基于内嵌基因表达式编程的函数优化

基因表达式编程(GEP)算法在解码时常存在未表达的基因内区,在解决函数优化问题时存在缺陷,使得对简单函数的优化性能不如遗传算法(GA),而对复杂函数优化收敛速度较慢.为了改善基因表达效率和提高优化性能,做了下到工作:提出了新的基因解码方法,形成了内嵌基因表达式编程算法EGEP;设计了适合优化问题的个体编码方案;分析了个体的表达空间.实验表明,EGEP对简单函数优化的性能优于传统遗传算法;EGEP提高了对复杂函数的优化能力,即使在运行辈数降低200倍时,得到的性能仍然优于传统GEP和遗传算法.     

非线性互补问题的罚函数法

将非线性互补问题转化为带约束的优化问题，在已有的利用罚函数方法求解约束化优化问题的基础上，提出了利用惩罚函数方法来求解非线性互补问题的算法。并利用惩罚函数的单调性质证明了算法的全局收敛性。最后得出的数值试验表明了算法良好的适定性和强收敛性质。     

一类非光滑优化的区间填充函数法

利用区间优化方法对非线性函数比较容易处理及算法的可靠性、收敛性均有保证的特点，用区间方法讨论了目标函数是弱半光滑的最小化问题．给出了填充函数的区间扩张，并提出了求解该非光滑优化问题的区间填充函数算法．定理表明该算法是收敛的、有效的．     

非线性等式约束离散minimax问题的区间极大熵算法

研究了求解非线性等式约束离散mimimax问题的区间算法，其中目标函数和约束函数都是C^1类函数．利用极大熵函数和罚函数将问题转化为无约束可微优化问题，借助广义Krawczyk—Hansen算子建立了约束函数的区间迭代；讨论了极大熵函数和罚函数的区间扩张，证明了收敛性等性质，给出了无解区域删除原则，建立了区间极大熵算法．大量数值算例表明该算法是可靠和有效的．     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

非线性等式约束全局优化问题的区间算法

研究非线性等式约束全局优化问题，其中目标函数和约束函数为C^1类函数，针对非线性等式约束函数，定义了广义Krawczyk算子，建立了约束函数的区间迭代和新的无解区域删除原则，在此基础上，基于罚函数法和区域二分原则，构造了求解非线性等式约束全局优化问题的区间算法，理论分析和实例计算均表明算法是可靠和有效的，且该算法保证求出问题的整体解。     

非线形互补问题的障碍函数法

将非线形互补问题转化为约束的优化问题，在已经的利用内点障碍函数方法求解约束优化问题的基础上，提出了利用障碍函数方法求解非线形互补问题的采用序列无约束最小化方法（SUMT）的算法，并利用障碍函数的单调性证明了算法的全局收敛性．最后得出的数值试验表明了算法具有良好的适宜性和强收敛性．     

一种求解多峰函数优化问题的新算法

一般的演化算法求解多峰函数优化问题采用笼统的评估机制,盲目评估现象明显,文章提出了求解多峰函数优化问题的一种新的演化算法,较好地避免了这种盲目现象,且有效地提高了算法的全局收敛性能。     

求解具0—1变量的二级决策问题的基因优化方法

在一类具０－１变量的二级决策问题的基础上,应用罚函数理论将其转化为非线性单级优化问题,研究了求解该问题的基因优化方法。示例仿真表明,该算法是有效的。     

一种解决函数优化问题的免疫算法

介绍了免疫算法的基本概念，以及人工免疫系统中的克隆选择原理，基于该原理，结合遗传策略中的高斯变异算子，提出一种免疫算法来解决函数优化问题。给出了算法的描述，数值实验中选择了几个函数进行优化，并将实验数据结果与传统的遗传算法进行了比较。数据实验结果表明，该免疫算法能够寻找到更优的优化结果，并且在收敛速度上明显优于传统的遗传算法。     

基于MATLAB的盘式制动器优化设计

以汽车钳式制动器的制动盘与制动块为研究对象,以制动器制动温升最低和制动力矩最大为目标函数,建立了制动器优化函数,并运用遗传算法进行优化分析。介绍了MATLAB遗传算法优化方法,并进行实例分析。盘式制动器优化结果表明采用遗传算法,优化效果明显,实现方法简单。     

