改进的遗传算法在电梯群控中的应用

针对乘客候梯时间,乘梯时间,拥挤度和电梯系统运行能耗等多个目标优化的电梯群问题,给出一个改进的遗传算法。该算法在选择,交叉,变异操作时,采用首位存在最优个体,在生成初始种群时采用模糊生成其中一个解的方法。并把改进的遗传算法应用到实际电梯群控中,数值结果表示该方法是有效的,可行的。     

分层混合遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题,以总拖期最短为目标,提出了一种分层混合遗传算法。其中,根据总拖期的大小,将种群划分为精英层和普通层,精英层包含全局最优的数个不同质个体,其余个体划分为普通层;针对遗传算法局部搜索不足的问题,对精英层提出了一种邻域搜索策略,使代表机器选择和工序顺序的染色体可以根据自身的不足进行调节;针对遗传算法多样性容易丢失的问题,对精英层提出了一种灾变策略,不仅保留了种群的进化优势而且可以向优秀的个体学习。最后通过一系列标准测试函数以及一个生产中的实际案例验证了该算法的有效性。     

遗传算法中约束的凝聚选择和复合形处理方法

本文在实数编码的遗传算法中对约束条件提出一种凝聚选择和复合形法处理的方法。利用凝聚函数求出个体的约束违背值,在选择中不仅考虑适应度值而且考虑约束违背值,使有潜力的个体优先被选择。利用复合形法对违背约束的个体进行改进,从而改善整个种群的性能、增加可行个体数量,有利于最优解的搜索。算例表明本文方法是可行和有效的。     

基于数字序列编码遗传算法的高层结构粘滞阻尼器优化布置

提出一种基于数字序列编码遗传算法的高层结构黏滞阻尼器优化布置方法,解决了允许各层阻尼器安装数量不同时,二进制编码的标准遗传算法不能完备表达求解空间的问题。数字序列编码用染色体的一个基因位表示一个阻尼器的安装位置,其数值表示该阻尼器的安装层数。在这一编码方案下,优化问题基因型空间中的染色体和表现型空间中的可选布置方案一一对应,编码满足严格的合法性、完备性、Lamarckian性质以及强因果性。与数字序列编码方式相对应,离散重组交叉算子保证了种群的有效进化。此外,基于染色体目标函数值的相对大小构造适应度函数,能够充分体现种群中染色体的适应度差异,加速种群的进化,进而获得优化问题的全局最优解。对多遇地震下20层Benchmark结构的阻尼器布置方案进行了优化,计算结果表明了该方法的有效性。     

基于数字序列编码遗传算法的高层结构黏滞阻尼器优化布置

提出一种基于数字序列编码遗传算法的高层结构黏滞阻尼器优化布置方法,解决了允许各层阻尼器安装数量不同时,二进制编码的标准遗传算法不能完备表达求解空间的问题。数字序列编码用染色体的一个基因位表示一个阻尼器的安装位置,其数值表示该阻尼器的安装层数。在这一编码方案下,优化问题基因型空间中的染色体和表现型空间中的可选布置方案一一对应,编码满足严格的合法性、完备性、Lamarckian性质以及强因果性。与数字序列编码方式相对应,离散重组交叉算子保证了种群的有效进化。此外,基于染色体目标函数值的相对大小构造适应度函数,能够充分体现种群中染色体的适应度差异,加速种群的进化,进而获得优化问题的全局最优解。对多遇地震下20层Benchmark结构的阻尼器布置方案进行了优化,计算结果表明了该方法的有效性。     

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。     

基于改进遗传算法的分批调度研究

针对分批调度的批量划分和排序优化问题,提出两段染色体编码方式,分别描述工序信息和批量信息.提出舍弃比率概念来优化种群初始化过程.采用自适应交叉算子和变异算子,以双种群协同进化方式对遗传算法进行改进.以文献数据为例仿真测试了改进遗传算法的有效性,对于复杂的分批调度问题,改进遗传算法一般能够得到较为满意的解.成功应用分批调度改进遗传算法解决了某公司分批调度问题.     

