基于遗传算法的矢量水听器阵相位误差校正

研究了矢量水听器阵各通道存在相位误差时,用MUSIC算法对信号到达方向进行估计的问题,并在利用遗传算法估计相位误差来对阵列流型进行修正时引入自适应概念,得出更加准确的信号到达方向值。采用与适应度函数值相对应的交叉概率与变异概率,逐步搜索,首先计算适应度值,采用轮盘赌法进行选择操作,并保存个体的适应度值,按照适应度分配交叉概率和变异概率,进行交叉变异操作,取得误差的最优解,通过仿真,可以看出引入自适应概念后的遗传算法具有较为精确的估计阵列相位误差的功能。与传统遗传算法相比,此方法能很好地得到全局最优解,并且成熟收敛,计算机仿真结果验证了本方法的有效性和可行性。     

基于测量不确定度的平面度误差搜索范围研究

为了避免评定平面度误差时的过度迭代或迭代不足问题,提出以0.467倍测量不确定度与步长比值作为平面度误差评定的终止条件。逼近搜索范围小于0.467倍测量不确定度与步长比值时,继续逼近则无意义。该结束条件比用时间条件和迭代次数、适应度限等作为算法评定平面度误差结束条件更为科学、合理。     

用遗传算法准确评定平面度误差评价

为了在全局范围准确评价平面度误差,根据平面度评定的定义,建立完全符合最小区域条件的平面度评定的数学模型.采用遗传算法对平面度测量数据进行最小区域评定,给出了遗传算法的实现方法.克服了传统评定方法的局部收敛问题.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、准确地评价平面度误差.     

基于改进遗传算法评定圆柱度误差

针对圆柱度误差评定的特点，提出了一种基于实数编码的改进遗传算法同时实现圆柱度误差的最小区域法、最小外接圆柱法和最大内接圆柱法评定。同时建立了用遗传算法实现圆柱度误差最小区域法、最小外接圆柱法和最大内接圆柱法评定时目标函数数学模型的计算方法。通过不同评价方法对圆柱度误差在不同初始值下进行多次评定，证明该方法都能收敛到全局最优解，而且计算结果稳定。该算法可以推广应用到其它形状误差评定中。     

基于多种群实数编码遗传算法的圆度误差评定

针对实数编码的遗传算法(RGA)在圆度误差评定中存在的早熟收敛、精度较差及运算速度慢等缺点,分析了多种群遗传算法的模型结构,利用多种群遗传算法的并行性,将其应用于圆度误差评定。实验证明该方法有效地提高了算法的精度和收敛速度,能够快速评定圆度误差。     

微分进化算法在圆度误差评定中的应用

为了精确快速计算圆度误差,提出了基于微分进化智能优化算法的最小区域圆度误差评定方法。介绍了微分进化算法的基本原理及种群初始化、变异、交叉、选择实现步骤,建立了该算法求解最小区域圆度误差的数学模型。为验证算法的有效性,进行了大量实验并与多种算法进行对比,证实了方法的评定结果不仅小于最小二乘法及标准遗传算法评定结果,精度高,而且计算结果稳定,运算速度快。实验表明:微分进化算法用于最小区域圆度误差评定有较强的自适应能力、快速全局收敛性和高稳定性,适于对高精度圆度误差的快速评定。     

基于遗传算法和自适应的平面线轮廓度误差评定方法

 为了解决在测量平面线轮廓度中由于存在被测轮廓与其测量基准间存在位置误差而影响评定精度的问题，提出了一种基于遗传算法和自适应的计算平面线轮廓度误差的新方法。该方法满足最小条件原理，它利用样条插值函数拟合理论轮廓，并在评定过程中能自动地实现被测轮廓与理论轮廓之间的适应性调整，从而能够分离并消除被测轮廓与其测量基准之间的位置误差对轮廓误差评定结果的影响，在遗传优化中获得全局最优解。实例计算验证了这一结果。这种算法简单明确，具有精度高、收敛速度快、易于计算机程序实现、易于推广应用等特点。     

遗传算法在求解形位误差中的关键技术

本文应用现代优化算法--遗传算法实现了对机械产品形位误差的精确计算.着重介绍了遗传算法实现技术中的关键问题,采用了统一的极值优化评定模型、与目标函数呈倒数关系的适应度函数、最优保留法和赌轮法相结合的选择策略、有性算术交叉策略和阈值自适应的高斯变异机制等.实例验算证明算法设计合理,计算精度较高.     

