一种混合智能排样优化算法的应用研究

基于智能优化方法的混合机理,将并行进化机制引入遗传算法和粒子群算法,提出一种混合智能优化排样方法(HGPA)。该算法依据个体适应度值的大小和相似性对整个种群进行合理划分,在每次迭代中,个体适应度值较好的子种群利用遗传算法进化,个体适应度值较差的子种群则利用粒子群算法处理,实现优化方法的优势互补和信息增值。同时通过设置多样性度量标准来控制种群特征信息和搜索空间。在求解不规则件排样问题的算例表明:该算法可平衡控制个体种群进化中的局部寻优和全局搜索,为智能优化的混合机理研究提供了一个新的思路。     

一种基于改进遗传算法的神经网络优化算法研究

遗传算法是目前优化搜索算法中应用比较广泛的一种,但基本遗传算法存在收敛速度慢、易于陷入局部最优等缺点。针对上述问题对遗传算法(GA)的选择算子进行改进,在最优保存策略的基础上将每代种群按照适应度由小到大排序,平均分成前中后3段,按照0.6、0.8、1的比例进行选择;从尾段中随机抽取个体来补足种群由于选择操作而损失的个体;既利用了最优保存策略的全局收敛特性同时也保持了种群的多样性;用改进的遗传算法调整神经网络的权值形成了新的改进遗传算法优化BP神经网络(IGA-BP);通过与选择算子为适应度比例选择算子的GA-BP网络进行比较,结果表明算法改进后缩短了收敛时间同时减少了运行误差;最后将该改进算法应用于水泥回转窑的故障诊断中,验证了算法的可行性。     

分布式计算在平面不规则零件排样中的应用

本文设计了一个分布式计算模型用来提高遗传算法(GeneticAlgorithms,GA)的运行速度,使遗传算法在解决平面不规则零件排样问题时具有更好的实用性。该模型建立在局域网环境中,以客户机/服务器结构为主框架。服务器协调遗传算法的运行过程,它将种群中的个体发送到客户机;客户机负责解码计算以获得个体适应度,并将适应度送回服务器。实验表明,应用该模型可以大大加快遗传算法的运行速度。     

基于遗传算法的瓦楞纸生产原纸张力控制研究

针对瓦楞纸板生产过程中由于原纸张力控制系统具有时变性、负载扰动等难以实现参数整定的问题,提出了基于遗传算法优化的模糊PID控制方法,将遗传算法和模糊PID控制方法结合,用遗传算法来优化模糊控制规则和隶属度函数。实验结果表明:将该方法应用到原纸张力控制系统中,能使系统响应速度加快,抗干扰能力增强,具有良好的稳态精度和动态响应性能。     

基于机器学习的多策略并行遗传算法

为了改善遗传算法的性能,提出一种基于机器学习的多策略并行遗传算法,使用机器学习方法改善遗传算法性能.首先,利用并行思想加速遗传算法进化过程,使用K均值聚类算法将初始种群划分为多个簇,然后将相似个体均匀分配给不同的子种群,保证子种群的多样性和均匀性;同时,在进化过程中,使子种群间相互通信,使用优秀个体替换其他种群中的较差个体,提升种群整体质量.然后,引入能自主感知环境的强化学习,实现遗传算法中重要参数交叉概率的自学习,使交叉概率根据经验适应进化过程.最后,通过函数实例测试验证了基于机器学习的多策略并行遗传算法的优越性和稳定性.     

实数编码遗传算法的缺陷分析及其改进

首先分析了一个典型的遗传算法处于某一阶段时各参数间的制约关系。指出由于实数编码遗传算法中交叉与变异操作改造个体时,是通过改变构成个体的部分或全部实数（而不是位）实现的,造成了个体转移矩阵（与位编码方式相比）呈现出特殊的模式,而正是这种特殊模式,使实数编码遗传算法更易于失效。基于这一结论,提出了采用次级遗传算法改造实数编码遗传算法中交叉、变异算子的改进方法。该次级遗传算法将解空间各维上的实数增量组成基因串,旨在提高交叉、变异中个体转移方向与优化对象的符合程序。实验结果表明,改进后的算法在解决文中所涉及的优化问题时,性能明显优于原算法。由于改进后的算法是一个纯粹的遗传算法,因此能更好地保留遗传算法的各项优点。     