基于模拟退火遗传算法的功率域DOA估计

针对非均匀高斯白噪声背景,提出一种基于模拟退火遗传算法的功率域最小二乘波达方向（DOA）估计器。首先,介绍了阵列单通道下的信号模型。其次,给出了最小二乘意义下的功率域DOA估计优化目标函数,继而以此为适应度函数,将模拟退火算法引入基本遗传算法得到一种改进的遗传算法,对其进行全局优化,其估计精度优于基本遗传算法。最后,通过仿真结果验证了本文算法的有效性。     

二进制遗传算法和八进制遗传算法的函数优化结果比较

研究了遗传算法在寻找函数最优值方面的应用,比较分析了二进制遗传算法和八进制算法的函数优化结果。计算机仿真的结果表明二进制编程遗传算法在函数优化中要优于八进制编码遗传算法。     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

Welding sequences optimization of box structure based on genetic algorithm method

The effect of the welding sequences is one of theimportant factors in welded structures since it can influ-ence on welding temperature field and welding residualstress and distortion. So optimization of the welding se-quence is required in welding procedure for high qualitywelded structures. The optimization of the welding se-quences is usually determined by experiment and expe-rience[1]. Butfor the complexor newwelded structure,since the numbers of welding sequence increases expo-nentially wi…     

遗传算法在求解时间表问题中的应用研究

时间表问题（TTP）是一类特殊的资源调度问题，属于NP完全问题．排课问题是时间表问题的一个实例，属于多目标优化问题，本文给出了其数学模型．由于遗传算法具有良好的全局搜索能力，在优化问题中有着广泛的应用．本文根据排课问题的特点对普通遗传算法作了改进，设计了一种新的染色体编码方法，通过线性加权法将各目标优化函数进行整合转化成为单目标优化问题，并将此作为遗传算法的适应度函数．最后给出了一个计算实例，用MATLAB进行了仿真，算法最终收敛到稳定状态，所得的结果能够满足要求．     

基于小生境遗传算法的离散变量结构优化设计

小生境技术的引入,提高了遗传算法处理多峰函数优化问题的能力。提出了基于隔离机制的自适应小生境技术,隔离小生境技术具有生物学基础,不仅能够有效地保证群体中解的多样性,而且具有很强的引导进化能力,针对简单遗传算法中的交叉与变异概率等不能动态地适应整个寻优过程,提出采用根据适应度调整交叉、变异概率并与小生境技术相结合的改进遗传算法。算例表明,该遗传算法对桁架结构的布局进行优化设计比较容易实现,简单、有效,可以产生很好的效益。     

基于遗传算法的排课设计

阐述了遗传算法在课表生成过程中的应用。介绍了针对排课问题,遗传算法所涉及的编码方案,采用了布尔矩阵形式来实现、适应度函数的确定,主要涉及节次优度和周次组合优度这2个参数、和遗传操作的3种操作方法的实现过程。     

联合Wilson方法与遗传算法的水平轴风力机叶片优化设计

考虑到风力机叶片设计中的Wilson方法的有效性,以及遗传算法的全局最优性,以Wilson优化方法所得到的扭角线性修正值作为遗传算法优化过程中的输入量,对叶片弦长重新搜索寻优。通过比较Wilson优化方法、遗传算法优化方法和联合优化设计方法,分别得到叶片的气动外形数据和气动性能的计算结果。结果验证了联合优化设计方法的优越性,比单独使用Wilson方法或遗传算法所得到的叶片优化结果更好。     

离散变量结构优化的改进组合型遗传算法

对离散组合型法进行改进,提出了一种新的初始点产生办法,提高了离散组合型法的局部寻优能力.把离散组合型算法作为组合型操作算子融合到遗传算法中,构造一种新的离散变量结构优化算法-组合型遗传算法.运用模拟退火技术构造惩罚函数来改造适值函数,使算法更稳定地收敛于全局可行最优解.与基本遗传算法和组合型算法的计算结果比较证明,改进的组合型遗传算法具有局部搜索快和全局性好的双重特点,是可行且有效的离散变量结构优化设计方法.