粒子群优化算法及其在圆度误差评定中的应用

提出一种基于粒子群优化算法(PSO)的圆度误差评定方法。介绍了PSO算法的提出及其特点;具体阐述了PSO算法的基本原理和实现步骤;提出圆度误差评定这一非线性优化问题,给出其优化目标函数及PSO算法的适应度函数和编码方式;结合实例对算法参数进行了设置,通过实例运算对PSO进行了正确性和精确性验算。实例证明该方法能够很好地解决圆度误差评定问题,与遗传算法具有相当的计算精度,能够获得精度较高的结果。而PSO的突出优点是简单易于实现,计算速度快。     

基于改进麻雀搜索算法的平面度误差评定方法

针对在平面度误差最小区域评定过程中易出现陷入局部最优、收敛速度慢和精度低的问题，提出了一种基于改进麻雀搜索算法(ISSA)的平面度误差评定方法。首先，采用具有更好遍历性的Kent混沌映射代替传统的Logistic混沌映射生成初始化种群，以增强算法的全局搜索能力；然后，应用一种基于光学透镜成像原理的反向学习策略以避免算法无法跳出局部最优；选用经典测试函数验证了ISSA算法的有效性，相对于SSA能够取得更好的寻优效果；最后，应用该方法对平面度误差进行评定，并与引用的其它方法进行比较。实验结果表明：基于ISSA算法的平面度误差评估方法用时0.488 4 s能够解得最小包容平面，与应用SSA算法相比减少了0.370 5 s,其计算精度与应用最小二乘法、遗传算法和粒子群算法的平面度误差评定方法相比分别减小了18.032 5μm、2.332 5μm、6.132 5μm。基于ISSA算法的平面度误差评估方法在优化效率、求解质量、计算精度和稳定性上均有优势，可应用于三坐标测量机等形位误差测量仪器。     

基于改进遗传算法求解钢卷包装线平衡问题

目的针对某企业钢卷包装生产线效率低的问题,采用改进遗传算法对其进行求解。方法采用自适应改变交叉概率和变异概率,当种群适应度趋于一致时,增大交叉概率和变异概率;当种群适应度相差较大时,采用较小的交叉概率和变异概率。结果优化后的包装生产线平衡率达到88.46%,改进后的包装生产线具有更好的平衡结果。结论所采用的改进遗传算法可以有效地求解单品种钢卷包装生产线平衡问题。     

基于天牛须改进粒子群算法的平面度误差评定研究

基于天牛须改进粒子群算法(BAS-PSO)对平面度误差进行了评定研究。首先,建立基于最小区域的平面度误差评定的数学模型,并将目标函数转化为非线性最优化问题;接着,在粒子群算法(PSO)的基础上,引入局部搜索能力较强的天牛须算法(BAS),加速全局搜索和局部搜索的并行计算,避免算法早熟收敛并陷入局部最优,提高平面度误差评定的精度和效率;最后,通过Rosenbrock和Schaffer测试函数,验证BAS-PSO的有效性,采用BAS-PSO对目标函数进行求解。实验结果表明该算法相对于BAS和PSO均取得较好的寻优效果。将该算法应用到平面度误差实例测量中,得出平面度公差值为0.00615mm;相比最小二乘法(LSM)、遗传算法(GA)、BAS和PSO算法,公差值分别减少了0.0023mm,0.00127mm,0.00058mm,0.00037mm;验证了该算法的可行性及优越性。     

改进遗传算法在MRFD半主动控制系统优化配置中的应用

为了解决磁流变阻尼器(Magnetorheological Fluid Damper,简称MRFD)控制装置在建筑结构上的优化配置问题,提出了一种改进遗传算法。该方法在进行遗传操作时,为了避免因采用普通遗传算法中的交叉和基本变异操作而产生违反约束条件的个体,应用了一种改进的交叉和变异方法,即通过产生的识别码进行判断交叉,并采用了双基因座变异,以满足约束条件。对改进遗传算法与普通遗传算法中处理约束问题的罚函数方法进行了分析比较和计算,结果表明:改进遗传算法的收敛速度快,优化配置的效果较好。     

基于遗传算法的码垛机器人路径规划应用

目的为了改进传统遗传算法在码垛机器人路径规划中可能出现的局部陷阱和过早收敛问题,以及机器人的能耗和路线平滑性问题,提出一种改进的遗传算法机器人路径规划方法。方法针对传统遗传算法存在的问题,分别对种群初始化、适应度函数、选择算子、交叉算子、变异算子的算法和方式进行调整和改进,对优秀算法进行融合。针对基本遗传算法主要着重于路径最短,从而忽视了机器人的能耗及路径平滑性等问题,设计一种综合考虑距离和转弯次数控制的适应度函数,最后将改进的算法应用于码垛机器人的路径规划中。结果仿真结果表明,相较于基本遗传算法,提出的算法搜索到的路径质量更高,不仅距离更短,同时转弯次数远远小于其他算法,路径更为平滑,验证了该算法的有效性。结论基于该算法的码垛机器人路径在兼顾距离最优的同时,路线更加平滑。由于减少了转向次数,机器人的能耗更低,同时仿真结果表明,该算法的实时性也较好。     

