改进的Alopex算法在公差分配优化设计中的应用

合理的公差分配是降低生产成本和保证产品性能的关键.首先将混沌算法引入到Alopex算法的初始化过程,然后基于群体差异度对退火温度进行了改进,提出了改进的Alopex算法.其次,尝试将所提出的算法用于求解公差分配优化问题.最后将改进的Alopex算法与遗传算法在铰链装配组件的公差设计问题上进行了性能比较,优化结果表明了改进的Alopex算法的有效性.     

应用混沌粒子群算法求解工程优化问题

针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法.CPSO算法利用混沌搜索的全局遍历性、随机性和规律性等特点,引导粒子在全局范围内搜索,从而克服了传统粒子群算法早熟收敛的缺点.该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据,并用惩罚函数法处理违法约束的粒子,当基本粒子群算法陷入早熟时,随机选择粒子群中的部分粒子实施混沌搜索,直至满足迭代收敛条件为止.CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效提高了PSO算法的收敛速度和精度.两个工程约束优化实例的求解结果表明,该算法的优化结果最好,收敛速度也比较快.     

函数发生机构优化综合的改进差分进化算法

标准差分(SDE)算法具有算法简单、控制参数少、易于实现等优点,但容易发生早熟收敛。针对此缺点,提出一种改进的差分进化(IDE)算法。建立了铰链四杆函数发生机构近似运动综合的无约束优化模型,并应用IDE算法求解该优化问题。数值实例表明,IDE算法可以较好地克服早熟收敛问题,且能快速求出铰链四杆函数发生机构近似运动综合的优化解。     

禁忌-并行遗传算法在作业车间调度中的应用

根据并行遗传算法与禁忌搜索算法的优点,提出了一种禁忌一并行遗传算法。该算法能够避免早熟,不仅保证了算法的全局收敛,而且提高了算法收敛速度和解的质量,特别是在求解大规模问题上具有优势。仿真结果证明了该算法的有效性。     

贪心遗传算法求解组合优化问题

许多问题最终可以归结为求解一个组合优化问题,GA是求解组合优化问题的一个强有力的工具,但遗传算法在应用中常出现收敛过慢和封闭竞争问题,本文提出贪心遗传算法。该算法的初始种群建立、交叉和变异等过程,都引入贪心选择策略指导搜索;移民操作向种群引进新的遗传物质,克服了封闭竞争缺点。贪心遗传算法可以避免早熟收敛并改进算法的性能,算法搜索起步阶段的效率是非常高的,本文通过TSP问题仿真试验证明了算法的有效性,在较少的计算量下,得到令人满意的结果。     

机构综合的混沌搜索自适应入侵遗传算法研究

将生物系统中"入侵"的概念引入遗传算法,提出机构综合排斥二周期点优化求解的一种基于混沌搜索自适应入侵遗传算法.该算法动态地引入入侵种群,并利用混沌搜索产生入侵个体.入侵种群的扩散使优良基因得以在个体中传播,优化了种群的基因构成,能够促使种群跳出局部最小,并向全局优化方向进化,从而有效避免了遗传算法的早熟现象.将该算法应用排斥二周期点优化求解,实例表明该算法具有较快的收敛速度和较强的寻优能力,能够快速求出机构综合问题非线性方程组全部解.     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

有效的混合粒子群算法求解阻塞流水车间调度问题

针对以最小化完工时间为目标的阻塞流水车间调度问题,提出了一种混合粒子群算法进行求解。该算法将粒子群算法与迭代贪婪算法进行了结合。利用改进的迭代贪婪算法产生问题初始优化解,利用粒子群算法进行全局优化。针对粒子群算法易早熟收敛的特点,提出一种判断粒子停滞和粒子群早熟的方法,并在发现种群早熟后利用迭代贪婪算法的构造操作和毁坏操作对相关粒子进行变异,同时按照一定比例对最差的部分粒子进行重新初始化,以增加种群多样性。通过标准实例测试,验证了所提算法的有效性。     

基于等位基因的实数编码量子进化算法

为改善量子进化算法的早熟问题,提高算法搜索精度和收敛速度,提出了一种基于等位基因的实数编码量子进化算法。该算法以概率叠加的方式将实数变量按照等位基因进行编码,采用混合更新策略根据基因的"相对优良性"对等位基因进行变尺度变异,在全局搜索与局部搜索平衡的前提下提高搜索速度,之后引入Hε门更新等位基因对应的概率幅度。最后利用Markov链证明了其全局收敛性。数值算例将所提及算法与量子进化算法和基于双链编码的量子遗传算法进行比较,验证了算法的收敛速度和求解精度,并将该算法应用于纺织浆纱工艺参数的优化问题,获得了良好的优化效果。     

