基于混合退火遗传算法的圆柱蜗杆传动模糊优化设计

针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法.在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能.并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计.     

混合遗传算法在磁性液体密封齿形优化中的应用

为使小生境遗传算法快速收敛,减少总的运算时间,在小生境遗传算法中融入局部贪婪性搜索过程,形成混合遗传算法。基于该算法,对磁性液体密封齿形进行优化设计。结果表明,混合遗传算法同样能够找到多组最优解,但与小生境遗传算法的计算过程相比,显著减小了进化代数,且总的运算时间减为原来的82%。     

一种混合遗传算法在PID参数优化中的应用

针对常规遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,设计了一种混合遗传算法,即在全局搜索的遗传算法中引入局部搜索的单纯形算法,并将其应用于PID参数寻优.仿真结果表明,此混合遗传算法寻优设计的PID控制器可以有效地提高寻优精度和收敛速度,具有很好的动态品质和稳定性.     

混合遗传算法在网络拥塞控制中的仿真研究

随着互联网技术的迅猛发展,网络拥塞日益成为了限制计算机网络发展的一个瓶颈,为了实现拥塞控制,建立了多约束优化数学模型,并提出一种混合遗传算法。该算法将禁忌搜索融入到遗传算法中,既可避免遗传算法陷入局部最优解,也为禁忌搜索提供了较好的初始个体,因此可以加快算法收敛,提高解的质量。仿真结果表明该优化算法减小了端到端的延迟,降低了丢包率,从而避免了网络拥塞、优化了网络资源利用。     

基于混合遗传算法的连采机减速器试验模态参数识别

针对经典遗传算法在复杂空间上局部搜索能力较弱,易过早陷入未成熟收敛,并在接近最优解时,由于优化压力较小导致搜索效率低等问题,在传统遗传算法群体进化中引入拉马克学习机制,构造基于拉马克学习机制的局部搜索算子,建立起混合遗传算法模型.两种算法相互融合,使学习的优势得到发挥,提高局部深度搜索能力并加快了全局收敛速度.将其应用于连采机减速器试验模态参数识别中,结果证明了混合遗传算法的有效性和准确性.     

基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

改进FGA算法及其在四杆机构优化设计中的应用

遗传算法可以有效地处理一些常规优化方法不能解决的复杂优化问题。然而,传统遗传算法存在容易陷入局部解、收敛速度慢和处理带约束优化问题效果不佳等缺点。提出了一种采用浮点数编码方法处理不等式约束优化问题的改进遗传算法(Float-encoding Genetic Algorithm,FGA),该算法具有收敛效率高、算法稳定性好和局部搜索能力强等优点。运用该算法对曲柄连杆机构进行优化设计,优化结果表明,改进后的遗传算法比传统遗传算法优化效果更好。     

改进遗传算法的应用研究

针对简单遗传算法在实际应用中存在易产生早熟收敛、得到的结果可能为非全局最优收敛解、适度值计算时间过长以及在进化后期搜索效率较低的缺陷,介绍了四大类改进遗传算法,即小生境遗传算法、自适应遗传算法、并行遗传算法及混合遗传算法的应用情况.     

基于混合遗传算法的柔性制造系统优化设计

针对基于闭排队网络模型的柔性制造系统优化设计问题，提出了一种混合遗传算法，利用该模型中生产量函数和成本函数的单调性，设计了最大产量－成本梯度算子，来引导新一代种群从不可行域进入可行域，既实现了利用遗传算法求解柔性制造系统约束优化问题，又增强了遗传算法的局部搜索能力。由于该算法利用渐近边界分析思想和编码技术减少了计算量，从而使混合遗传算法既保持了遗传算法的全局寻优特点，又提高了运行效率。算例证明，该算法的求解质量优于目前该领域常用的隐枚举算法。     

