基于改进量子遗传算法的模型交互修正方法

针对传统有限元模型修正方法低效率、高成本且易陷入局部极值的缺点,提出基于改进量子遗传算法的静力多尺度有限元模型交互修正方法. 依据量子计算理论,对量子比特矢量态进行实数编码,以改进量子旋转门实现旋转角自适应更新,引入量子全局干扰交叉、变异、灾变等遗传操作,设计改进量子遗传算法. 以某钢-混组合梁桥为工程背景建立多尺度有限元模型,建立目标函数,对待修正区域进行分块处理. 利用最大互信息系数对待修正参数进行筛选,给出目标函数权重,通过Python语言实现了基于改进量子遗传算法的静力多尺度有限元模型交互修正. 结果表明,改进量子遗传算法相较于传统遗传算法、量子遗传算法具有更高的性能与精度,自动交互修正方法的效率较高,对材料弹性模量、厚度、车辆荷载等参数的修正与工程实际测试的情况基本吻合,目标函数修正结果相较于有限元计算的初始值,挠度误差降低至1.4%~14.3%,混凝土底板应力误差降低至2.6%~18.8%,钢梁应力误差降低至0%~11.1%.     

遗传算法在油藏数值模拟中的应用

油藏数值模拟中的模型识别问题，可以转化为函数的最优化问题。鉴于遗传算法的特点，将之引入到油藏多相流体渗流的数值解法中，用以解决油藏数学模型的识别问题。在建立油藏数值模拟中模型识别问题的最优化模型后，采取将最优化模型中的目标函数嵌入到遗传算法适应度函数中的方法，实现遗传算法与油藏数值模拟的耦合。基于优化模型和遗传算法的运算过程，编写计算程序，实现油藏渗流数学模型的自动识别。最后通过对一单井开采过程的数值模拟，验证了遗传算法在油藏数值模拟中应用的可行性与有效性。     

结构模型修正中不同残差及权重系数研究

研究了基于改进遗传算法对结构模型修正中用于构建目标函数的不同残差的优缺点和单目标函数中的权重系数。目前工程实践中进行有限元模型修正较多地采用三种残差,包括频率、振型和柔度,本文分析了这三种残差用于模型修正的优缺点,采用改进的遗传算法、利用一个模拟刚度减少的简支梁的仿真模型,对基于不同残差的模型修正进行了比较研究。频率是系统的主要特征参数且识别精度高,修正应优先采用。当修正参数较多,需要补充信息且振型识别误差较小时,可考虑补充振型信息。最后通过对用于构建单目标函数的不同残差采用不同权重系数的比较分析,可以看出当频率残差采用较大权重时的模型修正效果较好。     

基于遗传算法的电力系统无功优化

在总结常用的电力系统无功电压优化方法的基础上,建立了以网损、电压质量和无功潮流分布为目标函数的数学模型．然后对基本遗传算法进行了一些改进,并将改进的遗传算法应用到IEEE30节点系统进行验证．测试结果表明,改进的遗传算法有助于解决无功电压优化问题．     

基于改进遗传算法的电网无功补偿优化控制研究

电网无功功率补偿优化控制是一个多元非线性动态约束问题,传统的电网无功补偿非线性规划方案都需要精确的数学物理模型,且各参变量间的协调性较差,很难满足电网多目标优化控制的工程需要.利用改进蚁群算法分布式协同组合优化的思想,建立以电压越限畸变为惩罚函数,以电压和无功补偿综合满意度为目标函数的电网无功补偿优化控制模型.实例仿真试验表明,基于改进遗传算法的电网无功优化控制模型,通过自适应的目标函数最大路径寻优,获得电网无功功率补偿装置较优越的无功补偿组合,提高了电网无功补偿的综合效率,有利于系统电压的稳定性,为电网无功优化提供了一个新的智能运算模型.     

表面响应算法及其在MRI主磁体优化设计中的应用

通过将基于径向基函数的表面响应模型和改进的遗传算法相结合，提出了一种电磁场逆问题优化策略的新方法；该方法一方面利用表面响应模型能够大大节省目标函数评价的时间，另一方面通过改进遗传算法能加速收敛，从而节省了寻优时间.这一方法已应用于永磁完全开放式磁共振成像仪主磁体结构的优化设计.此外，给出了一种产生薄片型磁场的永磁全开放式磁共振成像仪主磁体结构.计算实例表明，所提出的算法能实现多变量寻优，且能大大节省计算时间，易于编程实现.     

基于遗传算法的陶瓷配方优化设计

为优化陶瓷配方,以绝对误差为目标函数建立了陶瓷配方优化模型,并采用标准遗传算法进行了配方设计.针对标准遗传算法中出现的早熟、运行效率低等问题,从种群设定、编码方式、操作算子等方面对算法进行了改进.经100次的配方实验表明,改进遗传算法配方精度的绝对误差仅约为0.1,显著优于标准遗传算法.     

星状原油集输管网拓扑优化的混合遗传算法

以投资最小为目标函数,建立了星状原油集输管网拓扑优化数学模型.根据模型特点,利用改进的整数编码遗传算法优化井站隶属关系,利用非线性优化方法优化出相应的计量站最佳位置.针对遗传算法的局限性,对操作过程进行了改进,结合了模拟退火算法,调整了适应函数,给出了初温的确定方法,改进了选择复制操作,从而形成了混合遗传算法,并采用随机多父辈适应函数值加权交叉和多种改进变异操作方法.同时在操作过程中给出了约束条件的处理方法,减少了不可行解的产生,提高了算法优化效率.算例显示了该优化方法的有效性.     

