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。     

高速列车半主动悬挂系统遗传优化模糊控制

为有效抑制高速列车车体的横向振动,在ADAMS/Rail软件中建立列车横向半主动悬挂动力学模型,在Matlab中编写遗传算法程序,提出采用浮点数与整数混合编码和基于个体适应度值标准差的自适应遗传交叉、变异概率的方法,优化半主动模糊控制器的量化因子、比例因子、隶属度函数和模糊规则,以车体前后两端横向振动加速度的均方根值作为遗传算法优化性能指标,不断优化半主动悬挂系统的模糊控制器。联合仿真结果表明：采用遗传优化设计模糊半主动悬挂,能有效抑制车体横向振动加速度,改善列车的乘坐舒适性。     

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。     

遗传算法在随机组卷中的应用

随机组卷是在线考试系统要解决的重要问题之一。本文介绍了针对演化计算的三大分支之一的遗传算法进行改良实现随机组卷问题,详细阐述了遗传算法的主要思想、随机抽题问题的编码表示、适应性函数和遗传算子的设计、淘汰策略和停机准则的选择。     

基于实数编码的改进遗传算法及在平面度误差评定中的应用

针对平面度误差计算的特点 ,提出了一种基于实数编码的改进遗传算法。该算法的遗传算子采用确定式良种选择、非一致算术交叉及基本位变异策略 ;交叉和变异概率根据个体适应度大小来自适应地确定 ;同时给出遗传算法评定平面度误差时适应度的计算方法。最后 ,通过不同评价方法对同一平面的平面度误差进行评定 ,结果证明该方法不仅能收敛到全局最优解 ,而且具有较快的收敛速度     

基于相对适应度遗传算法的高层结构粘滞阻尼器优化布置

提出基于相对适应度遗传算法的高层结构粘滞阻尼器优化布置方法,综合考虑多种地震波作用与多个不同优化目标。较标准遗传算法,相对适应度遗传算法基于染色体目标函数值相对大小构造适应度函数能充分体现种群中染色体适应度差异,促进种群的有效进化,获得优化问题的全局最优解。在讨论目标函数加权系数对优化结果影响基础上,对目标函数进行归一化处理,并考虑多种地震波作用。通过用该方法对20层框架结构的粘滞阻尼器布置方案进行优化,数值计算结果证明该方法的有效性及可用性。     

遗传算法在窄带滤光片膜系设计中的应用

研究了遗传算法在窄带滤光片膜系设计中的应用。介绍了遗传算法的运算原理、适应度函数和运行参数的涵义;建立了窄带滤光片的评价函数和适应度函数,并给出其遗传算法的程序设计方法;以带宽4nm、中心波长1.55μm的窄带滤光片为例进行了遗传算法的实际膜系设计。结果表明遗传算法适用窄带滤光片的膜系设计。     

A genetic algorithm for spectrum assignment in cognitive radio networks based on constraint templates

对遗传算法用于解决认知无线电网络频谱分配中的无干扰约束条件问题进行分析,提出一种基于约束模板进行认知无线电网络频谱分配的遗传算法模型,该模型以系统效用最大化为目标求得无干扰的约束模板,利用约束模板的标号组合构成染色体,再通过遗传算子的进化选择适应度函数更大的约束模板组合,最终得到无干扰的可行分配策略.仿真结果表明,该算法可以避免利用传统遗传算法进行频谱分配的模型在进化过程中对种群中染色体重复性的无干扰约束处理,及由于无干扰约束处理引起的适应度函数减小等问题,可获得更高的系统效用.     

基于遗传算法和最速下降法的非线性动态系统辨识的混合算法

通过定义最速下降算子，选择算子，混合数据结构以及适应度函数，得到非线性动态系统非线性参数的加权最小二乘辨识混合计算智能算法，该算法结合了遗传算法和最速下降法两者的长处，既有效快收敛性，又有以较大概率求得全局解。数值计算表明该方法显著优于遗传算法和最速下降法。     

解析HGTPA的一种启发式组卷算法

组卷算法是在线考试系统的核心,本文结合遗传算法的优点,提出一种新的启发式遗传组卷算法(Heuristic Genetic Test Paper Algorithm,HGTPA),该算法能克服遗传算法的缺点,并在实验测试中取得比较满意的结果。     

基于不完备损伤指标和遗传算法的特大桥损伤识别和传感器布点优化

特大桥健康监测系统不可能在所有自由度安放传感器,该文讨论了用由不完备振型建立的损伤指标的损伤识别和传感器布点优化方法。与过去用遗传算法优化传感器布点的适应度函数不同,该文用损伤指标最灵敏来建立适应度函数。对桥梁的单个损伤,该文用不完备模态柔度矩阵差和截断模态应变能变化率两个不完备损伤指标作为适应度函数来优化传感器布点,并与传统的COMAC指标对比,还改进了多种群遗传算法,以提高收敛速度和全局寻优能力。并以西堠门悬索桥有限元模型为例,识别不同部位的损伤。算例表明:该方法在损伤识别和传感器布点优化方面不仅可行而且有效。     

