基于遗传算法的激光打孔路径优化

针对目前激光打孔过程中存在的问题,采用遗传算法对激光打孔路径进行优化.建立了路径优化目标函数模型,对激光打孔路径优化总体设计,遗传算法的实现所需要的适应度函数、选择算子、交叉算子、变异算子等遗传操作进行了说明,并通过实例说明,采用遗传算法对激光打孔路径进行优化,可以显著地提高激光打孔加工效率.     

改进遗传算法及其在齿轮传动优化设计中的应用

针对标准遗传算法(SGA)的随机性大、收敛速度慢等缺点,提出一种通用的改进遗传算法,引入局部补差算子,有效地提高了算法的收敛效率。建立了基于模糊因子函数的适应度函数,使对个体的评价更具有合理性。通过对交叉、变异概率的动态调整,克服了SGA未成熟收敛的弊端。将模拟退火算法与现行终止条件结合,形成了模拟退火收敛准则,极大地改善了SGA的局部搜索能力。据此编制计算程序,将其应用于多约束、多变量、复杂非线性的各类齿轮传动优化设计中,均得到了更好的结果。     

改进遗传算法对实际Job Shop问题的解决

针对标准遗传算法收敛速度慢以及易陷入局部最优的问题,采用基于工序的编码和活动解码方式,采用自适应策略设计交叉算子和变异算子,并将极值优化算法作为一种新的变异算子对标准遗传算法进行了改进,最后通过实验验证了改进后算法的有效性.     

一种基于自适应算子和移民策略相结合的遗传算法

针对简单遗传算法中容易出现的早熟性收敛问题,采用“自适应算子”和“移民策略”相结合的办法对简单遗传算法进行改进,并且采取了“加速迭代”的操作,最后通过对Schaffer函数的计算表明,本文改进的遗传算法在保证全局收敛的同时有效地避免了早熟性收敛的发生。     

基于改进遗传算法的系统可靠性分配优化

为了实现系统可靠性分配的优化,以研制成本为目标函数,通过修正广义成本函数,建立系统可靠性分配优化模型。结合可靠性单元的复杂度、技术成熟度、工作时间、使用环境实现广义成本的定量评估。根据模型特点,改进基本遗传算法进行问题的求解。通过多种群进化策略减少未成熟收敛的发生,构造带有惩罚项的适应度函数实现多个约束条件的融合,并选择适当的遗传算子提高遗传算法效率。通过算例证明新算法在模型求解方面具有更高的搜索效率。     

利用改进的遗传算法解决全局寻优问题

寻找函数的全局最优解是一个很常见的工程应用问题,简单遗传算法是解决此类问题的有力工具.但由于简单遗传算法具有中全局收敛能力差和收敛速度慢的缺点.本文基于对遗传算子的优化,提出一种混合分类选择和定向变异的改进遗传算法来解决全局寻优问题.经仿真结果表明,该算法具有较强的全局收敛能力和较快的收敛速度.     

基于改进遗传算法的点位加工路径优化

针对点位加工路径的优化,将其归结为旅行商问题来分析,并利用改进遗传算法进行求解,即采用贪婪交叉算子并引入精英保存与动态自适应策略,提高了算法的寻优能力与计算效率.实验结果表明了算法的可行性与有效性.     

基于AGA-WOA算法融合的移动机器人路径规划

传统遗传算法的缺陷在于搜索过程耗时较长,容易出现局部最优解.为解决这一问题,本文提出改进适应度函数的方式对遗传算法进行改进,并将鲸鱼优化算法与改进后的遗传算法结合.AGA-WOA融合算法利用鲸鱼优化算法提高遗传算法算子的优良性,可降低搜索范围,降低传统遗传算法的工作量,尽力规避出现局部最优解的情况.     

IGA在DEH调节系统参数优化中的应用

遗传算法是模拟自然界生物进化过程和机制对优化问题进行求解.首先概述了遗传算法的基本原理、特点和存在的缺陷,鉴于遗传算法易出现“早熟”现象,对遗传算法进行改进后,将其应用于汽轮机数字电液调节系统的参数优化,并给出了参数优化过程.改进遗传算法提高了算法的全局搜索能力和局部搜索能力.仿真实验表明,改进的算法效果明显优于经典优化算法,能有效克服“早熟”现象、提高算法收敛精度,具有良好的收敛性和寻优能力.     