遗传算法在高校排课系统中的应用

提出并实现一种高校自动排课算法,利用遗传算法建立数据模型,定义一个包含教师编号、班级编号、课程编号、教室编号、上课时间段的染色体编码方案和适应度函数,通过初始化种群、选择、交叉、变异等过程不断进化,最后得到最优解.利用该算法对某高校的真实数据进行实验,结果显示无一例教室、教师、班级冲突,算法具有合理性和可行性.     

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。     

求解一类非线性双层规划问题的混合遗传算法

本文研究下层目标函数为拟凹函数的非线性双层规划问题。利用下层目标的最优值能在可行域极点上达到的性质,将求极点的方法引入遗传算法,提出了一种混合遗传算法。为了提高该算法的效率,结合种群最优个体,给出了有利于产生高质量后代的杂交和变异算子。对于下层问题存在多个最优解的情况,证明了其最优解可表示为极点最优解的凸组合,并利用这一结论修正了算法,使得该算法也能求解下层多解的情形。数值结果表明本文提出的算法是有效的。     

基于改进自适应遗传算法的配电网重构

配电网络重构作为智能电网自愈性的一个重要组成部分,在多故障发生的配电网中起着重要的作用,而以往的一些方法在配电网重构中存在着各种不足,本文针对传统自适应遗传算法中交叉和变异环节易早熟现象。提出了一种改进的自适应遗传算法来保护优秀个体,从交叉率和变异率的参数入手,选择一个合适的参数值,淘汰子代中多数劣势个体提高收敛性,有效地保留子代中的优秀个体,同时考虑可操作开关数,使用了二进制编码方式消除了初始种群的不可行解。IEEE33系统的仿真结果表明该算法具有快速的收敛性和适用性。     

基于粒子群与聚类的多目标优化算法

针对粒子群优化算法容易陷入局部最优的问题,提出了一种基于粒子群优化与分解聚类方法相结合的多目标优化算法。算法基于参考向量分解的方法,通过聚类优选粒子策略来更新全局最优解。首先,通过每条均匀分布的参考向量对粒子进行聚类操作,来促进粒子的多样性。从每个聚类中选择一个具有最小聚合函数适应度值的粒子,以平衡收敛性和多样性。动态更新全局最优解和个体最优解,引导种群均匀分布在帕累托前沿附近。通过仿真实验,与4种粒子群多目标优化算法进行对比。实验结果表明,提出的算法在27个选定的基准测试问题中获得了20个反世代距离(IGD)最优值。     

基于改进遗传算法的桥梁结构传感器优化布置

为了解决桥梁结构健康监测中的传感器优化布置问题,提出一种基于二重结构编码遗传算法的传感器优化布置方法.首先改进了编码方法,采用二重结构编码进行种群的初始化、交叉和变异,然后选择时采用最优保存策略,交叉时采用自适应部分匹配交叉,变异时采用自适应逆位变异.该法克服了传统遗传算法应用于大型结构时收敛速度慢且易陷入局部最优的缺陷,大大加快了收敛速度,并确保能够搜索到最优解.最后通过一个桥梁工程的实例分析,证明了该法在搜索能力、计算效率和可靠性方面明显优于序列法,可广泛地应用于桥梁结构的健康监测.     

