基于遗传算法的散热器优化设计

 根据电子设备散热装置缩小体积和增强散热性能的设计要求，分析散热器在强迫风冷条件下的散热性能优化问题。建立了热阻优化目标函数，采用遗传算法对强迫风冷情况下的散热器进行优化设计，计算出散热器的优化尺寸和优化前后的热阻，优化结果表明散热器体积和热阻可同时减小。     

再论基于遗传算法的圆度误差评价

为了在全局范围正确评价圆度误差，采用遗传算法评价圆度测量数据。本文讨论了遗传算法与传统优化算法结合来进行圆度误差评价，从而解决了遗传算法收敛终止条件的问题。计算结果表明，本文介绍的方法可以在设计变量的全局范围内有效、正确地评价圆度误差。     

遗传算法用于衍射光学元件的优化设计

提出了一种基于遗传算法的衍射光学元件优化设计方法;在衍射光学元件设计中遗传算法运行参数对遗传算法性能有一定的影响:采用较大的群体规模,遗传算法越容易获得最优解;交叉算子越大,遗传算法全局搜索能力越强;选择算子对遗传算法的影响不是太大;如果要进一步提高解的精度,可选取较大的终止代数。数值计算结果表明,用遗传算法优化设计的衍射光学元件,其误差小于 5.2%,衍射效率达到 91.2%。遗传算法很适合衍射光学元件的优化设计。     

探讨飞行器的优化设计

回顾传统的飞行器多学科优化设计方法，介绍多学科优化方法在现代飞行器设计中的应用状况和新发展。讨论了遗传算法、模拟退火法、响应面方法和鲁棒方法等，在计算分析过程中研究了采用高、低精度求解搭配的变计算精度模型管理方法以及基于信赖域方法的近似模型管理结构，最后展望了多学科优化在飞行器设计中的应用前景。     

求解约束优化问题的退火遗传算法

针对基于罚函数遗传算法求解实际约束优化问题的困难与缺点,提出了求解约束优化问题的退火遗传算法。对种群中的个体定义了不可行度,并设计退火遗传选择操作。算法分三阶段进行,首先用退火算法搜索产生初始种群体,随后利用遗传算法使搜索逐渐收敛于可行的全局最优解或较优解,最后用退火优化算法对解进行局部优化。两个典型的仿真例子计算结果证明该算法能极大地提高计算稳定性和精度。     

变入射角度和频率时的声障板的优化设计方法

声障板是声纳设计中必不可少的声学元件。根据不同要求,合理优化声障板的材料和结构参数是声障板设计的关键。遗传算法作为一种有效的优化方法,在工程优化领域得到广泛的应用。但是由于其计算时不依赖外部信息,因此染色体的构成、编码的形式以及代价函数的选择对遗传算法性能会产生重要的影响。针对在一定入射频率范围内和一定入射角度内,反射系数保持最小且基本一致,提出了一种基于遗传算法的多层复合声障板参数的优化方法。在算法中,给出了基于传递矩阵的染色体编码和基于统计原理的代价函数。通过仿真计算,验证了算法的正确性和可靠性,分析了代价函数的改变对优化结果的影响。     

基于遗传算法的混合离散变量结构优化设计

本文研究了适于解决混合离散变量结构优化设计的遗传算法，给出了混合离散变量的遗传基因表达模式和适值函数建立的简便方法，计算实例表明该算法是有效的。     

计算智能技术在陶瓷材料优化设计中的应用

综述了计算智能在陶瓷材料优化设计中的应用现状,阐明了利用人工神经网络以及遗传算法预测陶瓷材料性能和组分优化的方法,介绍了人工神经网络、遗传算法与免疫算法和模拟退火算法相结合的高效计算智能方法以及模糊神经网络在材料设计中的应用,分析了陶瓷材料优化设计中存在的问题并提出了今后的研究方向。     

遗传算法在结构振动主动控制中的应用研究

基于遗传算法，对简支梁振动主动控制的传感器/作动器位置优化问题，提出了一种以结构总储能量小为优化目标的数学模型，并编制了遗传算法软件包Ga205对此模型进行优化计算，结果表明，较之穷举法，用遗传算法解决感器/作动器进行位置优化问题是高效的，同时也是全局收敛的。     

一种基于的遣传算法的微波测量分析方法

论述了遗传算法在微波测量分析中的应用，首先简要介绍了应用遗传算法处理微波数据信号．然后在微波电路的分析设计中，设计了一种较好的遗传算法多目标优化方法对电路进行全局优化．使整个系统在电路设计等关键的衡量指标同时达到最优．文章对双波段、六单元接换阵列智能天线运用遗传算法进行优化设计，在900MHz和1900MHz两个频段上-10dB带宽分别达到和，天线辐射方向上的最大增益为．最小增益为，并且得到了天线阵列中每个变量的灵敏度分析．通过与文献的比较，结果证明遗传算法的应用可以显著的提高天线的性能．     

遗传算法与惩罚函数法在机械优化设计中的应用

提出了应用于机械优化设计的"遗传算法+惩罚函数法"的通用算法.它非常适合求解复杂的非线性约束优化问题.本通用算法既克服了传统优化方法的缺点,得到了一个较为理想的全域最优解;同时也改善了遗传算法的局限性.     

