基因遗传算法在机构优化设计中的应用

介绍了基因遗传算法的来源，基本原理和方法，提出了改进的基因遗传算法，并介绍了圆柱螺旋压缩弹簧优化问题的适合度函数，约束条件及编码方法。研究表明，基因遗传算法适用于解决多变量。多目标，多峰值的约束优化问题。     

基因遗传算法在机械优化设计中的应用

介绍了基因遗传算法的来源、基本原理和方法，提出了改进的基因遗传算法，并介绍了圆柱螺旋压缩弹簧优化问题的适合度函数、约束条件及编码方法。研究表明，基因遗传算法适用于解决多变量、多目标、多峰值的约束优化问题。     

遗传算法在求解函数优化问题中的应用研究

介绍了遗传算法是一种借鉴生物界自然选择和优化机制发展起来的高度并行、随机、自适应搜索算法,阐述了在遗传算法的诸多应用中,函数优化是最显而易见的应用,分析了遗传算法的运行机理,并在Matlab环境中实现了用遗传算法求解函数优化的问题.     

基于遗传算法的车削用量优化研究

为合理地选择切削用量，建立了基于遗传算法的切削用量优化系统框架结构，系统地研究了遗传算法及其相关内容。在约束、单优化目标函数数学建模的基础上，采用线性加权法建立的多目标优化函数；采用罚函数法改进目标函数，使约束直接表示在目标函数中，简化了切削用量的寻优过程。最后，应用遗传算法开发了一个车削用量优化器，对多约束条件下的切削用量优化结果进行了分析，总结了寻优过程中约束条件影响切削用量优化结果的规律。     

制造过程多目标优化的集成计算智能方法

针对制造过程因动态多变而难以定量控制的问题，提出了用集成计算智能方法进行多目标优化。利用人工神经网络进行系统建模，并为遗传算法找到适应度函数及求得目标函数值的方法，进而利用遗传算法进行多目标优化。通过实例验证了方法的有效性与实用性，实现了制造过程的定量分析，为复杂制造系统的建模和优化提出了一种新的方法。     

Matlab遗传算法优化工具箱(GAOT)的研究与应用

介绍遗传算法的基本原理和Matlab的遗传算法优化工具箱（GAOT），分析了优化工具函数。探讨Matlab遗传算法工具箱在参数优化和非线性规划中的应用。通过优化实例，说明遗传算法是一种具有良好的全局寻优性能的优化方法。用Matlab语言及Matlab语言编制的优化工具箱进行优化设计具有语言简单、函数丰富、用法比较灵活、编程效率高等特点。     

基于GA-VMD的滚动轴承故障特征信号提取方法

针对轴承故障提取困难的问题，该文建立了以包络熵和峭度为综合目标函数的变分模态分解(VMD)参数优化方法。用遗传算法对综合目标函数的最小值进行计算寻优，获得最佳的模态分解个数和惩罚因子的值。利用遗传算法(GA)优化的VMD分解方法获得仿真信号和实测信号的本征模态函数(IMFs),依据相关峭度值最大的方法选取IMF敏感分量，并对其进行Hilbert包络谱分析。分析结果表明，基于遗传算法优化的VMD分解方法能够有效提取故障特征信号。     

"基因遗传算法+惩罚函数法”在机械优化设计中的应用

提出了“基因遗传算法＋惩罚函数法”的通用算法，并从中发现，它非常适合求解复杂的非线性约束优化问题。该方法与传统的优化方法相比，可取得较为理想的全域最优解，同时该方法也改善了基因遗传算法的局限性。     

基于最优控制的结构振动主动控制系统多目标优化

本文对简支梁振动主动控制的传感器/作动器位置优化问题,建立了综合考虑控制效果和控制的目标函数,并编制了遗传算法软件包Ga205对此函数的可变参数进行优化,以使目标函数最小化.结果表明,较之穷举法,遗传算法解决传感器/作动器进行位置优化问题是高效的,也是全局收敛的.     

