基于改进遗传算法的海上油气田优化气举研究

机组总供气量的降低使注气压力低于最小注气压力,井的间喷易引起压力和流速振荡,或使设备疲劳、系统总产量降低。为此,基于单井动态曲线拟合,确定单井注气速度处于的限制条件。以总产量为目标函数,通过MiniVar方法改进轮盘赌,加快遗传算法的收敛速度。应用改进的遗传算法对某油井配气方案进行优化分析,得到最优配气方案下的产油量和注气量。实例表明:基于改进遗传算法的气举优化配气计算收敛速度快,设计产油量和实际产油量基本一致;改进后的遗传算法虽然无法找到全局最优解,但能找到可以接受的全局次优解。     

用于气动发动机设计的非支配排序遗传算法的改进

非支配排序遗传算法用于气动发动机设计不能获得完整的功率与比功关系曲线,为此对程序中的等级排列子程序和分散性估计方法进行了改进.将两目标优化问题中的性能指标分别定义为空间性能指标和跟随性能指标.通过一个区间分布参数将空间性能指标分成多段,位于同一区段内的个体根据其跟随性能指标的大小进行等级排列.个体间的分散性只根据空间性能指标进行计算.通过对预先设计的以正弦函数为目标的优化问题进行求解,验证了改进后的程序能够获得准确、分布均匀的解.与NSGA-II算法相比,改进后的程序用于气动发动机设计可以得到更加完整的设计信息.     

基于强化交叉算子的快速非支配排序遗传算法Ⅱ

锦标赛选择策略是NSGA-Ⅱ中用于选择交叉父代的方法,其虽然可以保留较优个体的基因给后代个体,然而锦标赛策略也容易导致重复选择父代个体的问题,从而导致后代多样性降低。为解决此问题,提出基了于强化交叉算法的快速非支配排序遗传算法Ⅱ。此算法通过将多个交叉父代引入交叉操作降低重复选择父代的概率;为结合两种交叉算子优势,进一步提出将两种交叉算子融合进NSGA-Ⅱ。实验结果对比说明,所提策略有效改善了NSGA-Ⅱ的性能。     

基于遗传算法的钢锭配切优化

针对马钢车轮公司钢锭切割中利用率偏低现状，提出一种基于遗传算法的钢锭优化配切方案，建立多型材、变截面、多品种组合下料模型。采用多规格组合配切的办法，解决了钢锭利用率低下、成材率偏低的问题。实践表明，该方案在提高切割效率的同时，有效提高了原材料切割率。     

遗传算法的改进

遗传算法是建立在遗传学与自然选择基础上的自适应索过程,作为解决复杂问题的一种有效手段,遗传算法是目前人工智能和系统优化领域的热点研究课题。但是,在实际应用中,简单跗算法存在收剑速度慢和稳定性差等缺陷。为克服这些问题,在对遗传算法的基本要点进行介绍的基础上,对交换、突变和复制等算子以及操作过程进行了改进。为了验证改进遗传算法的可行性与有效性,进行了多峰值函数的优化。试验结果表明,改进遗传３算法提高了     

配气凸轮优化设计的复合形法和遗传算法

介绍了内燃机配气凸轮优化设计的数学模型，分别用网格法、复合形法和遗传算法实现了内燃机凸轮优化设计方法。数值计算实例表明：遗传算法用于内燃机凸轮的优化设计可获得比较满意的参数优化设计结果，与传统的优化方法网格法和复合形法相比，遗传算法具有一定的优越性。     

复杂函数优化的混沌遗传算法

将混沌融入遗传算法提出了混沌遗传算法,该方法利用混沌运动的随机性、遍历性、对初始条件的敏感性等特性进行群体的混沌初始化和最优个体的混沌变尺度载波寻优,典型复杂函数优化的仿真结果表明,该方法较遗传算法具有更快的收敛速度和更小的计算,是复杂函数优化的有效手段。     

一种改进遗传算法在数值优化中的应用

提出了一种改进的遗传算法———可变适应度的遗传算法,并详细介绍了该方法在数值优化计算中的应用,以及该方法在提高算法的收敛速度和算法的可靠性方面的作用和原理。最后通过实际的例子说明了算法在数值计算中的有效性。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

求解TSP的改进遗传算法

遗传算法是求解旅行商问题的一种全局优化概率搜索算法方法.文中针对遗传算法较快的找到最优解并防止＂早熟＂收敛问题,提出了一种新的分级方法,该方法在各级中以群体当前最优个体替代各级中的最差个体,并在各级中采用自适应变异概率,改进后的遗传算法不但有效的维持了群体的多样性,而且提高了收敛速度.最后实验表明,改进的算法是可行和有效的.     

