一种改进遗传算法及在结构优化设计中的应用

针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法。以典型的遗传算法测试函数验证改进遗传算法的有效性与可行性，最后将改进遗传算法用于离散变量桁架结构优化设计，计算结果表明改进遗传算法是可行、有效的。     

求解电路划分问题的混合式遗传算法

为了进一步降低超大规模集成电路设计的复杂性、增强图形可读性 ,提出了一种求解电路划分问题的混合式遗传算法。与传统遗传算法不同的是 ,该算法采用了顺序交叉和单元交换变异方式 ,同时对交叉概率和变异概率进行了优化设计。与K -L算法及传统遗传算法得出的结果比较 ,该混合式遗传算法在计算时间和划分结果上显示出其优越性     

模糊遗传图像相关匹配算法

针对遗传算法中交叉概率和变异概率所存在的问题，利用模糊推理系统来自适应估计交叉概率和变异概率，提出了基于模糊遗传算法（FGA）的图像相关匹配算法，并进行了大量实验研究，实验结果证明该方法对解决具有噪声情况下的图像匹配问题十分有效。     

用于连续函数优化的改进蚁群算法

主要综合了蚁群算法、遗传算法、差异演化算法三者优点.在连续空间中,以蚁群算法为主要寻优思路,采用遗传算法中的交叉、变异及差异演化算法的变异方式增加群体多样性;采用自适应的交叉、变异概率以增强算法的智能性,仿真实验获得了较好的效果.     

基于符号函数的自适应遗传算法的研究与应用

交叉概率和变异概率的选择是决定遗传算法行为和性能的关键,直接影响算法的收敛性.自适应遗传算法在前期收敛速度缓慢,而且容易陷入局部最优.针对此局限,本文提出了基于符号函数的自适应遗传算法,将交叉算子与变异算子控制在期望区间内变化,增强了全局搜索能力,提高了收敛速度.最后进行了仿真实验,通过比较两个优化实例,验证了本文所提出算法的有效性,且符合工程实际需要.     

基于PetriNets和混合遗传算法的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模,利用遗传算法和模拟退火算法获得调度结果,并通过Petri网进行控制.用于解决作业车间的加工受到机床、操作工人等生产资源制约条件下的优化调度.以生产周期为目标进行的优化调度,将遗传算法和模拟退火相结合.通过多种交叉、变异、概率更新选择、再分配策略等遗传和模拟操作,得到目标的最优或次优解.对算法进行了仿真研究,仿真结果表明该算法是有效性.     

离散变量桁架非概率可靠性优化设计

相较于连续变量优化设计,离散变量优化设计能够给出更符合工程实际需求的结果.本文采用区间变量描述结构不确定参数,提出一种离散变量桁架非概率可靠性优化设计方法.首先,建立了以杆件横截面积为离散设计变量,以桁架重量为目标函数,具有非概率可靠性指标约束的结构优化设计模型.其次,采用分段惩罚函数对离散变量进行连续化处理,得到相应的连续变量优化设计模型.最后,运用了均值点推导了非概率可靠性指标的近似解析公式,并采用序列二次规划法对优化模型进行求解.两个算例分析结果表明所提方法有效的提高了计算效率,为离散变量桁架优化设计提供了一种新的思路.     

基于改进蚁群算法的连续型桁架结构优化设计研究

采用二进制编码方法对连续域设计变量进行离散化处理,对每代蚁群进行交叉、变异和复制等操作。对蚁群算法路径信息素更新方法应用了新的改进方式。应用这种二进制改进蚁群算法,对典型的10杆平面桁架及72杆空间桁架结构进行了结构分析与优化。采用改进方法的10杆最优设计方案比目前最优结果,略高0.18%;72杆最优设计方案优于目前最优设计结果,相对优化了2.8%。     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

自适应遗传算法在柔性制造系统优化配置中的应用

针对柔性制造系统优化配置的闭排队网络模型设计变量多、耦合关系复杂等特点,采用了交叉概率和变异概率随进化代数自适应变化的遗传算法对其进行求解.经算例证明,采用此法后,不仅保持了遗传算法全局寻优的特点,而且搜索效率也显著提高.