基于遗传算法的行星齿轮传动优化及MATLAB实现

针对2K-H型行星齿轮传动约束优化实例，结合传统优化方法中的惩罚函数法，描述了浮点编码的遗传算法和大型工程计算软件MATLAB中遗传工具箱的使用方法，同时表明，遗传算法在行星齿轮传动优化及其它相关问题中具有较好的应用前景。     

一种改进遗传算法及在结构优化设计中的应用

针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法。以典型的遗传算法测试函数验证改进遗传算法的有效性与可行性，最后将改进遗传算法用于离散变量桁架结构优化设计，计算结果表明改进遗传算法是可行、有效的。     

基于多目标遗传算法的产品优化配置研究

针对产品配置设计存在的问题，提出一种基于多目标遗传算法的产品优化配置方法，设计了相应编码解码方案和适应度计算方法，在具体算法中，对小生境的范围确定和精英策略提出改进。仿真实验证明，该算法可行有效，优于其他遗传算法。     

求解车辆路径问题的改进微粒群优化算法

微粒群优化算法是求解连续函数极值的一个有效方法。研究了用该算法求解车辆路径的问题。设计了求解车辆路径问题的一种新的实数编码方案,将车辆路径问题转化成准连续优化问题,并采用罚函数法处理约束条件。应用该微粒群优化算法求解了多个车辆路径问题的算例,并与遗传算法和双种群遗传算法进行了比较。计算结果表明,该算法可以更有效地求得车辆路径问题的优化解,是解决车辆路径问题的有效方法。     

改进遗传算法及性能测试

为解决标准遗传算法处理复杂系统时易陷入局部最优及稳定性差的问题,通过复制优等个体进行选择,根据种群适应度采用了精英保留原则的交叉、变异运算,得到种群最优个体,通过权威测试函数对比修改后遗传算法与标准遗传算法的性能。结果显示,修改后的遗传算法具有更快的收敛速度和更好的稳定性,最优解不会陷入局部最值中。     

混入逃逸函数的遗传算法优化超大视场光学系统

超大视场光学成像系统在各领域的应用越来越多,但却缺少能够对该类光学系统的像差进行参量化设计的方法。将遗传算法和逃逸函数相结合对超大视场光学系统进行了优化设计。首先,修正了基于平面对称像差理论的超大视场光学系统的评价函数;然后针对遗传算法在优化超多参量光学系统时,其优化解的鲁棒性较差的问题,采用在遗传算法中混入逃逸函数来改善算法的鲁棒性。最后应用改进的算法分别对鱼眼镜头和折反射全景成像系统进行了优化计算,结果表明,优化后光学系统的像质比参考设计有较大的改善。     

多目标模糊优化方法及其在可靠性设计中的应用

在基于模糊机会约束规划理论基础上,对多目标模糊优化方进行研究,通过模糊模拟求解模糊目标函数的理想极大值和极小值,建立了多目标优化问题的模糊机会约束规划模型,并给出了基于模糊模拟的遗传算法求解方法.通过对一个无约束处理的常规双目标模糊可靠性优化问题实例求解,验证了多目标模糊模拟遗传算法的有效性,并指出该算法的优点在于能较好处理多目标优化问题的分目标量纲不同及其函数值之间差距较大的情况.     

协作制造网络伙伴选择组合模型与算法研究

为满足快速响应市场需求、快速选择和配置资源,提出了三阶段协作制造网络伙伴选择组合优化模型;针对遗传算法早熟收敛和模拟退火算法搜索冗长问题,提出了基于邻域函数的尺度参数自寻优的改进遗传模拟退火算法,并在Delphi环境下通过实验仿真验证了算法的有效性.     

基于遗传算法的离散制造系统生产调度问题研究

首先介绍了离散制造业中生产调度的最大加工时间最短的数学模型。然后用遗传算法求解该数学模型,采用了表示工序先后顺序及机器选择的二维编码方法和一种新的计算适应度函数的方法.最后通过实例验证了算法的有效性。     

基于惩罚函数的母子空间不同分辨率遗传算法研究

提出一种基于惩罚函数的母子空间不同分辨率搜索的遗传算法：在母空间中，该算法采用粗分辨率搜索，待搜索速度变慢后，用特征空间识别法优化各聚类中心，并在各聚类中心点创建子空间；在子空间中，因引入惩罚函数，较好处理了子空间边界的归一化问题，并采用细分辨率搜索，以精确获得该子空间中的最优解，从而解决了传统遗传算法搜索效率和寻找全局最优解之间的矛盾。最后，通过实例验证上述算法的可行性及有效性。     

基于实数编码遗传算法的平面度评定

将基于实数编码的遗传算法应用于平面度的评定.根据尺寸和公差的数学定义,建立完全符合最小区域条件的平面度评定的数学模型,并在此基础上给出遗传算法的适应度函数.随后详细地介绍了算法的实现步骤,在基于实数编码的基础上,遗传选择操作采用一种正比选择策略--转轮法,遗传交叉操作采用简单算术交叉法,而遗传变异操作是随机均匀实数变异操作.最后对文献[5]的实验数据进行了评定,仿真结果表明该算法不仅合理,而且效率高、精度高,优于其它算法.