Global optimization of laminated cylindrical panels based on fundamental natural frequency

This investigation presents an optimization of laminated cylindrical panels based on fundamental natural frequency. Also, trends of change in optimum stacking sequence while the proportions of structures vary, are studied which can be insightful for design purposes. A displacement based finite element model is used, in order to extract fundamental natural frequencies of T300/5208 Carbon/Epoxy cylindrical panels. To obtain optimum designs, the Globalized Bounded Nelder–Mead (GBNM) algorithm is employed. Predictions are compared with the results of Genetic Algorithm (GA) method and show faster and more accurate convergence to the global optimum, while variables are continuous in GBNM and discrete in GA. Moreover, verification of novel convergence criteria to ameliorate local searcher in GBNM is examined.     

遗传算法在桁架结构优化设计中的应用

本文提出桁架结构系统优化设计的新方法—遗传算法。它与常规化算法的不同之处在于从多个初始点开始寻优，并采用交迭和变异算子避免过早地收敛到局部最优解，可获得全局最优解，且不受初始值影响。该算法不必求导计算，编程简单、快捷，尤其适用于具有离散变量的结构优化设计问题。     

基于遗传GA法的发动机悬置最优化配置的研究

在设计发动机悬置布置图时，选择左右和侧倾方式的非耦合化是非常重要的问题。可是，发动机悬置系统支承点坐标不仅有弹簧刚度，还有许多非线性参数的影响，所以，选定非线性布置图的最优值是非常困难的。为此，作为新的最优化方法引入遗传算法（以下称为GA法），进行刚度矩阵计算以及非线性参数的最优化设计，同时，运用最大概率最优化设计法（以下称为MPOD法）进行了两者精度比较的探讨，得到最优值和理论值能够很好地吻合.过去汽车专家需要2周以上的时间进行分析，现在对于经验不足的设计者运用该方法可以缩短只用1小时的时间.根据仿真确定试验结果：发动机在25Hz左右加速度水平降低1/5，得到了很好的减振效果。     

改进遗传单纯形混合算法在光纤对接中的应用

本文首先给出了纤端光场分布的3D模型并针对单模光纤与激光器的对接分析了错位、角度偏差等对接效率影响因素。通过与传统的爬山法进行比较,提出将遗传单纯形混合算法应用到光纤对接中。单纯形法是一种局部搜索方法,这种寻优方法收敛速度快,它与遗传算法组合起来可以改善单独使用遗传算法收敛速度慢的缺陷。同时,针对光纤对接要求初始种群小所造成的个体多样性差的缺点,改进了单纯形的反射、压缩系数,有效地避免了遗传操作的过早收敛,并通过仿真结果证明了混合算法可以在10代之内找到光纤对接的最佳耦合点。     

动态联盟伙伴选择的一种自适应遗传算法

针对动态联盟伙伴选择优化问题,提出一种自适应遗传算法用来求解此类问题。该算法设计了自适应交叉和变异概率,在遗传过程中可以根据适应度自动选择,从而使群体中每个个体对环境的变化具有自适应调节能力;所设计的自适应变异概率可以避免算法的早熟现象;遗传过程中,通过保持迭代过程中的最优解,加快了搜索速度,并保证了收敛于全局最优解。通过算例,证实了该算法的有效。     

Packing degree optimization of arbitrary circle arrangements by genetic algorithm

Selection of optimal aggregate proportions is the main part of the concrete mix design optimization. Assuming circular aggregates, a new Sequential Packing Algorithm (SPA) is proposed to densify arrangement of arbitrary circles. To achieve the densest packing of circles, the porosity packed circle assemblies is optimized by a Genetic Algorithm (GA) search module. Proper adjustment of the algorithm’s parameters and selection of the initial population are effective tools for speeding up the computational progress. The model exactly solves known problems. Finally, Ideal-grading curve is presented after the implementation of GA on the data set.     

一种封闭空间自适应有源噪声控制系统优化方法

将遗传算法（GA）引人封闭空间自适应有原噪声控制（AANC）系统优化设计,以解决长期以来缺乏有效的确定封闭空间次级声源和误差传感器最优位置方法的问题。以小阻尼矩形空间为例,进行了计算机仿真。结果证明：此方法对封闭空间AANC系统优化是有效的。     

模糊关系方程的解的模糊遗传寻优算法

在一般遗传算法ＧＡ的基础上，基于模糊集理论中的模糊关系方程的解的寻优问题提出了模糊遗传算法ＦＧＡ，它能有效地找出模糊关系方程的解的寻优问题的近似最优解。还给出了一个重要的定理：模糊模式定理。     

Control point policy optimization using genetic algorithms

This paper describes the application of an integrated Genetic Algorithm (GA)/Discrete Event Simulation model for selecting optimum values for Critical Point Policy (CPP) hedging time and buffer size parameters. The CPP is shown to perform well, when compared with the Critical Ratio priority rule, in terms of improving service levels, particularly when subject to conditions where buffer sizes and Takt times are required to be small. The technique developed involves buffer sizes being chosen by a GA according to a constraint on the total storage space available within the system. A method is described for reducing the number of variables that the GA needs to deal with, hence, improving the efficiency of the GA optimization process. The development and application work reported also provides further understanding into how and when the CPP should be applied.