基于结构部分结点振动响应信息的海洋平台损伤诊断研究

利用结构的前三阶频率和部分结点的响应信息构建适应度函数和目标函数,采用改进的CHC遗传算法对结构进行损伤诊断,在相同的收敛精度条件下,大大减少了遗传代数和结构分析时间,因而提高了计算速度。数值算例表明:在不同的传感器配置条件下,对固定式导管架平台的损伤诊断均具有较高的损伤定位和损伤程度估计精度。     

基于遗传算法的lp数据拟合及其应用

在动态测试数据处理中,常常要进行稳健回归分析和最小最大值回归分析。讨论了遗传算法及其在lp数据拟合中的应用。由于遗传算法是用点群进行寻优,而不是用一个单点进行寻优,具有隐含并行算法的特点;群体在每一代的进化过程中执行同样的复制、交叉、变异操作,仅使用问题本身所对应的适应度函数,而不需要任何其它先决条件或辅助信息;遗传算法使用随机转换规则,而不是确定性规则进行运算。从而使得遗传算法是一类全局收敛算法,能够在lp数据拟合中得到很好的应用。给出了应用实例。     

基于遗传算法和拓扑优化的结构多孔洞损伤识别

鉴于拓扑优化和遗传算法在结构损伤识别中各自的优点,本文将遗传算法、有限元和拓扑优化三种方法相结合,提出了一种用于二维结构多损伤识别的新方法。这种方法将拓扑优化的设计变量和遗传算法的参数统一化,将拓扑优化中的目标函数和约束方程与遗传算法的适应度函数联系起来,并以拓扑优化的约束方程作为控制条件参与整个遗传运算的控制。采用二进制编码遗传算法代替连续变量拓扑优化的方式对发生孔洞损伤形式的二维结构进行损伤识别,避免了利用连续变量拓扑优化进行损伤识别时参数阈值的确定可能给识别结果带来的不良影响。通过对两个二维结构模型的多损伤识别仿真计算,结果显示本方法能够很好地识别二维结构中多个位置的损伤,对于仅用拓扑优化法很难识别的轻微孔洞损伤情况,该方法也能得出与实际情况吻合良好的结果。     

正交-遗传试验算法的分析与应用

为了解决并联机器人机构的优化设计问题,提出一种基于正交试验设计法和遗传算法的优化方法。在简要讨论正交试验设计法和遗传算法的基本原理基础上,对两种方法的寻优算法、各个参数的对应关系作了比较分析,探讨了用正交表构造遗传算法中初始种群的方法。提出一种适用于设计变量多且适应度函数难求的“一代”正交-遗传试验法的思路和方法。将该方法应用于一种新型四自由度并联机器人机构的结构优化设计,得出以机构全域条件数为目标函数的机构结构优化尺寸方案。实例证明这种优化方法行之有效。     

基于改进遗传算法的视差拼图缝线搜索方法

为了消除视差图像拼接后的局部不一致、不连续或变形,提出一种视差拼图最优合成拼缝搜索策略.将两浇幅图象重叠区域的归一化差图象作为搜索空间,定义一个与图象高相等维数的向量作为染色体,染色体的基因表示每一行图象中的最优拼接点,采用常用的最小值搜索适应度函数作为视差图像拼缝搜索的适应度函数.针对传统遗传算法在图像整数编码搜索中收敛慢的缺陷,提出了一种基于小区间整数编码,个体互异稳态定标的组合选择策略,按基因适应度自适应重组,自适应、变步长与多点选择性的变异操作等策略的改进遗传算法.实际图像拼缝搜索实验表明:改进后算法比基本遗传算法和传统自适应遗传算法收敛速度加快.     

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。     

遗传算法改进研究

遗传算法是一种比较成熟的智能算法,一般通过改进遗传算法的算子达到提高算法性能的目的。提出一种改进的遗传算法,新的遗传算法对标准的遗传算法中的编码、适应度函数等方面对遗传算法进行改进,并通过VisualC++软件编程计算,得到较好的优化结果。     

基于遗传算法的家用保安机器人路径规划方法

将领域知识与遗传算法相结合,提出了一种针对家用保安机器人的路径规划方法.该算法采用改进的栅格化方法来描述家庭环境,重新定义了路径适应度函数的评价方法,并设计有效的路径遗传算子.仿真结果表明了该算法的正确性和有效性.利用该算法实现了在实际家庭环境下保安机器人的路径规划与动态避障.