遗传算法基本理论的仿真研究

简单介绍遗传算法的基本理论,并以求解一个多峰函数最大值的最优解为例子,给出基本遗传算法的求解步骤,并借助Matlab进行仿真研究,验证基本遗传算法的求解效果;研究最佳保留机制和移民机制对遗传算法性能的改善,并进行仿真验证。     

三种遗传算法的改进方法与研究

遗传算法是一种基于自然选择和生物进化机制的智能优化算法,由于它具有非常多的优点,所以被广泛应用于各个领域。但是基本的遗传算法(简称GA)也存在着许多的缺点和不足:适用范围没有非常广;遗传算法很容易出现"早熟"收敛,搜索性能不高;遗传算法的时间复杂度往往比较高,而搜索的效率却比较低。本文针对基本遗传算法的陷入局部最优和早熟收敛的缺点,对基本遗传算法提出了三种改进方法:既顺序选择遗传算法、大变异遗传算法和双切点交叉遗传算法,并通过仿真实验验证了这些改进。     

基于遗传算法的飞机大修总装工作流程优化

将遗传算法应用于飞机大修总装工作流程优化中。以完成时间最短为目标,建立总装工作流程优化模型;综合“工序重置法”和罚函数法,满足总装工作中的工序和人员约束条件;采用改进的最优保存策略对基本遗传算法作进一步改进。仿真结果表明,改进的遗传算法的最优解搜索能力较基本遗传算法有明显提高,验证了GA在解决定检离位工作流程优化问题上的适用性。     

基于改进遗传算法的飞机定检人员均衡配置

将遗传算法应用于解决飞机定检人员均衡配置问题中.根据均方差指标建立了人员均衡配王模型;采用候选集合策略处理约束条件,保证每个个体都对应有可行解;采用最优保存策略和基于预选择的小生境实现方法对基本遗传算法进行改进,并使用其求解模型.仿真实例结果表明,改进遗传算法克服了基本遗传算法客易“早熟”的不足,均衡配置后人员工作时间均方差减少65.90％.     

优化的遗传算法在游戏编程中的应用

本文简要介绍了游戏编程中的人工智能问题,基本遗传算法的实现原理及过程,分析了基本遗传算法的不足之处,重点介绍对基本遗传算法三个方面的优化及优化后的遗传算法具体的处理过程.     

遗传算法在图像处理中的应用

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来,由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用,这种算法受到了国内外学者的广泛关注。本文介绍了遗传算法的基本理论,描述了它的主要特点和基本性质;重点综述了遗传算法在数字图像处理中的主要应用,特别是在图像分割和边缘检测、图像压缩、图像恢复、图像匹配、图像增强以及图像重建等方面的作用;探讨了目前遗传算法在图像处理领域中存在的问题及其在今后的发展方向。     

基于改进遗传算法的PID参数优化研究

针对基本遗传算法收敛速度慢和寻优能力不足的问题,提出了一种基于实数编码的改进遗传算法.新算法中,初始种群由空间距离控制使其能够均匀分布于解空间;交叉操作采用等分组的方法,时每组内每两个个体均进行交叉,并择优选择,以扩大搜索空间:变异步长随进化代数自适应调整.将改进后的遗传算法运用于PID控制器参数优化中,通过仿真实验表明,新算法整定效果明显优于基本遗传算法,不仅解决了基本遗传算法存在的缺陷,而且提高了收敛速度与寻优精度.     

