一种基于改进遗传算法的三维航路规划

针对遗传算法在求解航路规划时存在的收敛速度慢、容易＂早熟＂问题,结合模糊推理、模拟退火算法和自适应机制,提出了一种基于改进遗传算法的三维航路规划.算法利用极坐标描述航路点,缩短了染色体编码长度,降低了搜索空间,提高了优化效率,并将模拟退火的Boltzmann接受机制引入遗传算法,对遗传操作后的新解进行判断接受与否.仿真结果表明了该方法的有效性和可行性.     

基于遗传模拟退火混合算法的火力分配模型优化

提出了一种基于遗传模拟退火混合火力的分配算法．在该算法中，采用精英保留策略很好地保留了优良的基因，采用随机遍历抽样法提供了零偏差和最小个体扩展，并且采用了与模拟退火算法相结合的尺度变换．该算法既保留了传统遗传算法的诸多优点，又克服了传统遗传算法实时性差以及易陷入局部最优的缺点．仿真结果表明，遗传模拟退火混合算法能有效解决火力分配问题，简单、有效且快速，具有很好的应用价值．     

基于模糊理论的MDO算法性能评价

多学科设计优化算法的选取其实质是一个多目标综合评价问题.文中依据模糊综合评价的基本原理,通过对几种常见MDO算法的设计变量、约束、计算精度和计算复杂度进行分析,建立了MDO算法模糊评价选优决策模型.并采用加权欧氏空间距离进行评判,给出了改良的序列二次规划算法(NLPQL)、自适应模拟退火算法(ASA)、多岛遗传算法(MIGA)和序列二次规划算法(DONLP)在涡轮叶片多学科设计优化中选择的实例说明,验证了本文所采用方法的有效性.     

基于自适应模拟退火遗传算法的特征选择方法

特征选择是机器学习及模式识别领域的重要问题之一。针对高维数据对象，特征选择不仅可以在保证数据完整性的情况下减少特征维数，还能够提高分类精度。文中提出了一种基于自适应模拟退火遗传算法的特征选择方法，该方法将模拟退火算法嵌入到自适应遗传算法的循环体中，利用模拟退火算法具有较强的局部搜索能力，并且能够使搜索过程避免陷入局部最优解的特点，解决了基本遗传算法收敛速度慢，时间复杂度高的缺点。实验结果表睨，在保证分类正确率的前提下，该方法有效提高了特征选择效率。     

不同优化算法在轮式自行火炮动力学优化中的应用

以某轮式自行火炮为例,以减少炮口初始扰动、提高射击精度为目标,建立了基于轮式自行火炮发射动力学仿真的优化设计模型。采用加权组合法将炮口角位移与角速度统一为单目标,分别应用序列二次规划法、粒子群算法、模拟退火算法及多岛遗传算法对其进行优化设计求解。比较结果发现,模拟退火算法及多岛遗传算法能够适应轮式自行火炮系统优化问题的求解需求;粒子群算法尽管收敛速度较快,但优化结果不如模拟退火算法及多岛遗传算法;序列二次规划法由于容易陷入局部最优,不能适应轮式自行火炮系统优化问题的求解需求。     

基于退火遗传算法的传动装置故障征兆识别

提出了将模拟退火算法融合于遗传算法中的组合方案,对传动装置监测信号小波能量谱进行编码,以克服利用BP算法进行样本训练时网络可能会陷入局部极小点的缺点.以某型传动装置监测信号的小波能量谱为训练样本,识别传动装置带有缺损的齿轮的故障征兆.计算结果表明,组合方案能够提高神经网络训练效率和故障征兆识别精度.     

改进的混合遗传算法在防空目标分配中的应用

根据现代海战中防空目标分配的特点,建立了目标分配模型。针对基本遗传算法进行目标分配中存在的问题,提出了一种改进的混合遗传算法。该方法首先对交叉和变异算子进行了改进,引入了小生境技术解决早熟收敛问题。然后利用模拟退火算法具有较强的局部搜索能力,并且能够使搜索过程避免陷入局部最优解的特点,将模拟退火算法嵌入到基本遗传算法的循环中,解决了基本遗传算法收敛速度慢,时间复杂度高的不足。仿真结果表明,混合算法能很快收敛到全局最优解,效果较好。     

基于SA-GA-BP 的某爆破扫雷器电液伺服系统建模

为解决电液伺服系统的液压元件存在非线性时变性等不确定因素,使得难以对其建立精确模型的问题,提出一种基于模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)优化BP神经网络的建模方法.利用模拟退火算法(simulated annealing algorithm,SA)的概率跳变能力克服遗传算法(genetic algorithm,GA)存在的早熟现象,在此基础上采用模拟退火遗传算法的全局寻优能力优化BP神经网络的权值和阈值.以某型爆破扫雷器电液伺服系统为例,利用所提方法对系统进行离线辨识.仿真结果表明:基于SA-GA-BP神经网络的建模方法能很好地拟合系统固有的非线性和时变性特性,所提方法是有效的.     

无人机翼型/多段翼型优化设计研究

为了提高采用遗传算法的气动优化设计的效率,文中探讨了将优化方法中的拟牛顿与遗传算法相结合,形成混合遗传算法,并将分布式计算与分布式遗传算法相结合,形成了基于分布式遗传算法的气动优化设计方法。应用该方法进行了无人机翼型、多段翼型的气动外形优化设计。设计实践表明,文中发展的方法是可行的,且由于采用了混合遗传算法和分布式遗传算法而提高了优化的质量和效率。     

CQ2系列气缸加速寿命试验优化方法研究

基于CQ2系列气缸的优化模型，设计了一种改进遗传算法，此算法中采用交叉和变异操作点数随种群多样性函数而变化，在寻优后期，采用Powell法进行加速。高维复杂函数优化结果表明：该算法有效地解决了早熟收敛问题，同时在目标函数的寻优后期快速逼近最优值，达到全局最优。依据优化方案对CQ2系列气缸实施加速寿命试验，试验结果证明：此方案在不影响参数估计精度的前提下，有效地缩短了周期，降低了成本。