遗传算法的单纯形交叉算子

提出一种新型的遗传算法交叉算子,即单纯形交叉算子。这种算子实现了遗传算法与单纯形算法之间的结合,它能加快遗传算法的寻优速度,提高遗传算法定位最优解的精度。通过动态调整该算子的调用概率,可以方便地控制它的使用。本文还提出了一种所谓的“淘汰选择”,这种操作使得操作算子生成的新解不再是简单地取代其亲生父代个体,而是取代父代群体中的劣质个体。测试的算例表明该算子效果显著。     

基于混合遗传算法的工艺路线优化配置

针对 FMS工艺路线优化配置问题提出一种混合遗传算法。该算法在遗传算法中引入了具有启发式规则的余量随机分配算子 ,可以将超过约束条件的余量随机分配到个体中去 ,通过按照一定规则的调整而将不可行个体引入可行域。一方面实现了利用遗传算法求解工艺路线的约束优化问题 ,保持了遗传算法的全局寻优特点 ,另一方面加强了遗传算法的局部搜索能力 ,提高了运行效率。算例证明该算法的求解效果好于目前该领域常用的启发式算法。     

最优子种群实数编码的遗传算法

提出了最优子种群实数编码遗传算法理论,通过从种群中选出适应值最高的若干数量的个体,组成该代最优子种群,将最优子种群中的个体与种群中其它个体进行交叉变异、最优子种群中的个体间也进行交叉变异,从而产生新的种群。该遗传算法使得遗传过程中落入局部最优解的几乎不可能,对于多极值问题非常有效,收敛速度也非常快。     

一种基于遗传算法的装配序列规划新方法

装配序列规划的实质是NP组合优化问题,应用遗传算法来解决装配序列规划问题可以得到较好的结果.但是使用传统的遗传算法则收敛速度较慢,通过应用Boltzman变比技术来调整遗传算法在不同时期的选择压力,则可以较好的改善遗传算法的收敛速度较慢的问题.因此提出了一种应用Boltzman变比技术的遗传算法来解决装配序列规划问题的方法.通过使用精英选择技术,保证上一代种群中的最优个体能够顺利的进入到下一代中,以防止种群中优良个体的丢失.并提出了一种基于简化关联图来生成遗传算法初始种群染色体的新方法,该方法结合人工输入的方法,可以保证了初始种群染色体的质量.根据装配序列规划问题的特点,设计了具有针对性的杂交算子和变异算子.在实际应用中,该方法取得了良好的效果.     

基于遗传算法和神经网络的塔机结构动态优化设计

利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型,用于振动系统的快速重分析。首先对塔式起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

Internal leakage rate prediction and failure diagnosis of buried pipeline ball valve based on valve cavity pressure detection

— Ball valve is a key fluid control equipment used extensively in oil and gas pipelines. The online detection and failure diagnosis of the internal leakage of the ball valve is of great significance to ensure the safety operation of natural gas transmission pipelines. This paper proposes a prediction method of the internal leakage rate and a diagnosis method of the failure mode of the buried pipeline ball valve based on valve cavity pressure detection. Firstly, the valve cavity pressure signal generated by the internal leakage of the ball valve is detected by the pressure sensor, and the valve cavity pressure signal is denoised by wavelet threshold denoising. Then, the back propagation (BP) neural network has the disadvantage of unstable learning ability, so the BP neural network is optimized by chaos sparrow search optimization algorithm (CSSOA-BP). Finally, the prediction model of the ball valve internal leakage rate and the diagnosis model of the ball valve failure mode are established by using CSSOA-BP neural network and the characteristic parameters of the valve cavity pressure signal. To verify the performance of the prediction model and the diagnosis model of CSSOA-BP neural network, the predictive results and diagnostic results are compared with those of the sparrow search algorithm optimization BP (SSA-BP) neural network and BP neural network. The experimental results show that the maximum prediction error of CSSOA-BP neural network is the smallest, which is 13.6%. The accuracy of the diagnostic results of CSSOA-BP neural network is the highest, which is 83.3%. It indicates that the proposed method can achieve better predictive results of the ball valve internal leakage rate and more accurate diagnostic results of the ball valve failure mode.     