遗传算法在人工智能领域中的应用

该文介绍了遗传算法的基本概念、基本遗传算法的特点和基本遗传算法的求解步骤,同时也介绍了遗传算法在机器学习、并行处理、人工生命以及遗传算法与进化规则及进化策略的结合的发展动向,最后讨论了基于遗传算法的人工神经网络学习中的应用研究,具体论述了遗传算法在学习神经网络权重和学习神经网络拓扑结构的应用方法。     

基于改进遗传算法的AGV路径规划

为解决基本遗传算法在规划AGV运行路径时存在早熟收敛的问题,对基本遗传算法进行改进优化。用模拟退火法进行种群选择,提高种群的差异性;改进交叉、变异算子自整定策略和精英策略,提高算法的收敛速度;在适应度函数中加入路径曲折度、路径繁忙度和车辆负重度等多个规划指标,使规划出的路径更符合实际。将优化后的算法与基本遗传算法进行比较,仿真结果表明,改进后算法在AGV路径规划中具有高效性。     

基于分层遗传算法的网格任务调度策略

针对传统的网格任务调度算法存在的缺陷,提出了用分层遗传算法来实现对网格任务调度策略的优化.在构造分层遗传算法时引入了SGA,AGA和CHC算法. SGA采用基本的遗传操作,保证了种群的多样性;AGA对交叉概率和变异概率的动态调整,保证了遗传算法的收敛性;CHC算法强调优良个体的保留,加快了遗传算法的收敛速度;分层遗传算法在吸收了这3种算法优点的基础上进行优化.实验结果表明,分层遗传算法在结果精度和收敛速度上都较其他算法有较大程度的提高.     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

基于嵌套遗传算法的拣货作业联合优化

针对物流配送中心拣货作业过程中传统订单分批和拣货路径分步优化难以获得整体最优解的问题，为了提高拣货作业效率，提出了一种基于嵌套遗传算法的订单分批和路径优化的联合拣货策略。首先，建立了以拣货总时间最短为目标函数的订单分批与拣货路径联合优化模型；然后，考虑双重优化的复杂性，设计了一种嵌套遗传算法对模型进行求解，外层不断优化订单分批结果，内层根据外层订单分批结果优化拣货路径。算例结果表明，与传统的订单分步优化、分批分步优化策略相比，所提策略的拣货时间分别减少了45.6%、6%，基于嵌套遗传算法的联合优化模型得出的拣货路径更短、拣货时间更少。为验证该算法对不同规模订单均有较优性能，分别对10、20、50张订单规模的算例进行仿真实验，结果表明，随着订单量的增加，整体拣货距离和时间进一步减少，拣货时间的减少从6%增加到7.2%。基于嵌套遗传算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题，为配送中心拣选系统的优化提供依据。     

改进的自适应遗传算法求解0/1背包问题

为提高遗传算法求解问题的性能,提出一种改进的自适应遗传算法,该算法在交叉概率和变异概率公式中引入了当代迭代次数因子,提出了基因差别比例（Ca）的概念。Ca越大的基因位发生交叉、变异的概率越大,产生新个体的可能性越大;在模式生成操作中,确定基因位的选取同样由Ca决定。仿真结果表明,此算法在求解0/1背包问题时,其寻优能力有很大提高。     

基于CRQP的多小区OFDMA系统联合资源分配算法

针对OFDMA多小区系统中相邻小区同频干扰下的吞吐量最大化问题,在系统功率的约束条件下,基于协同量子粒子群算法提出一种子载波和功率联合分配的协同随机量子粒子群算法（CRQP）。分别利用粒子群算法独立优化子载波的功率分配,并利用改进的量子遗传算法独立优化用户的子载波分配。在独立优化的同时,通过随机协同策略避免陷入局部最优解,达到全局最优。仿真结果表明,与传统的分步求解算法相比,CRQP算法能获得更多的系统吞吐量和更高的资源利用率。     

灾变式均匀布种遗传算法

遗传算法作为近年来的热点在各个方面都得到了广泛的应用.但是遗传算法有其固有的缺陷,即易早熟,局部寻优能力差.为了改善这两方面的性能,该文从传统遗传算法（SGA）的原理出发,讨论了在初始种群中均匀布种的优越性.在此基础上引入了灾变操作,设计了对这种操作的控制方法.然后对传统的遗传操作（包括交叉操作和变异操作）进行了改进,提高了这两种操作的效率.最后应用C/C＋＋实现了新算法,并对2个著名优化方法测试函数进行优化计算.计算结果证明新算法具有很强的摆脱局部极值的能力和比较快的收敛速度.     