多目标遗传算法在饲料配方设计中的应用

有别于传统的单目标方法,将饲料配方设计问题描述成为一个多目标最优化问题,并提出了一种改进的多目标遗传算法,应用模拟退火算法解决多目标遗传算法的局部搜索能力差和易早熟问题.实验结果表明,该算法能有效地求解饲料配方设计问题并为设计者提供了强有力的决策支持.     

考虑不可行度的改进遗传算法在电压无功调整中的研究

电压质量是电力系统安全经济运行的重要因素,需要利用合理的电压无功措施进行调整.在电压无功调整的数学模型中引入了不可行度概念,用于处理模型中的约束条件,并结合改进遗传机制的遗传算法对系统进行电压无功调整.不可行度的引入扩大了遗传算法的搜索域,提高了算法的寻优能力.通过对实际系统的分析计算表明,该算法可以较好地平衡来自目标函数最优化和约束条件限制的压力,有效地改善电压质量.     

一种改进的基于遗传算法的中药生产调度系统

通过对中药制药工艺流程的分析,根据其生产过程的特点,研究了基于并行遗传算法与小生境遗传算法相结合的改进遗传算法解决中药制药调度问题,并应用于中药制药生产调度系统。通过对原型系统的测试,验证了系统的可行性和有效性。     

利用动态特性测量值的结构损伤检测方法的比较研究

对目前关于结构损伤检测的基本方法进行了回顾,详细地介绍了现有几种有效的基于结构动态特性测量值的损伤检测方法(包括传统的敏感性分析法、神经网络法和遗传算法)的基本步骤,讨论了这些方法在工程运用中存在的一些实际问题,如不完整的测量值、方法的鲁棒性、损伤检测的计算效率和收敛性等.最后,通过对实际五层钢框架结构的层间刚度识别说明了这几种主要方法的优缺点,提出了今后该领域的研究方向.     

含有频变耦合系数的交叉耦合滤波器优化设计

交叉耦合滤波器由于其小体积和高性能等优点被广泛应用于各种微波系统中。但阶数固定的交叉耦合滤波器能够实现有限传输零点的个数受限。针对该问题,给出一种含有频变耦合系数的交叉耦合滤波器快速优化综合技术。含有频变耦合系数的交叉耦合滤波器在阶数相同的情况下能够实现更多的有限传输零点。首先利用全局优化算法遗传算法进行初步搜索,若满足指标则停止;否则将其结果作为局部优化算法Solvopt的初值进行搜索即可获得指定拓扑结构的耦合矩阵。通过3个优化综合实例证明了该方法的有效性。     

电力线多载波系统中自适应资源分配

针对电力线通信系统中应用传统粒子群算法进行比特功率分配存在陷入局部最优值和收敛速度慢的问题,提出了IPSO（improvedparticleswarmoptimization）算法．新算法通过引入遗传算法的交叉和变异操作,克服了传统粒子群算法由早熟收敛而陷入局部最优解的问题,加快了收敛速度．建立了IPSO算法的理论模型,给出了新算法在PLC—OFDM系统中进行比特功率分配的方法．仿真结果表明,在PLC—OFDM系统中应用IPSO算法进行比特功率分配与GA算法和传统粒子群算法相比．可以加快收敛速度．改善系统的信噪比特性．降低系统发射功率．     

基于启发搜索空间遗传算法的安全控制最优潮流方法

提出了一种新的可用于安全控制最优潮流问题的遗传算法。该算法应用了一个全新的启发式搜索空间技术,具有更快的收敛速度,缩减了计算的负担。实验采用IEEE 30 bus系统,并以传统的简单遗传算法（SGA）,自适应遗传算法（AGA）,粒子群技术（PSO）,差别演变（DE）作为进行实验比较,结果表明,在具有以及不具有（N-1）断电的偶然性的实例分析中,本文所提算法有更好的鲁棒性,在优化问题上有较好的应用前景。     

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．     

基于文化算法的多用户OFDM系统资源分配

为了最小化多用户OFDM系统的发射功率,提出利用文化算法搜索最优的子载波和比特分配方案.在传统的进化算法基础上引入了指导搜索的信仰空间,使搜索效率更高,同时使得优化目标与优化变量都比较容易数值定量化.对文化算法与遗传算法、多用户自适应OFDM算法进行仿真比较,结果表明:文化算法在迭代次数上小于遗传算法,收敛性显著提高,...     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火一遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火一遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。     

基于智能处理的融合定位解算算法

对基于数据融合的定位解算算法进行了研究,在将遗传算法、模拟退火算法和经典的Chan氏算法性能比较的基础上,将遗传算法与模拟退火算法相结合,提出了基于数据融合的定位解算算法。仿真结果表明：融合算法的定位精度优于非融合算法,且运算量较小。     

一种解决函数优化问题的免疫算法

介绍了免疫算法的基本概念，以及人工免疫系统中的克隆选择原理，基于该原理，结合遗传策略中的高斯变异算子，提出一种免疫算法来解决函数优化问题。给出了算法的描述，数值实验中选择了几个函数进行优化，并将实验数据结果与传统的遗传算法进行了比较。数据实验结果表明，该免疫算法能够寻找到更优的优化结果，并且在收敛速度上明显优于传统的遗传算法。