基于Epsilon算法加速的导重法拓扑优化求解研究

针对拓扑优化模型求解过程中需要多次迭代才能得到满足一定精度要求的收敛结果的问题,提出了一种基于向量Epsilon算法加速迭代序列收敛的方法。在求解大型连续体结构拓扑优化过程中,依据导重法迭代格式首先迭代了k次,然后对所得到的迭代序列的后m项作Epsilon算法运算,将所得到新向量作为下次导重法迭代的初始值,以此类推直到满足收敛条件。通过两个算例验证了所提出方法的有效性。计算及研究结果表明,用Epsilon算法加速后的迭代格式求解拓扑优化问题能够减少迭代次数,具有更高求解效率。     

基于精英选择自适应变异遗传算法的膜系优化设计

将改进的遗传算法——精英选择自适应变异遗传算法(EGAAM)用于光学薄膜的膜系优化设计。EGAAM采用了独特的自适应变异操作,该操作既使得群体保持了多样性,防止过早收敛,又加快了群体收敛速度。EGGAM对初始条件不敏感,并且可以确定膜层厚度边界,确保了设计结果的制备方便。通过减反膜、分光膜的实例优化设计表明,在相同设计条件下,用EGAAM可以得到比传统遗传算法更好的设计结果。理论与实例表明EGAAM用于膜系优化设计是高效和可靠的。     

基于遗传算法的组合ERT图像重建算法研究

针对目前电阻层析成像图像重建算法存在成像精度较低的问题,以及为了满足应用于多相流领域的精度要求,提出一种基于遗传算法的组合算法,将线性反投影算法、修正的牛顿-拉夫逊类算法与区间剖分引入遗传算法种群初始化操作中,同时为了改善单纯遗传算法局部搜索能力差与未成熟收敛的问题,将粒子群算法引入遗传算法变异操作中。实验结果表明组合算法效果明显优于线性反投影算法,修正的牛顿-拉夫逊类算法,有效克服了遗传算法早熟收敛现象,提高了成像精度。     

改进遗传算法在减速器优化设计中的应用

针对简单遗传算法的早熟现象及不能处理带有复杂约束的优化问题,提出一种基于乘子法与伪并行遗传算法的改进遗传算法,并将其应用于斜齿轮减速器优化设计中。计算结果表明改进遗传算法,全局寻优能力强。     

基于改进粒子群算法的机械结构优化设计

针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,本文提出了一种改进粒子群算法。算法中的模拟不确定因素干扰操作,能够有效避免群体过度集中现象,有效增加了种群的多样性。典型复杂机械优化设计的仿真结果表明,该改进算法能够快速、有效地进行全局搜索。     

基于混合遗传算法的齿轮传动优化设计

以体积最小为目标函数,建立了齿轮传动优化设计数学模型,并用外部惩罚函数法将该问题转化为无约束优化问题。针对遗传算法的局限性,采用整数编码和实数编码结合的混合编码,并调整了适应函数,采用随机多父辈适应函数值加权交叉和自适应变异操作,结合了模拟退火算法,给出了初温的确定方法,从而形成了混合遗传算法。该算法能够有效地减少不可行解的产生,提高收敛速度,避免早熟收敛。算例说明,该优化方法有效、实用。     

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法（Improved compactgenetic algorithm,ICGA）与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法（Compact genetic algorithm,CGA）易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。     

并行混合免疫算法及其在布局设计中的应用

布局问题在理论上属于NPC问题,在工程实践上具有广泛的应用。为较好地求解该问题,以并行遗传算法(PGA)为基础,针对其早熟和收敛速度慢两大缺陷加以改进,提出了并行混合免疫算法(PHIA)。该算法将免疫思想加入遗传算法起到了双重作用,一是免疫选择可有效地防止早熟,二是通过基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化,并依自适应交叉和变异的概率值对子群体进行分类,与Powell法混合可更好地改善局部搜索性能。以卫星舱和印制电路板布局设计为背景的算例验证了该算法的可行性和有效性。     

不确定需求和旅行时间下的车辆路径问题

针对一类不确定需求和旅行时间下的随机车辆路径问题,建立了一个随机规划模型,提出了一种带有自适应机制的改进遗传算法。该算法引入自适应选择机制,采用了新的交叉算子。选取两种不同规模的随机车辆调度问题,分别采用该算法和基于边重组的改进遗传算法进行求解,并通过对计算结果进行对比分析,分别针对自适应选择机制和新的交叉算子做了讨论。结果表明,所提算法不仅取得了更好的优化结果,而且具有更快的收敛速度。     

多种群协作差异演化算法及其应用

针对差异演化算法在求解高维、多峰问题时易陷入局部最优解发生"早熟"的缺陷,提出多种群协作差异演化算法。该算法将种群划分为多个子种群并设置一个精英群,精英群由子种群的最优个体产生,并与群体最优解进行竞争,子种群的最优个体只与精英群个体竞争而不与群体最优解竞争。构建了两种不同邻域结构的多种群协作差异演化算法,仿真结果及工程应用实例表明了算法的有效性。