基于遗传算法的HVDC系统控制参数优化

高压直流输电技术以其大容量远距离输电、交流系统之间的异步互联、传输功率快速可控等优点在我国得到了广泛应用,高压直流系统的控制参数直接影响到直流输电系统的运行特性,因此对高压直流系统控制参数的优化显得尤为重要。本文以传统高压直流系统为研究对象,以MATLAB/SIMULINK为仿真平台,基于采用简单记忆法策略,即在每代寻优结束后,将最优个体保留在适应度最低的个体的位置方法对传统遗传算法进行改进,并采用改进后的遗传算法对高压直流控制参数进行优化。应用MATLAB将遗传算法和高压直流系统模型相结合进行仿真,通过多次迭代得到优化的控制器参数。同时,将优化后的控制器参数与原始参数的鲁棒性进行比较,证明了控制器参数优化的必要性以及遗传算法优化控制器参数的可行性和优越性。     

并行遗传算法在汽车悬架系统参数优化设计中的应用研究

汽车悬架系统是一种典型的复杂多体动力学系统。目前国内外对其进行优化设计的方法从大的方面主要分为两种：确定性优化方法和随机性优化方法。遗传算法作为一种典型的随机性方法,在处理此类问题时显示出了良好的特性。但是随着问题规模的不断扩大,传统遗传算法的计算效率已无法满足要求。本文将并行遗传算法应用于汽车悬架系统参数优化设计,并在集群系统上对其进行了测试。计算效率得到了很大提高,取得了满意效果。     

遗传算法的改进及其工程应用研究

控制器参数的优劣对工业控制器的性能影响较大,参数寻优也是当前智能算法的主要研究的方向之一。遗传算法因其优良的寻优能力得到了广泛的发展,但其本身尚存在诸多问题有待改进。针对传统遗传算法种群多样性较差、优化过程中易过早收敛的缺点,在传统遗传算法的基础上提出并加入了一种种群精简优化算法,提高了寻优精度。将该算法应用于工业转炉汽包液位控制系统参数寻优,提高了液位控制精度。     

变焦遗传算法优化变增益模糊ARX模型研究

针对传统ARX模型对非线性系统模型辨识精度比较低的问题,进行了模糊模型和ARX模型相关优化算法的调查,介绍了遗传算法优化模糊模型的现状,提出采用改进变焦遗传算法优化变增益模糊ARX模型参数的方法以提高模型的辨识精度。改进的变焦遗传算法能在不同前代种群情况下更新不同数量基因,以提高搜索速度;用不同的概率选择交叉位置,可避免早熟现象,并能在较短时间内达到最优或次优解。变增益模糊ARX模型可根据非线性系统的变化改变其增益,使模型的辨识精度提高。利用改进变焦遗传算法的优点,对变增益模糊ARX模型的参数进行优化,并通过两入两出多时滞离散非线性系统进行试验仿真。试验结果证明了改进变焦遗传算法优化变增益模糊ARX模型参数的方法能提高模型辨识精度,表明了提出的优化方法的有效性,为变焦遗传算法与模糊模型的结合提供了一种途径。     

Structure-specified IIR filter and control design using real structured genetic algorithm

This paper develops an innovative optimization method, real structured genetic algorithm (RSGA), which combines the advantages of traditional real genetic algorithm (RGA) with structured genetic algorithm (SGA), and applies it for digital filter and control design optimization problems. For infinite impulse response (IIR) filter designs, the proposed approach fulfills all types of filters by minimizing the order of the filter and the absolute error of both passband and stopband. Both system structure and parametric variables are simultaneously optimized via the proposed chromosome scheme. The approach has also been extended to deal with robust control design problems. The approach offers an effective method for designing an optimal controller with robust stability. Simulation and experimental results conveys the excellence of the proposed algorithm over traditional approaches in convergence speed, performance, cost effectiveness, and attains simpler structure.