多约束条件下路由选择算法研究

采用遗传算法和蚁群算法相结合的融合算法，继承了遗传算法和蚁群算法的优点，在求精解效率上优于遗传算法，在时间效率上优于蚁群算法，能很好地实现多约束条件的最优路径计算，测试证明融合算法优化性能和时间性能都取得了很好的效果。     

基于改进的遗传算法航班进港排序模型研究

根据不同飞机间尾流间隔建立了以航班总延误时间为目标函数的排序模型,提出了基于精英策略下“截断＋锦标赛”的复合选择算子、均匀交叉算子等策略的遗传算法,并按自适应的交叉、变异概率计算和十进制直观编码方式对其进行了改进。基于这种改进的遗传算法,仿真模拟得到进港航班总延误时间为1571s,比先到先服务方法（FCFs算法）和传统的遗传算法得到的总延误时间分别减少了465s和187s。说明该改进方法能明显提高求解性能,减少航班延误时间。     

遗传算法在混沌时间序列预测中的应用研究*

在混沌时间序列研究中,相空间重构和预测模型参数优化是影响预测性能的关键步骤,利用两者之间的相互联系来提高混沌时间序列预测模型的整体性能,提出一种基于遗传算法的混沌时间序列参数同步优化方法。同步优化方法将相空间重构和最小二乘支持向量机参数作为遗传算法的染色体,预测精度作为遗传算法的适应度函数值,通过遗传算法对参数同步优化问题进行求解。通过混沌时间数据对同步优化方法进行了验证性实验。实验结果表明,相对于单独参数优化方法,同步优化方法不仅提高了混沌时间序列的预测精度,同时降低了计算时间的复杂度。     

基于改进遗传算法的PID参数寻优与控制器设计

相比传统的调节方法,遗传算法具有更好的鲁棒性、最优性,能较好的实现参数的自动化调节。对标准遗传算法（SGA）进行了分析、研究,并在SGA的基础上进行了改进。改进的遗传算法从提高全局搜索性能和加快收敛速度出发,提出了改进的选择算子、交叉算子和变异算子,仿真结果表明,改进的遗传算法的全局搜索性能和收敛速度远远优于标准遗传算法。     

基于软计算思想解决含干扰输入多值异或问题的研究

介绍一种解决含干扰输入多值异或问题的方法。该方法利用遗传算法寻找神经网络结构,使用模糊逻辑控制神经网络的学习率和冲量,并用传播算法训练得到神经网络。结果显示,这种方法能针对问题得到泛化性能、时间复杂度上表现都较为优秀的网络。     

云环境下基于模板遗传算法的任务调度方法

云任务调度是云计算研究的一个热点。云任务调度方法的好坏直接影响云平台的整体性能。提出一种基于模板遗传算法(TBGA)的任务调度方法。首先,根据处理机的运算速度和带宽等条件,计算出每个处理机应分配的任务量模板大小;然后,根据模板大小将任务集合中的任务划分为多个子集合;最后,利用遗传算法将集合中的任务分配到对应的处理机。实验证明通过此方法能得到总任务完成时间较短的调度结果。通过仿真实验将TBGA算法与Min-Min算法和遗传算法(GA)进行比较,实验结果表明,TBGA算法与Min-Min算法相比任务集合完成时间降低了20%左右,与遗传算法相比任务集合完成时间降低了30%左右,是一种有效的任务调度算法。     

基于改进遗传算法的环形倒立摆PID参数整定

针对传统的环形倒立摆PID控制器参数整定方法主观性强,系统响应性能不佳等问题,提出来了一种基于改进遗传算法的环形倒立摆PID参数整定方法.采用仿真研究方法,比较了试凑法、遗传算法和改进遗传算法求取的PID控制器参数对环形倒立摆的控制效果.实验表明,相比于试凑法,遗传算法得到的PID控制器参数使系统的超调量减小、调节时间缩短;改进的遗传算法得到的PID控制器参数使系统的响应性能进一步优化.改进遗传算法求取PID控制器参数的方法对于环形倒立摆以外的控制系统也有借鉴作用.     

