基于遗传蚁群算法的气田集输管网优化方法

气田集输管网是气田建设过程中一个投资巨大的复杂工程,如果能够对其进行整体优化,将取得良好的经济效益和社会效益。气田集输管网的优化设计,即寻求站址、管网布局以及管径、壁厚等工艺参数的合理分配,属于NP难点问题。文章通过分级优化的方法,在采用kruskal算法确定管网最优布局的基础上,提出结合遗传蚁群算法的优化参数方案,以集输管网干线的最小造价为目标函数,管径和壁厚作为优化变量,建立符合实际工程的数学模型。该模型根据集输管网所处的复杂环境,确定了流量连续性,管道规格,节点压力等一系列约束方程。根据模型的结构特点,在遗传蚁群算法的求解过程中,给出了符合实际数据的染色体选择、交叉、变异方式,并且在最佳时刻通过遗传算法与蚁群算法的衔接,将两种算法进行融合,形成了一种时间效率和求解效率都比较好的启发式算法。仿真计算表明,应用遗传蚁群算法的设计方案在求解速度和求解精度上都明显优于单一的遗传算法或蚁群算法,更加节省管网的投资费用。     

用遗传宽度搜索算法优化栅阵列布局

本文介绍了一种用遗传算法结合宽度搜索技术对栅阵列布局设计优化的新方法。由于栅阵列布局是一个排列问题，传统的遗传杂交会导致栅的重复，因此必须对传统的遗传算法进行修改。为了适合优化栅阵列布局问题，这里使用了宽度搜索技术。用遗传算法得出染色体，建立栅的相互排列邻接关系，宽度值用于限制搜索空间，使搜索更为有效。该算法的结果比基于图论的宽度计算效果更好。     

混合编码遗传算法基于面向对象方法的实现及应用

采用面向对象方法对混合编码的遗传算法进行了分析和设计,并在此基础上开发了通用的遗传算法工具箱,结合城市给水管网泵站的优化调度问题说明了其应用。     

遗传算法在污水管网优化中的应用

随着城市的快速发展,污水管网规划建设相对滞后的问题日渐凸现.如何把有限的资金合理地用于优化污水管网,给我们提出了课题.遗传算法(Genetic Algorithm,GA)是近几年发展起来的一种崭新的全局优化算法,它借用了生物遗传学的观点,通过自然选择、遗传、变异等作用机制,实现各个个体的适应性的提高.本文将遗传算法引入污水管网的优化,增强了污水管网设计的合理性.     

量子行为粒子群优化算法的布局问题研究

基于多边形扫描转换的启发式底左（HBL）算法，将量子行为的粒子群算法（QPSO）应用于布局问题——二维不规则多边形优化排样，给出了该问题的粒子构造方法及其布局优化过程。通过与模拟退火遗传算法（SAGA）进行布局优化比较，验证了该算法求解布局优化问题的有效性。     

一种混合全局寻优算法及其在布局中的应用

布局问题是NP完全问题,传统的优化算法很难求得全局最优欠解,遗传算法和模拟退火算法等的随机搜索算法的求解精度和效率不能令人满意,文中将启发式随机搜索策略的局部优化算法相结合,构造混合全局寻优算法,以旋转卫星舱布局问题的简化模型为背景,建立了多目标优化的数学模型,通过一已在最优解的布局算例与遗传算法和乘子法的计算结果比较,该算法求解的质量和效率更优,表明此算法在布局优化中具有应用潜力。     

农业专家系统中知识发现的遗传算法研究

讨论从数据库中发现有用的知识建造专家系统,利用遗传算法解决在处理复杂数据时的仿真丢失问题,实现了遗传算法在重庆市水稻区域布局专家系统建立过程中的应用。     

遗传布局算法

VLSI门阵列模式布局是一类NP完全问题，传统的分析、研究方法和求解策略不能提供优化布局。文中将遗传算法应用于门阵列模式布局，提出了遗传布局算法，设计了相应的选择函数、交叉算子和变异算子，使布局的构形更趋合理。模拟结果表明，应用遗传布局算法能在较短的时间内提供优化解，为解决大规模、复杂的布局问题提供了广阔的前景。     