基于改进遗传算法的水轮发电机振动荷载参数识别

根据水轮发电机现场振动测试实验数据,采用改进的遗传算法研究了水轮发电机运行过程中振动荷载反演问题。与传统的参数反演方法相比,遗传算法并不是基于对目标函数梯度方向搜索,而是在解的整个区域随机搜索.将遗传算法与模拟退火算法相结合,提高了种群在进化过程中个体多样性,可以有效地防止简单遗传算法早熟问题。同时,将遗传算法与梯度优化方法相结合,使得混合型遗传算法有效地解决了梯度算法局部极小问题和简单遗传算法的收敛速度慢问题。工程实际应用表明,采用本文所建立改进遗传算法所反演的水轮发电机振动荷载参数,预报其它振动观测点的位移具有较高的预报精度。     

遗传算法的改进及其在水库优化调度中的应用研究

遗传算法是通过对样本中个体的不断改进来寻找各类问题的最优解。由于标准遗传算法（SGA）存在收敛性及个体适应度求解方面的困难，在研究中，通过对SGA中遗传算子改进，特别是对选择算子的改进，提出了一种改进遗传算法（AGA），并将它应用于水库优化调度中。改变通常以水位变化序列为基础的遗传算法编码方案，通过数组存储水库库容状态，并以各库容状态对应的数组下标为基础进行遗传算法编码，通过实例，表明AGA对水库优化调度问题具有良好的适应性，同时结合数组存储理论的遗传算法编码方法简化了水库优化调度遗传算法的实现过程。     

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。     

基于改进遗传算法的海底地层参数反演计算

为了提高对海底地层参数变量的反演计算能力,设计了一种基于双种群协同进化策略的改进遗传算法。针对标准遗传算法局部搜索能力差且易于出现早熟现象的缺点,在标准遗传算法基础上引入双种群同时进行优化搜索,两个种群分别给予不同的控制参数,实现协同进化,最终给出一个综合的最优解。通过两个算例对遗传算法的寻优能力进行测试,实验结果表明,提出的改进算法不仅提高了搜索性能,并且对遗传控制参数的依靠度大大降低,特别是对大型复合参数反演问题的求解计算更为有效。     

基于遗传算法的可调空间机构RRSS

针对可调空间机构RRSS的多任务轨迹综合问题,提出一种采用遗传算法实现机构优化综合的方法。以机构的再现轨迹和给定轨迹的误差最小为目标函数,建立该机构的多任务优化综合数学模型,并采用遗传算法进行优化,得到了全局最优解。进行变异操作时,采用根据个体适应度自适应来调节变异率和变异量,有效提高了进化速度和求解精度。最后给出了数字实例。     

新型3PUPaR并联机构运动学分析与多目标优化

目的 针对传统PID在对包装运输液压顶升系统控制中参数难以整定的问题,使用多种群遗传算法(MPGA)对参数寻优。方法 采用多种群遗传算法,将算法与常规PID控制相结合。对液压系统进行分析,建立起液压系统的数学模型,将其运用到算法优化后PID控制策略的被控对象中。同时,与一般遗传算法优化后的参数进行仿真对比,考察多种群遗传算法对PID控制策略优化的有效性。结果 仿真结果表明,多种群遗传算法优化后的参数能使被控对象很快地收敛于稳态。整个系统响应速度快、稳态误差小、超调量小,而一般的遗传算法得到的参数陷入局部最优,无法在较短时间内得到全局最优解。结论 所提出的优化算法对PID参数整定有良好的效果,能满足系统的控制要求。     

基于三方博弈的改进遗传算法求解多目标柔性作业车间调度

针对柔性作业车间的特点,以最小化完工时间、总机器负荷最小和临界机器负荷最小为目标,提出了基于三方博弈的改进遗传算法求解多目标柔性作业车间调度模型。通过三方博弈,使三个优化目标之间的博弈策略实现最优组合,从而获得子博弈完美纳什均衡,即为问题的优化组合解。为优化种群质量,将改进遗传算法应用于多目标柔性作业车间调度问题的求解过程,采用帕累托分类思想,对种群进行选择和精英保留,以优化种群结构;通过设计交叉、变异和局部搜索机制进一步寻找目标函数的最优解。为证明算法的有效性,运用基准算例对算法的求解性能进行了验证。其结果表明,所提算法在求解结果上有明显的改善,求解效率更高。