改进遗传算法求解TSP问题

改进遗传算法采用了顶端增强算子进行选择运算以强化其收敛性，并利用动态进化因子来进行交叉算子和变异算子的选择以防止早熟。用不同的TSP问题测试时，在分析了种群规模、最大遗传代数与最优解之间的关系之后，得出该算法有较强的鲁棒性和有效性。     

改进遗传算法求解TSP问题

改进遗传算法采用了顶端增强算子进行选择运算以强化其收敛性,并利用动态进化因子来进行交叉算子和变异算子的选择以防止早熟.用不同的TsP问题测试时,在分析了种群规模、最大遗传代数与最优解之间的关系之后,得出该算法有较强的鲁棒性和有效性.     

一种用于函数优化的改进混合遗传算法

传统的优化算法对于复杂的函数往往不能取得满意的结果，而遗传算法作为一种全局搜索策略，较传统的优化算法更加优越。对遗传算法的杂交、交异算子进行了改进，并加入单纯形算子。通过对函数求最优值的测试，证明这种改进使遗传算法的收敛速度加快、解的质量也更好。     

求解JSP问题的改进遗传算法

作业车间调度是一类求解困难的组合优化问题，使用改进的遗传算法来求解。GA有新解产生盲目性的特点，以搜索效率为目标提出了一种改进的遗传算法，在解的搜索过程中，通过禁忌表操作来评价种群。改进的遗传算法在保持群体多样性的同时，加快了遗传算法的收敛速度，将该算法用于典型作业车间调度问题的测试，找到了已公布的最优解，对超大规模的问题还有待进一步研究。     

基于改进遗传算法求解旅行商问题

为解决用基本遗传算法求解旅行商问题过程中保持群体多样性能力较差问题，提出了一种改进遗传算法．算法的主要改进手段是：通过二交换法来构造初始种群，以提高寻找到最优解的速度：用改进交叉算子进行交叉操作，避免了种群过早成熟．仿真结果验证了改进遗传算法的良好性能．     

改进禁忌搜索算法求解CVRP问题

改进了禁忌搜索算法,用于解决带有容量限制的车辆路径问题(C V R P).该算法在标准禁忌搜索算法的基础上,采用了I&D搜索策略,给出了两种作用于局部最优解的变异算子来扩大搜索区域,并设计了一种CVRP问题的初始解的产生方式.改进后的算法克服了标准禁忌搜索算法对初始解的依赖较强的缺陷,减小了算法在搜索过程中陷入局部最优的可能,提高了算法的搜索质量与效率.     

求解最优化问题的改进蜘蛛猴算法

最优化问题不仅存在于人类生产、生活的方方面面,其解决还关系着工程应用、科学研究的发展.因为优化问题的繁琐与多变,人们在求解时时常会遇到不少的困难和阻碍.针对算法的运行机制设计了非线性惯性权重调整的蜘蛛猴算法(S-SMO)来解决最优化问题,利用matlab软件,选择标准测试函数来检测S-SMO算法对优化问题的求解效果,实验发现改进算法和原始算法及线性递减权重的WSMO算法相比,在求解精度、速度、鲁棒性和可靠性等角度均有明显的改进与提高.     

求解协同干扰问题的高效免疫遗传算法

为协同干扰武器目标分配问题建立的数学模型,当问题规模增大时,现有的智能求解算法表现出两点不足,一是所求解质量下降;二是求解速度不可接受。针对该两点不足提出了具有贪婪修复过程的免疫遗传算法,算法设计了通用十进制扩展编码方案、基于免疫的轮盘赌选择算子和贪婪修复算子。仿真实验表明,该算法与现有算法相比具有明显的效率优势,在解决大规模协同干扰武器目标分配问题时不仅解算时间可接受而且所求解质量比同类算法高。     

基于协同遗传算法的车间调度问题研究

遗传规划在实际问题中的应用是一个新的发展方向。文章根据车间调度问题的特点,对遗传规划算法进行了改进,借鉴了一种新编码策略将变长编码变成定长,减少了算法复杂度,提高了运算效率;同时设计了一种新的标记交叉算子,这种交叉算法可以有效地避免产生非法解。由于遗传规划问题的收敛性不高,文中将遗传规划和遗传算法有效地结合起来,提出一种协同遗传规划算法,实验表明,改进后的算法比传统算法能更有效地解决车间调度问题。