基于混合粒子群算法的供热管网优化设计

供热管网优化设计一直是多年来城市地下管网工程中的研究热点。通过分析供热管网的优化模型,建立关于供热管网的目标函数即供热管网投资费用,根据供热管网的目标函数及约束条件建立适应度函数。利用粒子群优化算法对该非线性模型进行求解,借鉴遗传算法中变异操作的思想,设计基于遗传算法的混合粒子群算法,寻求在水力约束条件下目标函数的最小值。实例结果表明,将粒子群优化算法应用于供热管网优化设计可以取得较好的优化结果,并且充分的体现出粒子群算法的寻优能力。     

一种基于蜜蜂进化选择算子的布局遗传算法

三维矩形布局问题属于NP 难问题,对于三维矩形布局问题的求解大多依赖于各 种启发式算法。该文以布局物体体积递减为定序规则,结合布局物体在布局空间中的几何可行 域,以吸引子法为定位规则,利用蜜蜂进化型遗传算法优化吸引子函数中的参数来求解三维矩 形布局问题(BEGA),得到新型布局遗传算法。最后对不同的算例进行了计算,并与以标准比 例选择作为选择算子的传统布局遗传算法(SPGA)等对比证明了该算法的有效性。     

Computer aided optimization of natural gas pipe networks using genetic algorithm

This study is concerned to determine the optimum pipe size for networks used in natural gas applications. The genetic algorithm has been used in optimizing network parameters. The topology of the network is predefined. The study deals with the discrete nature of decision variables, namely, pipe diameters, as they are usually available in market in standard sizes. Hard constraints and soft constraints are considered. An imposed penalty factor is introduced to allow solutions that violate soft constraints to remain in the population during the solution progress guiding the algorithm convergence to a minimum network cost.In a case study, engineers with average experience of 6 years in the design office of a gas company performed the design of a gas network problem using their experience and judgment. The adopted method by engineers depends on a trial and error, time consuming, procedure. Their results are compared with the results obtained from the developed genetic algorithm optimization technique.The developed optimization technique has provided a distinctive reduction in the total cost of pipe networks over the existing heuristic approach which is based on human experience and judgment. A saving up to 12.1% has been achieved using the present analysis, in the special case studied.     

基于Kriging模型和NSGA-Ⅱ的航空发动机管路卡箍布局优化

针对传统卡箍布局规划存在效率低且难以解决多目标优化问题等难点，提出一种基于Kriging模型和NSGA-Ⅱ算法的航空发动机管路卡箍多目标布局优化方法。提出并建立反映卡箍位置与管路振动性能关系的Kriging代理模型，同时结合拉丁超立方实验设计方法以及粒子群优化技术提高建模精度。以管路一阶固有频率和二阶固有频率为优化目标，应用NSGA-Ⅱ对管路卡箍位置进行布局规划以避免共振。在优化计算过程中，应用所建近似模型代替CAE分析程序对适应值函数进行评价，大大减小了计算量。发动机管路卡箍布局算例表明:所提方法可一次性获得多个满足要求的非支配解方案，不仅提升了管路系统的可靠性，而且计算效率亦得到了很大提高。最后仿真结果证明了所提方法的有效性。     

Layout optimization of looped networks by constrained ant colony optimisation algorithm

A constrained version of ant colony optimisation algorithm (ACOA) is proposed in this paper for layout optimization of looped water distribution networks. A novel formulation is used to represent the layout optimization problem of pipe networks in the proper form required for the application of the ant algorithm. The proposed formulation is based on the engineering concept of reliability in which the number of independent paths from the source node to each of the network nodes is considered as a measure of reliability. In the proposed formulation, the ants are constrained to choose from the options provided by a constraining procedure so that only looped layouts are constructed by the ant leading to huge reduction of search space size compared to the original search space. Three different constraining procedures are used leading to three different algorithms. The proposed methods are used to find the optimal layout of three benchmark examples from the literature and the results are presented and compared to the results of the conventional ant colony optimization algorithm. The results show the efficiency and effectiveness of the proposed method for optimal layout determination of looped networks.     