具有自适应交叉算子的遗传算法及其应用

简单遗传算法采用常数交叉概率和随机选择交叉点的方式进行交叉操作，这种操作方式带有一定盲目性和随机性，无法保证子代个体一定优于父代个体。为此提出了一个新的自适应交叉算子，依据每代个体的适应值函数来调整交叉位置和交叉概率，使杂交沿着有利于算法收敛的方向进行．为了验证这种自适应交叉算子的有效性和合理性，对一个二维多峰函数的极大值搜索问题，进行了求解．并将新算法进一步应用于离心叶轮的形状优化问题，结果表明具有自适应交叉算子的遗传算法在收敛速度和获得全局最优解的概率两方面都有很大提高。     

改进的遗传算法在MX80液压挖掘机优化中的运用

使用遗传算法进行ＭＸ８０液压挖掘机反铲工作装置优化,探讨了数学模型的建立方法;同时为了提高运算效率,对遗传算法进行了某些改进,实例计算表明该算法有效。     

离散变量结构优化设计的改进遗传算法

提出一种整数编码的改进遗传算法,它采用(—1,0,1)局部寻优算子,并提出寻优基点的选取策略,提出了重要约束罚项的概念来处理不同组合相同适应度的问题,以此来改善遗传算法后期收敛速度慢和不成熟收敛的问题。通过算例表明,这种算法对于离散变量的结构优化可以取得较快的收敛速度和较好的收敛结果。     

基于自适应遗传算法的隔振系统参数优化计算

为优化航天器中隔振系统的隔振参数,提出了一种基于自适应遗传算法的优化方法。在只考虑单条支腿的前提下,建立了主动隔振系统的动力学模型,通过拉普拉斯变换得到了上平台输出的力对下平台控制力的传递函数,并获得待优化的参数。将参数优化问题转化成数值优化问题,利用最大熵法生成算法的目标函数;采用新的选择算子来避免算法早熟;提出自适应交叉算子和自适应高斯变异算子来保证种群多样性;通过优胜劣汰和种群迁移法则来提高算法的全局收敛性。最后,通过仿真实例对算法的有效性进行验证,结果表明：和传统的遗传算法相比,本算法的收敛速度快、优化效果好。     

离散变量桁架结构拓扑优化的混合遗传算法

为了避免结构拓扑优化过程中杆件和节点的增删带来的计算上的麻烦，在对桁架结构受力分析的基础上，提出一种启发式方法，以快速产生符合机动性要求的拓扑结构形式；然后在既定的拓扑结构形式下采用混合遗传算法——拟满应力遗传算法进行截面优化。该方法通过在遗传算法中嵌入拟满应力算子，同时对基本遗传算法采用最优个体保留、最差个体替换和控制种群个体差异等改进措施，有效提高遗传算法求解的效率和质量。算例结果表明，该方法用于离散变量桁架结构拓扑优化是有效的。     

混合遗传算法进行离心叶轮优化设计

利用自适应交叉遗传算法和生物生长算法的特点，提出一种新的优化方法——混合生物生长自适应交叉遗传算法。该方法既充分利用了遗传算法全局寻优和生物生长法快速收敛的优点，又弥补了遗传算法收敛速度过慢和生物生长法过分依赖结构初始形状的不足。为了验证优化方法的正确性和合理性，对某三维离心叶轮进行优化设计，结果表明，混合算法较单纯采用遗传算法收敛速度快，且可得到形状优化最优解。     

基于惩罚和修复策略的约束优化遗传算法

约束优化问题中最难以解决的就是约束处理问题，将惩罚函数法与修复策略相结合应用于非线性约束优化遗传算法之中，使得约束优化问题在惩罚函数和修复算子的协同作用下收敛于全局最优，有效避免了迭代过程中大量非可行解的产生，解决了在遗传算法约束优化问题中单独使用惩罚和修复方法时一些难以解决的问题。基于随机方向法构造的修复算子作用效果显著，采用多个测试函数对算法进行检验，均能较好地收敛于可行域中的最优解，验证了算法的可靠性。     

基于改进遗传算法的切削参数优化方法研究

分析了常用遗传算法选择算子的不足,发现没有能够有效避免局部最优解产生的选择算子。针对这一问题提出了改进的选择算子——自适应选择方法。利用改进的自适应选择遗传算法对船用柴油机关键件铣削参数进行了优化,建立了优化过程的数学模型,并通过计算机语言编程实现。分别采用4种选择算子对铣削参数进行优化。对优化结果进行对比分析,所提出的自适应选择算子的计算精确性和有效避免局部最优解的能力表明,该优化方法是科学有效的。     

离散变量优化设计的改进斐波那契遗传算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立离散变量结构优化模型。针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种新的遗传算子——转基因算子，用于对遗传算法的改进；提出一种离散变量结构优化设计的斐波那契算法，并与遗传算法结合在一起解决问题。优化设计结果表明，这种改进斐波那契遗传算法的收敛特性得到很好的改善，即发挥了斐波那契算法省时、局部搜索能力强的特点，又发挥了遗传算法全局性好的特点，是有效的工程结构优化设计方法。