基于斐波纳契数列的自适应DCQGA

针对现有双链量子遗传算法的收敛速度慢、稳定鲁棒性差和时间复杂的特点,提出采用斐波纳契数列的自适应双链量子遗传算法.首先,研究了斐波那契数列的特性,建立了斐波那契数列的量子旋转门转角的调整策略;其次,在最优解的搜索过程中,考虑目标函数在搜索点的变化率,建立了随相邻两代的目标函数适应度值变化大小自适应地调节转角步长的方法;应用新算法求解复杂函数的极值优化问题.仿真结果表明,改进算法不仅提高了算法的收敛速度和稳定鲁棒性,而且明显的改善在算法的效率和降低算法的时间复杂度.     

模拟电路故障诊断的仿真研究

研究模拟电路故障诊断优化问题,模拟电路故障特征和故障诊断器之间密切相关,然而传统算法忽略两者之间的联系,无法获取最优故障诊断器,导致故障诊断正确率低.为了提高了模拟电路故障诊断正确率,提出一种特征和故障诊断器联合优化的模拟电路故障诊断算法.首先利用故障特征选择和分类器参数间的相互联系,建立故障诊断数学模型,然后采用遗传算法对模型进行求解,最后对具体电路故障进行仿真测试.测试结果表明,联合优化算法有效提高了模拟电路故障诊断正确率,为模拟电路故障诊断提供了一种新的工具.     

遗传算法在智能车控制器参数寻优中的应用

研究智能车控制器优化设计问题,由于控制器参数不准确,引起控制误差.为解决上述问题,根据智能车的运动学模型,设计出智能车轨迹跟踪控制律.采用遗传算法对控制律参数寻优,利用逆推(Backstepping)方法,在搜索空间里获得全局最优解.最后利用提出的遗传算法对控制律参数优化方法,通过智能车对圆周轨迹的跟踪仿真,证明了智能车在遗传算法对该控制律参数寻优下,能够实现对给定轨迹的全局渐近跟踪,获得了较好的控制效果.验证了遗传算法对智能车控制器参数寻优的可行性和有效性.     

无线传感器网络中分布式数据挖掘算法研究

研究无线传感器网络中数据挖掘问题.针对大量高维冗余且不确定的无线传感器网络监测数据传送到中央服务器上使用传统的数据挖掘方法进行挖掘的缺点相当明显,导致耗费了珍贵的网络能量.为解决上述问题,提出在每个传感器节点上进行基于粗糙集与遗传BP网络相结合的分布式数据挖掘算法,利用GA来训练BP网络的阈值和权值来构成遗传BP网络(GABP),克服BP网络的某些不足;利用粗糙集RS在消除冗余信息、处理不确定性数据等方面的优势,缩减训练数据输入BP网络的维度.仿真结果表明,改进算法能有效地实现对无线传感器网络中的数据进行分类,取得了较理想的效果.     

空间绳系机器人的多次推力逼近策略研究

针对空间绳系机器人近距离逼近问题,提出了基于时间最优的一般N次推力机动策略及算法,由演化得到的等时间N次机动模式和等速度增量N次推力机动模式,能够将多次推力机动策略中复杂的多时间变量求值问题转化为有非线性约束的最小机动时间问题,并利用基于罚函数法的遗传算法进行求解,对空间绳系机器人的近距离逼近问题进行了仿真。仿真表明:一般N次推力机动策略及算法能够很好解决此类多时间变量求值问题;且不需要进行初始速度脉冲修正,相对于基于"时间倒流法"的N次推力策略和连续推力具有较小的机动时间,并在某些情形下相较于后两者以及双冲量机动具有较少的能耗或者较小的最大视界角,为绳系机器人推动逼近设计提供了依据。     

改进蚁群算法的无线传感器网络路径优化

研究无线传感器网络路径优化问题,针对无线传感器网络(WSN)路径优化问题,在分析了遗传算法和蚁群算法各自优缺点的基础上,通过把蚁群算法作为WSN路径优化的主框架,采用遗传算的选择、交叉和变异算子提高蚁群算法搜索速度,提出一种改进蚁群算法的WSN路径优化方法。仿真结果表明,改进蚁群算法有效地克服了基本蚁群算法的缺陷,提高了WSN路径优化效率和成功率,减少了能理消耗,有效延长了网络生存时间。     

多类型物流配送优化策略研究

研究多类型物流配送优化问题。物流中货物的配装以及送货的线路优化是物流配送的核心难点问题。对目前常见的物流配送过程中优化调度算法进行比较,分析了物流配送抽象流程,阐述了半启发式的遗传算法,以求取优化配送效率、降低算法的时间和空间复杂度为目标,建立了多类型物流配送整数线性规划模型,并设计了相关求解算法。将自适应遗传算法的多类型物流配送优化策略应用到实际物流配送过程中进行仿真,处理结果进行科学评价。通过实例的应用,验证了提出算法的可行性和高效性。     

基于改进遗传算法的多脉冲交会轨道优化研究

最优空间多脉冲轨道交会是一个复杂的非线性系统。由于结构复杂,存在非线性特性,影响系统的快速性和实时性。建立最优空间多脉冲轨道交会模型,传统遗传算法不能满足要求,因此提出了在自适应遗传算法的基础上引入多位变异的多变异位自适应遗传算法,对空间多脉冲交会轨道优化进行了求解。多变异位自适应遗传算法增加了种群的多样性,可避免算法的早熟收敛现象。仿真结果表明,利用多位变异自适应遗传算法求解空间多脉冲交会轨道优化效果好,避免了早期收敛,提高了全局寻优能力,为多脉冲交会轨道优化提供了较好的方法。     

飞机地面空调车温度控制的仿真研究

研究优化飞机地面空调车温控制问题,由于飞机地面空调车温度控制是非线性、时变性强的系统,工作环境不确定性,面对复杂系统温控模型不准确,传统的PID控制存在超调量大、响应速度慢、抗干扰能力弱等缺点。为提高温度控制精度,提出了一种新的稳定性好、精度高、抗干扰能力强的遗传-粒子群PID控制方法。结合传统的PID方法,遗传算法和粒子群算法的各自优点,实现了PID参数的在线整定。通过在matlab上进行仿真,实验结果证明算法具有超调量小、响应速度快、精度高、抗干扰能力强等优点,PID控制性能有显著提高,为飞机地面空调车的温度控制设计提供了依据。     

基于遗传神经网络的网格资源预测模型

研究网格资源预测问题,网格资源具有非线性、混沌变化特点,传统BP神经网络具有局部极小、收敛速度慢等缺陷,预测精度较低。为提高了网格资源预测精度,提出一种基于遗传神经网络的网格资源预测模型。利用遗传算法对BP神经网络的权值和阈值进行优化,然后采用BP神经网络对网格资源建立预测模型,最后采用网格资源时间序列进行有效性仿真。仿真结果表明,遗传神经网络有效地解决了传统BP神经网络的不足,提高了网格资源的预测精度,降低了预测误差,十分适合于非线性、混沌的网格资源时间序列预测。