采用三维自适应遗传算法的高校排课问题研究

根据教师、学生、课程、教室和时间要求建立多约束数学模型,并结合遗传算法特点,对其各个步骤进行了改进,提出了基于三维自适应遗传算法的排课方法。实验结果表明,与传统排课方法相比,基于三维自适应遗传算法的排课方法能有效降低课程之间的冲突率,提高排课效率和成功率。     

遗传算子的分析

阐述了遗传算法的特点,分析了遗传算法中选择算子、交叉算子和变异算子的特性,讨论了不同遗传算子对算法最优结果的获得所起的作用,提出了改善算法性能的措施,并设计了切实可行的选择算子、交叉算子和变异算子。模拟结果表明,遗传算法能在较短的时间内提供优化解,为解决复杂的优化问题提供了可行方案。     

一种基于改进遗传算法的图着色算法

针对基于行结构的整数编码遗传算法在求解图着色问题时存在的2个主要问题：编码冗余引起的性能下降和遗传算法易“早熟”陷入局部最优,本文给出一种新的适应度值计算函数,能够使遗传算法对冗余编码获得相同的适应度值,从而将冗余编码作为同一编码处理,减少对冗余编码的无效操作,并且在此基础上,设计与适应度函数相适应的遗传算子,这些算子一方面能使遗传算法在前期产生优秀个体并且维护优秀个体对种群进化的引导作用,加速遗传算法的收敛;另一方面能在遗传算法后期对优秀个体进行爬山优化,弱化优秀个体对种群进化的控制作用,使遗传算法能够收敛到全局最优解。实验结果表明,本文的算法能够准确解决图的点着色问题,并且在时间性能上要优于穷举法和基本遗传算法。      

改进GA的直流锅炉主汽温控制器参数优化研究

针对直流锅炉主汽温控制存在的大惯性、大延迟、时变性等问题,提出了带遗传算法(GA)优化的PID串级控制方法。采用了控制器分级多目标优化的改进方法,并利用遗传算法对串级PID参数进行实时动态优化,以适应主汽温对象的时变特性。针对基本的遗传算法进行改进,从而改善其运算量大且易早熟的缺点,提出了排序选择、自适应交叉和变异概率、压缩搜索空间等多种改进方法。仿真实验表明,所提出的方法能很好地改善系统的控制性能,有效提高控制系统的鲁棒性。     

基于改进的遗传算法实现电网电压无功实时控制

在利用遗传算法求解电力系统电压与无功的优化控制中，文章在遗传算法的基础上，针对计算过慢的缺点，提出了多种改进算法，提高解算速度，以实现实时的电压无功控制，通过了IEEE14节点测试系统的验证，并实际应用于贵阳地区电网，为调度运行部门提供实时的科学调控依据。     

实时以太网系统中控制与通信的协同调度方法

为了提高实时以太网系统的运行效率和通信实时性,在EPA（Ethernet for Plant Automation）确定性通信调度的基础上,提出了控制与通信的协同调度方法。该方法将EPA设备的通信宏周期划分成通信时间片和控制时间片,在系统中设置定时器,在通信时间片或控制时间片到达时,由定时器引发中断,在执行中断处理程序时获取当前时间,根据当前时间位于通信时间片内或控制时间片内来分别执行通信任务或控制任务。实验结果表明,该方法能够有效避免功能块的无效执行和数据的无效传输,提高系统的运行效率和通信实时性能。     

冷热电联供系统多目标运行优化

冷热电联供系统能够提高能源利用率和减少碳排放,是解决能源和环境危机的重要途径.本文提出了冷热电联供系统多目标优化运行方法,以运行成本日节约率、一次能源日节约率、CO2日减排率综合最优为目标,利用遗传算法求解,得到关键设备的逐时出力计划,并以此为基础,设计了由MATLAB和LABVIEW构成的运行优化器.最后本文基于TRNSYS与LABVIEW搭建了冷热电联供系统(CCHP)软硬件混合实时仿真系统,验证了运行优化器的有效性,结果表明本文提出的优化运行方法较传统运行模式,可有效提高冷热电联供系统的经济性、节能性和环保性.     

