基于遗传算法求解两曲线间最短距离

针对传统算法求解平面两条曲线间最短距离较为困难的问题,提出一种基于遗传算法的求解方法.该方法通过交替求解一条曲线上样本点到另一条曲线上样本点之间最短距离的方式对问题的可行域进行优化搜索.并对传统遗传算法做了两方面的改进,一是根据曲线自身特征分区间选取初始种群,使其能够合理地分布在寻优空间;二是对交叉结果进行跟踪,确保交叉成功后的个体优于父代个体.最终实例验证结果表明,该算法能较好地收敛到此类问题的全局最优解.     

浮点遗传算法中一种新的杂交算子

为了提高浮点遗传算法在优化计算时向最优解收敛的速度, 提出了一种新的遗传算子 :代间差分杂交算子. 通过应用于非线性参数估计的仿真计算, 表明了这种杂交算子的有效性及其相对于普通杂交算子的优点.     

一种新的自由曲面高斯图分解算法

将高斯图分解成单类型区域是进行自由曲面的形状分析与控制研究中把握自由曲面整体形状的关键算法之一。本文提出了一种新的自由曲面高斯图分解算法,该算法通过引入二阶导数改进了现存高斯图外边界计算算法,实现了对高斯全图的最小闭域分割。理论分析及实验结果均表明,该算法不但可行,而且具有更好的鲁棒性。     

一种基于对称调和的遗传算法

提出了一种基于对称调和的遗传算法。此算法根据遗传进程中各个体适应值的变化情况来有选择性地投放对称调和个体,使种群的多样性得到了较好的保持,从而有效地防止了早熟现象的出现。算法采用最优保存策略来保证全局收敛性。对典型优化问题在采用与不采用对称调和策略下进行了对比试验,结果表明对称调和策略的有效运用将大大改进遗传算法的性能。     

用改进遗传算法求取曲面间最小距离

曲面间最小距离的求解，广泛应于复杂曲面零件数控加工的刀具半径选择和干涉处理中，利用遗传算法求解两自由曲面的最小距离，并对标准的遗传算法作了改进，采用竞赛法产生被复制的个体，并且，在新一代群体中加入两个特殊的个体，使得群体始终充满多样性，使算法在较小的种群数目下，能以较快的速度逼近全局最优值，经验证，该方法能求得两曲面间的全局最小距离，且相对于标准的遗传算法，算法的收敛速度及可靠性明显提高。     

基于拟随机序列求解点到自由曲线最短距离

自由曲线因没有已知的解析表达式,轮廓常用离散点表示。在进行计算机辅助几何设计或求解轮廓的形状误差时,无法得到计算点到自由曲线的最短距离。提出用非均匀有理B样条表示自由曲线,应用改进遗传算法重建自由曲线,基于拟随机Halton序列均匀产生数据参数值计算点到重建自由曲线最短距离。实例证实了所提出方法不仅算法简单、计算速度快,而且求得距离能够逼近理论值,精确度非常高,适于在逆向工程及自由曲线轮廓度误差精密评定中推广应用。     

NURBS曲线曲面间最短距离的计算

针对现有的大多数计算几何形状间最短距离的算法都需要进行大量的多边形检测,且有时计算出的最短距离不够精确的问题,提出一种计算NURBS曲线与曲线、曲线与曲面和曲面与曲面间最短距离的算法.首先将2个NURBS形状分解成分段B啨zier表示的2个集合,给出一种计算2个集合的边界包围球的简单快速算法;然后分别在2个集合中选择包含最短距离的B啨zier表示对形成候选集.该算法采用边界包围球和"四点条件"约束提高计算效率,用多维Newton-Raphson迭代计算所有候选对间的局部最短距离,由此求出全局的最短距离.实验结果表明,文中算法具有速度快、精度高和鲁棒性好的特点,可实时计算2个NURBS曲线曲面间的最短距离.     

一种改进的最优保存遗传算法

在已有的研究工作基础上，给出了一种改进的最优保存遗传算法，研究了算法的全局收敛性和收敛速度，并给出了收敛性证明．数值实验表明．该算法能够有效的求解全局优化问题．     

定点距离最优化的遗传算法研究

本文研究了GIS城市道路网中任意两点节之间路径优化问题，提出了解决该问题的求解策略，解释实现该遗传算法的一些关键问题，力求为工程设计人员开发相关算法提供参考。     

一种新的遗传算法求解约束优化问题

采用十进制编码的遗传算法，在进化计算中提出用排序、保留优秀个体、智能变异和随机变异代替以前遗传算法中的选择、交叉和变异，此算法具有简单的计算原因，简化了遗传算法的编程，利用变换后的目标函数构造适配值，能较快的找到最优解，数值实验表明该算法在求解有约束优化问题上表现良好。     

碰撞检测中一种快速计算两物体最短距离的算法

提出了一种新的计算两物体最短距离的方法.通过提取物体特征点集来描述物体的外轮廓特征,对两个物体的特征点集进行计算得到最短距离.理论分析和实验验证表明,该方法可以降低碰撞检测的计算复杂度,提高算法的效率,满足实时性的要求.     

基于改进遗传算法的板坯温度计算

板坯温度跟踪模型的计算温度是加热炉调控炉温的重要依据,精确的板坯计算温度是加热炉燃烧控制模型良好工作的前提。针对现场板坯温度跟踪模型的计算温度与实际温度误差较大的问题,从模型入手,以埋偶实验测得的实际值为依据,对板坯温度跟踪模型的关键参数总括热吸收率进行优化,从而提高模型的计算精度。由于遗传算法在全局优化方面具有较大的优势,因此针对总括热吸收率的特点对遗传算法进行改进,通过全局搜索得到总括热吸收率的最优设定。通过离线模型验证,该方法明显提高了模型的计算精度。     

基于改进型遗传算法的数字电路优化

遗传算法（ Genetic Algorithm,GA）是一种模拟生物界自然选择的智能优化算法,已经被广泛应用到各个领域。文中主要针对传统遗传算法在应用于数字电路优化设计中时所出现的未成熟收敛和收敛速度慢的问题,提出一种新的个体选择方法。该方法将保留最优个体选择方式和改进轮盘赌选择方式相结合,能够在保持种群的多样性的同时有效地提高数字电路优化的精确度。将该算法应用到最小分类网络的设计中,实验结果验证了改进算法的合理性和有效性。     

不等式约束的非线性规划混合遗传算法

针对带不等式约束的非线性规划问题,提出了一个混合遗传算法。该算法分为全局探测和局部开采两个阶段,全局探测阶段是通过在有潜力的小生境内嵌入单纯形搜索,快速确定有前景的区域;而局部开采阶段则是在最有前景的区域进行单纯形搜索。该算法增强了局部搜索能力并同时保持种群的多样性,有效地解决了遗传算法的过早收敛和局部搜索能力弱的问题。典型非线性规划算例验证了混合算法的效率、精度和可靠性。     

改进梯度算子的小生境遗传算法

为避免小生境遗传算法存在的早熟和收敛速度慢等问题,本文提出了一种改进的梯度算子,以保证进化朝最优解方向前进,提高计算峰值的精度。同时,利用进化代数和个体的适应度值,动态调整个体的交叉算子和变异算子,有效保证种群的多样性,改善全局搜索能力,加快收敛速度。将改进的梯度算子引入到基本小生境遗传算法和自适应小生境遗传算法,通过Shubert函数测试,证明本文改进后的算法与基本小生境遗传算法和自适应小生境遗传算法相比,不仅大大提高了收敛速度,并能搜索到所有全局最优解。