Equivalence-set genes partitioning using an evolutionary-DP approach

Computation of transitive-closure equivalence sets has recently emerged as an important step for building static and dynamic models of gene network from DNA sequences. We present an evolutionary-DP approach in which dynamic programming (DP) is embedded into a genetic algorithm (GA) for fitness function evaluation of small equivalence sets (with m genes) within a large-scale genetic network of n genes, where n/spl Gt/m. This approach reduces a computation-intensive optimal problem of high dimension into a heuristic search problem on /sub n/C/sub m/ candidates. The DP computation of transitive closure forms the basic fitness evaluation for selecting candidate chromosomes generated by GA operators. By introducing bounded mutation and conditioned crossover operators to constrain the feasible solution domain, small transitive-closure equivalence sets for large genetic networks can be found with much reduced computational effort. Empirical results have successfully demonstrated the feasibility of our GA-DP approach for offering highly efficient solutions to large scale equivalence gene-set partitioning problem. We also describe dedicated GA-DP hardware using field programmable gate arrays (FPGAs), in which significant speedup could be obtained over software implementation.     

基于改进遗传爬山算法的篦冷机熟料换热二次风温故障诊断

提出一种利用改进遗传算子优化爬山的算法,能自动调整交叉概率和变异概率,自动选择交叉方式和变异方式,利用改进的交叉算子和变异算子替代爬山算法中的减边算子来扩展其全局寻优能力,利用最大支撑树限制搜索空间来提高搜索效率。仿真实验证明,与爬山算法等算法相比,该算法得到的模型更加准确、最佳得分更高且耗时较短。结合水泥熟料换热过程中的篦冷机现场采集数据,建立了篦冷机工艺参数的故障诊断模型,对二次风温实现了较为准确的故障诊断,具有一定实际意义。     

DOMAIN APPROXIMATION AND DETERMINISTIC PROGRESSION IN GENETIC CROSSOVER

The fitness difference between two strings is usually neglected by most Genetic Algorithm crossover operators. The neglect of this useful information often results in the less efficient propagation of search trials toward fitness improved regions, and leads to a general increase in the number of function evaluations required to converge to a solution. An alternative crossover strategy is presented in this paper which considers this information, often significantly accelerating and enhancing the search process. The presented strategy involves components of solution domain approximation and the deterministic estimation of the “optimal” genetic composition for progeny. The implementation of this crossover scheme has empirically demonstrated its effectiveness in significantly reducing the required number of function evaluations, and improving solution quality compared with some conventional crossover strategies     

Effective Form Error Assessment Using Improved Particle Swarm Optimization

This paper presents an improved variant of particle swarm optimization (MPSO) algorithm for the form error evaluation, from a set of coordinate measurement data points. In classical particle swarm optimization (PSO), new solution is updated by the existing one without really comparing which one is better. This behaviour is considered to be caused by lack in exploitation ability in the search space. The proposed algorithm generates new swarm position and fitness solution employing an improved and modified search equation. In this step, the swarm searches in proximity of the best solution of previous iteration to improve the exploitation behaviour. The particle swarm employs greedy selection procedure to choose the best candidate solution. A non-linear minimum zone objective function is formulated mathematically for each form error and consequently optimized using proposed MPSO algorithm. Five benchmark functions are used to prove the efficiency of the proposed MPSO algorithm, by comparing the proposed algorithm with established PSO and genetic algorithm. Finally, the results of the proposed MPSO algorithm are compared with previous literature and with other nature inspired algorithms on the same problem. The results validate that proposed MPSO algorithm is more efficient and accurate as compared to other conventional methods and is well suited for effective form error evaluation using CMMs.     

包装废弃物回收车辆路径问题的改进遗传算法

目的采用优化传统遗传算法(GA)研究包装废弃物回收车辆路径问题(VRP)的性能。方法提出改进遗传算法(IGA)。首先,设计基于贪婪算法的初始种群生成算子,提高初始种群质量;其次,设计根据适应度值大小、进化代数等自适应调整的交叉和变异概率;然后,设计最大保留交叉算子,保证种群的多样性;最后,对企业实例和标准算例进行仿真测试。结果采用IGA算法、蚁群算法(ACO)能求得算例最优解,且IGA算法运行速度快于ACO算法,分支界定算法(BBM)、传统GA算法无法求得算例最优解。结论与BBM算法、传统GA算法和ACO算法相比,IGA算法求解包装废弃物回收VRP问题的整体性能更优。