基于改进遗传算法的函数优化及其性能分析

工程应用中,常涉及到最优化问题.对很多问题进行数学建模后,都可以抽象为一个数值函数的优化问题.实践表明,遗传算法求解最优化问题的计算效率很高.提出了一种对简单遗传算法的编码方式、选择算子、交叉算子及变异算子都进行改进的算法,仿真试验表明,改进算法的函数优化计算在搜索效率和收敛速度方面都有很大提高.     

机器人逆运动学的模拟退火自适应遗传算法

对5自由度关节型机器人的运动特点进行分析,并建立该机构的运动模型.在基本遗传算法的基础上,针对求解串联机器人运动学逆解的特殊性,为了消除遗传算法易陷入局部最优或早熟问题,提出一种新颖的改进遗传算法,采用模拟退火和自适应策略,保证其收敛性并加快收敛速度.仿真结果表明,该算法求解精度高,收敛速度快,且稳定性好.     

应用改进遗传算法优化航空发动机转速控制系统的仿真研究

本文以CFM56系列航空发动机系统的转速控制器作为研究对象,使用笔者设计的具有自适应缩放功能的改进遗传算法对其控制器进行了优化设计,并使用MATLAB软件进行了动态性能的仿真实验,结果表明采用该算法确能达到优化系统动态性能的效果.     

基于改进遗传算法的蜗杆传动多目标优化设计

以蜗轮齿冠体积最小、传动效率最高和中心距最小为目标,在保证蜗轮和蜗杆满足承载、强度及其它要求的前提下建立蜗杆传动多目标优化设计的数学模型,并运用实数编码策略、联赛选择机制及通过动态调整交叉概率和变异概率,引入自适应算子对标准遗传算法进行改进,利用改进后的遗传算法对该问题进行了优化设计.整个求解过程和结果表明,该方法具有较好的实用价值,是一种值得推荐的设计方法.     

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.     

基于遗传算法的多目标设施定位方法

提出了一种基于遗传算法的多目标设施定位方法。设计了一种新的整数和浮点数结合的编码方式;通过列举法使得每代个体满足约束条件,避免了罚函数的使用;可调整的双参数变异算子使进化过程能够较好地跳出局部最优解;应用基于Pareto排序的适应值分配方式得到目标函数的非劣解集,为决策者提供了多种选择方式。仿真实验说明了该方法的有效性。     

基于模拟退火遗传算法的拆卸路径规划

针对现存拆卸路径规划图论方法中的组合爆炸问题和遗传算法的早熟现象,给出模拟退火和遗传算法相结合的拆卸路径规划方法.在拆卸路径规划模型中,以拆卸效率最优作为优化目标,给出了算法流程.该算法对拆卸路径的全面寻优提供了一种新的思路.通过实例验证该算法的可行性,最后提出了进一步的研究方向.     

基于混合遗传算法的MTSP问题研究

为了得到多旅行商问题的优化路线,提出一种基于实数编码的混合遗传算法.即先建立数学模型,将多旅行商问题转化为单旅行商问题,然后详细介绍了混合遗传算法设计过程,同时对该算法进行了收敛性分析与仿真试验.结果表明基于实数编码的混合遗传算法是一种有效的多旅行商问题求解方法,该算法能以较大的概率获得全局最优解.     

基于自适应遗传算法的虚拟企业合作伙伴选择

针对均衡分配生产任务与合理选择合作伙伴问题,应用自适应遗传算法进行计算求解.根据低效候选企业的概念,对解的空间进行了缩减以降低计算复杂度;建立了以生产负荷率为主要变量的适应度函数,通过算例分析以验证算法的可行性;应用标准遗传算法以及枚举法作对比验证,表明建立的模型和方法可以获得满意的解.该方法有助于提高制造企业的资源利用率.     

