改进的遗传算法在同步器优化中的应用

汽车同步器是自动变速器的重要组成部分.对同步器的模拟优化能为同步器的设计生产提供重要的参考.为了获得一个较好的优化效果,提出了一种改进的遗传算法.通过对遗传算法选择过程的标准进行了改进,结合适应度函数与染色体之间差异,形成一种新的适应度函数.该函数同时考虑了选择压力和物种多样性.通过对函数中两个常量的调整,可以使算法在不同情况下可以有不同的偏重.引入两种典型测试函数的分别从高纬度变量和低纬度变量进行试验,分析改进算法中两个影响因子的作用.并与几类遗传算法进行比较,结果表明该改进的遗传算法能更快更稳定的找到较优的解.最后将改进选择策略结合自适应遗传算法对同步器进行优化,证明了该选择策略具有良好的鲁棒性和实效性.     

基于改进遗传算法的计算机网络可靠性优化设计

计算机网络可靠性,是对计算机的性能进行综合性衡量的一项主要的指标,计算机网络的传统化系统具有庞大和复杂性质,同时容易受到众多方面不良因素的严重影响,对系统容易造成不稳定的现象,进而使整个网络面临极大风险.面对这种情况,在针对计算机网络进行设计方案的深入分析的基础上,对计算机网络可靠性的新型优化模型的实际建立以及网络成本的具体链路模型的建立进行结合.有效改进遗传算法的传统化繁殖方式,在对全局的收敛性做到保证的同时,对算法进行流畅性的提高.利用实验以及仿真有效验证了对遗传算法的有效改进使计算机的进一步优化要比模糊神经网络以及神经网络算法的方法有着明显的优势,使计算机网络可用性以及可靠性得到最大化,使网络错误出现率得以降低以及避免,不断优化计算机的一些网络性能.     

基于GA-BP的汽车风振噪声声品质预测模型

目前对于汽车风振噪声的优化研究主要以声压级（Sound pressure level，SPL）作为单一评价指标，既不能全面反映噪声的物理属性，也无法考虑人耳对噪声的主观认知过程。为准确评价风振噪声，引入声品质，运用大涡模拟（Large eddy simulation，LES）对风振噪声进行数值仿真，根据实车道路试验判断仿真的准确性；对仿真结果进行声品质客观评价与主观评价，综合声品质客观评价参数与声品质主观评价试验结果建立BP神经网络预测模型；利用遗传算法（Genetic algorithm，GA），进一步对BP神经网络的结构参数进行优化，建立GA-BP声品质预测模型。研究结果表明，GA-BP声品质预测模型在训练速度和预测精度上都优于BP神经网络预测模型。预测模型基于声品质主客观评价结果，其预测值可以代替传统的声压级评价指标，为风振噪声提供更为准确合理的评价。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

供水系统中水泵调度方法的比较

在大型管网系统中,降低水泵的泵送成本是一个关键性的问题.通过对抽水过程的有效调度,每年可节约10％的能源支出和相关成本.文章建立的典型成本函数涵盖了抽水过程导致的所有支出,包括抽水的电力成本、各时段电价、高峰需求和水泵切换成本.如果蓄水池水位已知,仅使用固定转速泵,基于动态规划的方法在优化调度中是有效的.文中对这几种方法进行了比较,并讨论了哪种方法更适合于这类泵的调度问题.     

基于遗传算法优化滚筒脱水控制参数的研究

本文主要介绍如何通过遗传优化算法进行滚筒脱水参数优化.首先介绍了脱水控制参数的含义,并介绍了风险值、损失值的概念.其次,通过风险值、损失值定义目标因子G.然后,根据经验设定偏心分布位置的概率,和用户使用负载量的概率.最后,通过以上设置对初始控制参数进行遗传迭代优化,最终获得最理佳的控制参数.     

遗传算法优化的线性二次型调节器控制下3-UPS并联机器人稳定性分析

通过对3-UPS并联机器人进行动力学建模与状态空间分析,基于遗传算法(GA)优化的线性二次型调节器(LQR)控制方法对其进行控制仿真,结合多体系统振动理论,并运用MATLAB软件和ADAMS软件联合仿真,分别对该并联机器人在动平台施加外部载荷、定平台施加随机振动,以及动、定平台施加复合干扰3种情况下机器人的末端稳定性进行分析。结果表明:GA优化的LQR控制下,机器人动平台质心振动的衰减时间和振动幅度都明显减小,且共振峰也明显降低,但是高频振动处的减振效果不明显;机器人动平台质心x和y方向的共振频率均保持在5 Hz左右,而z方向的共振频率却有明显的后移现象,逐渐向高频(10 Hz)靠近。该研究为分析并联机器人稳定性与工作精度提供了一定的理论基础。     

Pyrimidine:基于面向对象的遗传算法Python框架

Pyrimidine是开发用于实现遗传算法的通用框架.它也可以实现任何迭代模型,如模拟退火、粒子群算法.它的设计基于面向对象,利用了Python的元编程功能把群体看成个体的容器,又把个体看成染色体的容器,而容器是一个元类,用来构造不同结构的个体类和群体类,因为它是高度面向对象的,所以它容易扩展、改进.     

基于遗传算法和长短记忆神经网络组合模型的加油站销量预测

针对加油站销量波动大且非线性特征明显，使用传统时间序列的预测模型无法满足实际预测需求的情况，提出基于遗传算法（GA）和长短记忆神经网络（LSTM）的销量组合预测模型，在原始数据的基础上加入温度、天气、油价、星期、节假日特征进行辅助预测，对文本类数据使用One-hot编码并使用Embedding降维，采用遗传算法求得LSTM模型的最优超参数来提升模型精度。结果显示：该模型精度保持在90%以上且符合大规模预测需求，能够投入实际应用。