基于最小二乘支持向量机的疲劳裂纹扩展预测

根据腐蚀疲劳裂纹在扩展过程中受到多种环境因素影响,裂纹扩展预测难精确的特点,本文提出了基于遗传算法参数优化的最小二乘支持向量机方法来预测结构腐蚀疲劳裂纹扩展。该算法采用遗传算法优化最小二乘支持向量机的模型参数,从而避免了算法陷入局部最优解,实现了精确度高、泛化能力强的裂纹扩展预测模型。最后通过对已有文献的某试件裂纹扩展的实验数据进行建模分析。结果表明:基于遗传算法的最小二乘支持向量机预测方法优于神经网络算法、蚁群算法,预测误差较小,具有很好的预测能力。     

一种多周期随机需求生产/库存模型

为使存贮、生产和缺货等费用的总和最小，建立了一种多周期随机需求生产／库存模型，该模型采用（S，Q）策略对生产和库存进行控制，即当成品库存降至8时准备生产，生产量为Q。通过对该模型费用函数特性的分析，设计了一种迭代学习算法，根据该算法可以得出系统的最优生产准备点及最优生产量。将所提出的迭代学习算法与遗传算法进行了比较，结果显示，两者所得到的控制量是吻合的，且迭代学习算法的求解速度更快，从而证实所建立的模型和提出的迭代学习算法是正确有效的。     

一种确定神经网络初始权值的新方法

针对BP神经网络对易陷入局部极小的缺点,结合粒子群优化算法(PSO)在全局搜索上的良好性能,提出了一种新的算法--PSO-BP混合算法.该算法先用PSO算法将BP网络的初始权值优化到全局极小点附近,然后用传统BP神经网络学习算法进行进一步优化,仿真表明:该方法很好地解决了BP神经网络对初始值敏感、易局部收敛的问题.     

基于遗传算法和BP神经网络的裙座锻造结构优化设计

裙座锻造结构几何参数是影响其力学性能指标的重要因素,它们之间的关系既无先验公式表征,又为非线性,一般采用分析设计方法,但耗时长也未必达到优化目的。神经网络法具有超强非线性映射能力,可自动总结出数据之间的函数关系,遗传算法可多点群体搜索,并可不陷入局部最优点。利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构特性的人工神经网络模型。最后用遗传算法对所建立的神经网络模型寻优,得到较好的结果。     

热水器温度自调整因子模糊控制

提出全论域范围内带有自调整因子的模糊化控制算法,这种算法可以克服常规模糊控制的缺点,而且自调整过程符合人在控制决策过程中的思维特点,具有优化的特性。同时采用单片机C8051F040来实现对热水器温度的模糊控制,具有硬件电路简单,调温速度快,稳定性好等优点。     

Fuzzy-sliding mode control of a polishing robot based on genetic algorithm

This paper proposes a fuzzy-sliding mode control which is designed by a self tuning fuzzy inference method based on a genetic algorithm. Using the method, the number of inference rules and the shape of the membership functions of the proposed fuzzy-sliding mode control are optimized without the aid of an expert in robotics. The fuzzy outputs of the consequent part are updated by the gradient descent method. It is further guaranteed that the selected solution becomes the global optimal solution by optimizing Akaike’s information criterion expressing the quality of the inference rules. In order to evaluate the learning performance of the proposed fuzzy-sliding mode control based on a genetic algorithm, a trajectory tracking simulation of the polishing robot is carried out. Simulation results show that the optimal fuzzy inference rules are automatically selected by the genetic algorithm and the trajectory control result is similar to the result of the fuzzy-sliding mode control which is selected through trial error by an expert. Therefore, a designer who does not have expert knowledge of robot systems can design the fuzzy-sliding mode controller using the proposed self tuning fuzzy inference method based on the genetic algorithm.     

发动机磨损状态的改进LS—SVM监控研究

介绍最小二乘支持向量机对航空发动机滑油系统铁元素浓度的变化趋势进行预测;并采用遗传算法对最小二乘支持向量机的参数进行优化。通过与时间序列分析的预测结果相比较,仿真实验结果表明：得到的最小二乘支持向量机的预测精度高,具有很好的泛化能力和学习能力。     

车辆齿轮油承载能力的估算

从纳米摩擦学角度考察了车辆齿轮的四球机测定结果,发现最大无卡咬负荷ＰＢ和烧结负荷ＰＤ值不能很好地代表承载能力。阐明了由这两个指标难于预测车辆齿轮油承载能力的原因是：（１）钢球材质与实际摩擦副的不同;（２）钢球的接触方式是点接触;而齿轮是线接触;首次提出一套利用四球机测试估算车辆齿轮油承载能力的方法,指出实际选择齿轮油时可根据经的啮合压力来确定油品在四球机试验中应达到的比压力。