考虑碳排放的冷链物流轴幅式网络多目标优化

针对传统冷链网络优化模型忽视碳排放量的不足,基于绿色物流、共享经济的相关理念,在轴幅式理论下对多个区域的冷链配送进行资源整合后进行共同配送,提高冷链配送车辆的满载率。同时,构建考虑碳排放成本在内的总成本最小和最大化客户满意度的多目标优化模型,达到降低总成本和满足客户最大满意度的目的,实现经济效益和环境效益共赢的状态。以客户满意度来表示物流网络系统的可靠性和服务质量,并结合易腐品的新鲜度对时间的敏感性,引入货损成本。最后,设计粒子群算法对其进行求解。通过算例对比验证了模型与算法的有效性,有效解决冷链物流网络的网点布局和运输配送问题。     

基于改进SPEA2算法的给水管网多目标优化设计

针对给水管网多目标优化设计问题，将管网造价、节点富余水头总和以及节点富余水头方差设为目标函数，从经济性和可靠性两方面对给水管网进行优化。为了获取多样性和收敛性好的解，本文结合选择机制中支配和分解的思想，引入参考向量到强度帕累托进化算法（strength Pareto evolutionary algorithm 2, SPEA2）中，配合支配强度进行解的选择。通过双环管网和纽约管网两个管网案例，仿真结果表明了所提算法在解决管网多目标优化设计问题上的有效性，并最终应用于实际的管网工程建设中。     

基于HFSS-MATLB-API的天线布局优化仿真

随着用于车载平台的天线数量日益增多, 汽车的电磁兼容问题日益严重. 针对天线布局缺少统一合理模型和理论方法指导的现状,利用HFSS-Matlab-Api脚本库在Matlab中调用HFSS建模进行天线布局的电磁兼容性仿真, 采用遗传算法对布局进行优化. 此方法省去人为数学模型推导过程, 减少用户反复绘制模型、修改参数的重复工作. 不仅充分利用HFSS仿真的高精度、可靠性和便捷性, 而且采用遗传算法减少盲目的试探带来的时间和成本的浪费. 最后, 得到与理论相符合的实验结果, 从而验证了布局与优化方法的可行性.     

带平衡约束矩形布局优化问题的深度强化学习算法

带平衡约束的矩形布局问题源于卫星舱设备布局设计,属于组合优化问题。深度强化学习利用奖赏机制,通过数据训练实现高性能决策优化。针对布局优化问题,提出一种基于深度强化学习的新算法DAR及其扩展算法IDAR。DAR用指针网络输出定位顺序,再利用定位机制给出布局结果,算法的时间复杂度是O（n³）;IDAR算法在DAR的基础上引入迭代机制,算法时间复杂度是O（n⁴）,但能给出更好的结果。测试表明DAR算法具有较好的学习能力,用小型布局问题进行求解训练所获得的模型,能有效应用在大型问题上。在两个大规模典型算例的对照实验中,提出算法分别超出和接近目前最优解,具有时间和质量上的优势。     

区域低碳物流运输网络双层优化研究

区域低碳物流网络优化是建立低碳物流系统的重要环节。引入低碳理念,考虑政府低碳线路规划与货主之间的博弈,上层区域物流网络的优化以碳排放、成本、时间最少化,下层货流运用改进的Logit路径选择分配,建立了基于低碳理念的区域物流运输网络双层优化模型。根据模型求解的复杂性,运用网络变形和遗传算法给出求解优化模型的方法和步骤。算例仿真计算结果表明,该模型与算法在区域物流运输网络低碳优化组合中是准确且可行的,有益于低碳物流网络构建。     

机载PHM中的无线传感器网络功率控制算法

由于机载环境的复杂性,机载故障预测与健康管理(PHM)系统采用无线传感器网络(WSNs)技术进行数据采集。鉴于机载PHM对消息传输高实时性的要求,需要通过功率控制来优化网络拓扑,减少网络平均长度。提出一种基于小世界理论的功率控制算法(PCS),该算法通过添加捷径来降低网络平均路径长度,并采用遗传算法对捷径进行优化,得到通信代价较小、网络平均路径长度较短的捷径。仿真结果表明:PCS算法优化了网络拓扑,缩短了网络平均路径长度,提高了信息传输速率,并且在较大的传感器网络环境下也具有较好的适用性。     

基于动态蚁群遗传算法的士兵个性化学习

面对士兵学历层次,知识理解能力和掌握速度参差不齐的现状,千篇一律的士兵职业技能教育体制已不再适应网络化时代发展和信息化部队建设的需要.文章在分析了当前士兵职业技能教育存在的问题以及蚁群算法和遗传算法各自的特点之后,提出了根据最佳融合点交叉调用蚁群算法和遗传算法的策略,以使蚁群算法的寻优结果作为遗传算法的种子来优化其初始种群,并模仿TSP问题将士兵的个性化学习过程成功地转化为一个典型的组合优化问题,以此来寻找适合每位士兵的个性化学习路径.实验结果表明,改进后的蚁群遗传算法的收敛速度和寻优能力大大提高.