一种基于GA-SA-TS算法的车间调度方法的研究

运用现代优化算法来解决车间调度这类NP完全问题是现在普遍使用的方法。本文将模拟退火算法和禁忌搜索算法的思想与遗传算法相结合,改善了传统遗传算法中单一的交叉和变异机制,提出了模拟退火-交叉机制和禁忌搜索-变异机制,最终形成了一种适用于解决车间调度方面问题的GA-SA-TS混合遗传算法。三种算法取长补短,避免了遗传算法局部搜索能力差和易早熟的缺点。同时运用GA-SA-TS算法,针对实际车间调度问题进行了仿真。通过该仿真结果可以看出,GA-SA-TS混合遗传算法对于解决车间调度问题是可行的,且在解的质量方面有所提高。     

基于遗传-迭代算法的运动平台位置正解

针对六自由度运动平台的位置正解问题进行了分析,提出了一种基于遗传-Newton迭代算法的六自由度运动平台正解算法,给出了该算法的具体实现流程,并且利用该算法求解相应的六自由度运动平台位置正解问题,给出了相应的运算实例。同时对遗传-Newton迭代算法和遗传算法求解同一运算实例的结果进行对比。对比结果表明,遗传-Newton迭代算法与遗传算法相比,具有求解精度高,速度快的优点,更能够满足工程实际的要求。     

一种多品种变批量柔性作业车间调度方法

文中针对多品种变批量柔性生产车间交付周期长、设备利用不均衡、生产效率低的问题,提出了一种基于遗传算法的多品种变批量生产调度方法。该方法以最长完工时间和设备总负载为目标构建多品种变批量生产调度优化模型,并基于遗传算法求解该模型。同时考虑在实际生产过程中存在的动态扰动事件,设计并实现了一种基于扰动事件驱动的重调度方法。通过对某发动机的气门传动机构进行测试,验证了文中所提方法的可行性和有效性。     

基于遗传算法的混合动力汽车前向仿真驾驶员模型参数优化

建立了采用PI控制的混合动力汽车前向仿真驾驶员模型,针对传统方法难以整定PI控制器控制参数的问题,提出了基于遗传算法优化PI控制器控制参数的方法,给出了遗传算法的目标函数及其实现过程。仿真结果表明,基于遗传算法优化控制参数的驾驶员模型,能够使得实际车速很好地跟踪循环工况目标车速。     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

基于遗传算法的拆卸序列规划研究

为得到满足实际需要的产品拆卸序列方案,减少人工输入所带来的不便,利用联接矩阵和干涉矩阵,构建了产品拆卸序列的数学模型;利用干涉矩阵和联接矩阵,产生满足几何约束条件且经过初步优化的拆卸序列;利用基于拆卸序列规划的遗传算法,优化了上述拆卸序列;通过实例验证了此种基于遗传算法的拆卸序列规划方法的可行性及实用性。     

面向柔性定制的并行不等效客车混装线生产计划主从联合优化

针对客车制造过程中多条异构混装线之间加工能力、作业时间不等效的特征，提出面向柔性定制的并行不等效客车混装线生产计划模型。分析订单分解和投产排序的耦合关联机理；以产品紧急度、匹配度以及产线负荷为目标，建立以订单分解为主、投产排序为从的主从联合优化模型。针对模型特征提出一种结合Pareto前沿解的双层交互式遗传算法。为了提高遗传算法的性能，引入自适应调整方法对交叉概率和变异概率进行改进，并采用小生境技术保证种群多样性。利用客车混装线中的案例对提出的模型进行了验证，并与多阶段遗传算法以及企业的实际方案进行了比较。所提出的使用双层交互式遗传算法的模型可以真实地代表企业的实际情况，并最大限度地提高混装线的效率。     

基于遗传算法的交互式齿轮优化设计方法研究

常规的齿轮设计方法通常需要花费大量时间，通过数次试算才能得到一个较好的设计结果，采用一般的非线性和线性优化方法注解起来也比较困难。为此，本文以渐开线标准直齿圆柱齿轮为例，提出了一种基于遗传算法的交互式优化设计方法，对于设计原始数据，设计要求及设计过程中的经验型中间结果采用交互式输入，而对其他主要设计变量采用遗传算法进行优化。     

基于遗传算法的双目标设施布置方法研究

在传统设施布置模型和SLP方法的基础上,以物流总成本最低和非物流相关关系最大为目标,结合企业的实际设施布置需要,提出带有通道和墙体的设施布置模型,运用改进后的遗传算法对问题进行求解,并进行了实证研究。