采用遗传优化自适应模糊PID控制球杆系统

为解决球杆系统动态、静态性能不高的问题,提出了遗传算法优化自适应模糊PID控制器的控制方法.该模型在拉格朗日方程建立球杆系统数学模型的基础上,采用遗传算法优化模糊控制规则、隶属函数和自适应PID参数.在GBB1004系统中建立了遗传算法优化后的自适应模糊PID控制器以及控制模型,并对该控制器进行实验验证.实验结果证明了遗传算法优化后的模糊控制器有效地减小了系统的超调量,缩短了系统的调节时间,能够较好地控制球杆系统.     

基于FPGA的高速采样缓存系统的设计与实现

为了提高高速数据采集系统的实时性,提出一种基于FPGA+DSP的嵌入式通用硬件结构。在该结构中,利用FPGA设计一种新型的高速采样缓存器作为高速A/D和高性能DSP之间数据通道,实现高速数据流的分流和降速。高速采样缓存器采用QuartusⅡ9.0 软件提供的软核双时钟FIFO构成乒乓操作结构,在DSP的外部存储器接口(EMIFA)接口的控制下,完成高速A/D的数据流的写入和读出。测试结果表明：在读写时钟相差较大的情况下,高速采样缓存器可以节省读取A/D采样数据时间,为DSP提供充足的信号处理时间,提高了整个系统的实时性能。     

基于改进的遗传算法的有刷直流电机PID参数整定

针对有刷直流（DC）电机的比例积分微分（PID）参数整定工作复杂耗时的问题,提出了一种基于改进型遗传算法（GA）的PID参数整定方法。首先,提出了适应度增强淘汰法则,改进了传统GA的选择过程;然后,提出了基因感染交叉方法,保证了进化过程中平均适应度值的增加;最后,删除了传统GA中不必要的复制操作,提升了算法的运行速度。通过电机传递函数进行建模和仿真分析。实验结果表明,与常规整定方法相比,所提改进型GA能够显著提升PID参数整定效果,且改进型GA相较于传统GA,达到同样进化效果所需的进化代数减少了79%,算法运行速度提升了4.1%。所提出的改进型GA从选择和交叉两个关键操作步骤对GA进行了改进,并应用于PID参数整定使得上升时间更少、稳定时间更短、过冲更小。     

基于DSP+FPGA的遗传算法硬件实现

本文针对软件实现遗传算法速度慢的缺点，提出了一种在DSP和FPGA系统中的用硬件实现遗传算法的方法，并利用组合优化学中的旅行商问题对算法的实现进行效果验证。实际效果显示，这种硬件实现方法，不仅结构简单，而且大大提高了算法的运算速度．为算法在实时、高速场合的应用打下基础。     

基于遗传优化的张力模糊控制

针对张力系统实时性的要求, 同时为了保证控制系统可靠性, 提出了在线和离线遗传优化的张力系统模糊控制方法. 首先, 离线部分采用遗传算法优化输入输出量的隶属度函数, 获得控制量输出表, 供在线调用. 然后, 在线部分采用超代遗传算法(HGGA)优化输入量化因子和输出比例因子, 缩短算法运行时间, 加快收敛速度. 同时为了补偿系统的时滞, 调整了被调量的当前误差和误差变化率. 最后在张力平台上验证了上述算法. 结果表明, 上述控制方法实现了张力实时控制.     

基于工业以太网的实时控制性能分析

以太网应用于工业网络控制系统是控制网络的发展方向，但它采用的CSMA/CD媒体访问机理，对于一些时间要求严格的控制过程会造成响应时间的不确定性。在工业网络中采用交换以太网可以消除传统共享以太网中存在的网络操作的不确定性，从而有效提高网络控制系统的控制性能。该文从理论上分析并计算工业以太网的最大通信延时，通过伺服二阶PID数字网络控制系统实例，定量分析网络协议和网络负载对网络控制性能参数的影响，为网络控制系统的设计提供了理论分析依据。