析．结果表明，该方法要优于模拟退火算法．     

纯电动轿车传动系统匹配仿真与优化研究

纯电动轿车传动系统参数的合理匹配和优化设计对提高其动力性能和续航里程至关重要。以某款直接挡微型纯电动轿车为研究对象,根据其动力性能和续航要求,对动力传动系统的关键部件进行初步的设计匹配;用ADVISOR建立更适应微型纯电动轿车行驶道路情况的组合工况,在该组合工况下对车辆的动力性和续航里程进行仿真;在50 km/h的等速工况下对其续航里程进行仿真;为了提高续航里程,利用遗传算法对传动系传动比进行优化。仿真结果表明,优化后车辆的续航里程得到了明显提升,动力性也满足整车性能的要求。     

佛山市机动车交通特征研究

采用GPS车载测试系统和视频采集技术对佛山市城区和郊区的交通流量与行驶工况进行了测试.基于测试数据,对佛山市的交通特征、城区不同道路类型的机动车行驶特征进行了深入分析,采用特征参数法合成佛山市城区和郊区高速的行驶工况,并与欧洲标准工况进行了对比.结果表明：佛山市城区主干路、次干路和居民路平均每小时的车流量分别为3 667辆、2 418辆和822辆;郊区高速、国道和省道平均每小时的车流量分别为1 192辆3、024辆和1 583辆.城区机动车平均速度为20.54 km/h.佛山实际工况平均速度、加／减速度与NEDC相差17.26%~55.91%.     

高等级公路纵坡的坡度、坡长限制分析

以我国高等级公路上行驶的典型车型(EQ140)为研究对象,分析高等级公路纵坡的坡度、坡长限制问题．利用汽车行驶理论,依据车辆在公路上的理想行车车速、最低容许车速,得出高等级公路理想的纵坡、不限坡长的最大纵坡和车辆在各种坡度坡道上行驶的减速距离．以这些分析结果为基础,与我国现行公路路线设计规范进行对比分析,并参考美国、日本的公路路线设计标准,提出了我国高等级公路的坡长限制值、公路的最大坡度值,同时给出了陡坡上设置爬坡车道的坡度值参考指标,以供设计人员在公路设计时参考．     

An adaptive genetic algorithm with diversity-guided mutation and its global convergence property

An adaptive genetic algorithm with diversity-guided mutation, which combines adaptive probabilities of crossover and mutation was proposed. By means of homogeneous finite Markov chains, it is proved that adaptive genetic algorithm with diversity-guided mutation and genetic algorithm with diversity-guided mutation converge to the global optimum if they maintain the best solutions, and the convergence of adaptive genetic algorithms with adaptive probabilities of crossover and mutation was studied. The performances of the above algorithms in optimizing several unimodal and multimodal functions were compared. The results show that for multimodal functions the average convergence generation of the adaptive genetic algorithm with diversity-guided mutation is about 900 less than that of adaptive genetic algorithm with adaptive probabilities and genetic algorithm with diversity-guided mutation, and the adaptive genetic algorithm with diversity-guided mutation does not lead to premature convergence. It is also shown that the better balance between overcoming premature convergence and quickening convergence speed can be gotten.     

遗传算法交换操作的遍历性

分析了遗传算法交换操作的特性, 利用马尔可夫链证明了对于两个互补的二进制串, 交换操作能够进行遍历搜索.这对基因操作策略设计有指导作用.     

Effect of driving cycles on energy efficiency of electric vehicles

Based on several typical domestic and foreign driving cycles, the energy usage efficiency of the EVs-XL 2000 type electric vehicle (EV) is analyzed. The energy usage efficiency of EVs and the evaluation index of electromotor efficiency are studied. The concepts of “interval usage percentage of energy efficiency” and “exertion degree of energy efficiency” of electromotor are presented. The effects of driving cycles on the distribution of the running status of electromotor and the efficiency are investigated. The efficiency of electromotor and the trend of average driving force at different driving cycles are discussed. The exertion degree of energy efficiency and the total power train efficiency of the EVs-XL 2000 type electric vehicle at typical driving cycles are analyzed and calculated. The result indicates that the driving cycle engenders a big influence on the exertion degree of electromotor energy efficiency at different driving cycles. Dissimilar driving cycles result in different efficiency distributions of electromotor, the control system as well as the average driving force and driving range are variable.     

基于遗传K-均值算法的LSF参数码书设计

文章提出了一种基于遗传K-均值算法的线谱频率参数(LSF)码书设计方法。该方法使用K-均值算法定义遗传操作中的交叉操作,采用训练矢量随机替换码书码字的方法进行变异操作。实验结果表明:该方法是有效的,在相同的码书尺寸下,用该量化器设计的LSF码书较传统分裂式LBG算法(初始码书由分裂法产生)设计的码书质量有所提高。