使用PSO寻优的遗传算法在配网重构中的应用

配电网具有闭环设计、开环运行的特点.提出了一种新的使用PSO加速寻优的遗传算法用于配电网重构,以减少网损.在重构优化过程中,采用了高频变异和消亡算子,能有效维持种群的多样性,避免算法早熟收敛.同时利用PSO更新个体的速度和位置,提高了收敛速度.对69节点系统重构,研究结果表明提出的算法具有较高的计算效率.     

基于COM的先进控制算法在力控中的应用

针对目前组态软件ForceControl缺乏先进控制算法的情况,提出了一种为组态软件扩充先进控制算法的方法。用Matlab Deploytool生成先进控制算法的COM组件并在系统中注册该组件,在Visual C＋＋ 6．0中开发调用算法组件的ActiveX控件。将控件嵌入到组态软件ForceControi中,为其扩展模糊自适应PID控制器功能。仿真实验证明了该方法的可行性,且过程简单、成本低,充分利用了VC＋＋6．0和Matlab的优点,提高了工业过程的控制精度。     

用遗传算法解无功优化问题的研究

传统的遗传算法解无功优化问题,存在着随机性大、过早收敛而陷入局部最优、计算复杂等缺点。本文在原有的遗传算法基础上提出了基因库和基因重组两个新的概念,对算法进行了改进。在每一次进化过程中不是优化某个个体而是对基因库进行优化,进化一次之后重新进行基因重组生成新的父代。本文对IEEE-14标准网络进行算例分析,结果优于传统遗传算法,真实有效。     

基于递阶遗传算法优化神经网络的研究

基于递阶结构的遗传算法可以同时对神经网络进行拓扑结构优化和权重的求解,具有较高的学习效率。针对HGA在优化神经网络过程中的一些参数,如适应度函数、交叉概率和变异概率等做了一些研究,并且比较HGA与一般遗传算法、BP算法的区别,把HGA和BP2种算法结合起来优化神经网络,最后给出仿真实例。     

基于遗传-蚁群算法的矩形排料研究

针对矩形件排料问题,将遗传算法与蚁群算法进行融合,提出新的遗传-蚁群算法,并提出了最佳融合时机,最后给出实例证实了遗传-蚁群算法在解决矩形排料问题上的有效性.     

基于遗传算法的批量 Flow-shop调度问题研究

结合实际情况,对批量Flow—shop调度问题进行了研究,给出批量Flow—shop调度问题的建模,根据不同的移动方式。给出工件在各机床上的起始加工时间的确定方法,并提出一种融入启发式规则的遗传算法进行问题的最后求解。最后的实例证明了提出的算法求解批量Flow—shop调度问题的有效性。     

遗传算法在求解函数优化问题中的应用研究

介绍了遗传算法是一种借鉴生物界自然选择和优化机制发展起来的高度并行、随机、自适应搜索算法,阐述了在遗传算法的诸多应用中,函数优化是最显而易见的应用,分析了遗传算法的运行机理,并在Matlab环境中实现了用遗传算法求解函数优化的问题.     

遗传算法在故障特征选择中的应用研究

Feature selection is an important step in fault diagnosis owing to its considerable reduction in redundant features to enhance the effect of diagnosis. In view of the deficiencies of traditional combination optimization method, a new method based on genetic algorithm is proposed in the paper. According to the results of computer simulation and practical diagnosis example, it is proved that this method possess excellent parallelism and optimization property.     

遗传算法在试题组卷中的应用

组卷问题是一种多重约束目标的求解问题,为此设计了一个求解该问题的遗传算法,提出了独立编码和针对该编码的组内交叉算子和组内变异算子.     

遗传算法在电流变传动系统建模中的应用

在双圆盘电流变传动系统的建模过程中,通过在常用于系统识别的神经网络BP算法中加入基于生命进化原理的遗传算法改变神经算法的物理意义和性能。建模过程和结果表明,此种方法不仅能改进BP算法的效率,并且,两种算法的结合使算法本身具有了一定的物理意义,而这种意义是由电流变液的记忆功能所确定的。