基于遗传算法的两级轮边减速器可靠性优化

在保证双级行星齿轮传动系统可靠性的前提下,尽可能使轮边减速器得到最小体积.利用多目标改进的遗传算法进行优化设计.使用iSIGHT软件遗传算法工具箱对其进行了优化计算.对多目标遗传算法的改进进行了研究.改进了遗传编码,选择算子,局部的搜索过程等.与行星齿轮系统的普通优化相比,因遗传算法不要求目标函数连续可微,并通过改进形成了局部贪婪性搜索过程,增强了遗传算法的局部搜索能力.因此比普通优化结果提高了13.3%,并且这一结果已经在工程应用中得到了证实.同时也验证了改进的遗传算法对解决多目标优化问题的可行性和优越性.     

遗传算法的研究和改进

从原理及应用2个方面对遗传算法、蚁群算法、混洗蛙跳算法做了对比分析.针对遗传算法的不足之处,提出了相应的改进方法,并对改进后的遗传算法和经典的遗传算法做了应用比较.结果表明,改进后的遗传算法不仅提高了其收敛概率和收敛速度,而且具有更强的全局搜索能力,适用于求解复杂多峰值函数优化问题.     

一种改进的遗传算法及其应用

遗传算法由于其隐合并行性和全局搜索特性,使其具有其他常规优化算法无法拥有的优点.然而,标准遗传算法存在着收敛速度慢、易"早熟"等缺陷.针对应用标准遗传算法时所存在的局限性,从适应值、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法的改进设计.这种改进的遗传算法可进一步改善算法的搜索能力、搜索效率和收敛性能.最后以(N M)客错系统的优化模型作为优化目标,得到了费用模型的最优解.计算结果验证了算法的有效性和正确性.     

基于遗传算法的陶瓷配方优化设计

为优化陶瓷配方,以绝对误差为目标函数建立了陶瓷配方优化模型,并采用标准遗传算法进行了配方设计.针对标准遗传算法中出现的早熟、运行效率低等问题,从种群设定、编码方式、操作算子等方面对算法进行了改进.经100次的配方实验表明,改进遗传算法配方精度的绝对误差仅约为0.1,显著优于标准遗传算法.     

改进生物地理学优化算法在配电网无功优化中的应用

针对生物地理学算法(BBO)信息利用能力强但搜索能力不强的问题,提出了一种结合遗传算法改进变异操作的算法.改进算法充分利用了遗传算法的搜索能力,使算法的寻优能力得到了很大的改善.将该算法应用于IEEE34节点的系统,采用分区的方法进行无功补偿优化.算例表明:与基本BBO算法、遗传算法的无功优化相比,改进算法在计算速度和优化效果方面都具有明显的优势.     

建筑结构优化设计的改进进退遗传算法

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、局部搜索能力差和迭代过程缓慢等缺点.提出一种离散变量结构优化设计的进退搜索算法与遗传算法结合在一起解决问题;并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.结果表明,这种改进退遗传算法即发挥了进退搜索算法省时、高效、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;采用的改进措施效果明显,其收敛特性得到很好的改善.该算法是高效的理想工程结构优化设计方法.     

遗传算法改进研究

遗传算法是一种比较成熟的智能算法,一般通过改进遗传算法的算子达到提高算法性能的目的.本文提出一种改进的遗传算法,新的遗传算法对标准的遗传算法中的编码、适应度函数等方面对遗传算法进行了改进,并通过Visual C++软件编程计算,得到了较好的优化结果,实验结果表明提出的算法是有效的.     

改进遗传算法在燃气管网布局优化中的应用

燃气管网布局优化对整个系统经济性起着重要作用.以树状燃气管网为研究对象,以管线总长度最短为优化目标建立数学模型,设计了基于遗传思想的燃气管网优化布局的搜索过程.并对基本遗传算法进行改进,设计了单亲交叉算子、倒位算子以及相应的适应度函数.应用改进的遗传算法进行树状管网布局优化能够得到一组最优或次优的布局形式.计算表明,与传统方法相比,遗传算法具有很大的优越性和实用价值.     

基于爬山算子和适应值共享的改进遗传算法

提出了一种基于爬山算子和适应值共享的改进遗传算法,将局部搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.爬山算子以黄金分割法为基础,依次对个体每一维进行优化.数值实验证明,改进后的新算法优于当前一些较好的遗传算法.新算法既有较快的收敛速度,又能以较大概率搜索到优化问题的全局最优解.     

自适应遗传算法在建筑结构优化中的应用

遗传算法易搜索到全局最优解，但局部寻优能力差且易发生早熟、随机漫游现象. 基于对本文所采用的基本遗传算法的原理和实施过程介绍的基础上，针对其缺陷提出改进措施：利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群；采用最优个体储存、最差个体替换策略. 在改进遗传算法的基础上，又引入自适应的交叉、变异概率公式，幅度系数调节交叉率、变异率形成自适应遗传算法. 通过十五杆平面桁架的数值算例，自适应遗传算法的优化结果、优化进程与基本遗传算法、改进遗传算法进行了对比，验证自适应遗传算法的优越性能.