基于解析法和遗传算法的机械手运动学逆解

研究优化机械手轨迹规划问题,机械手运动时要具有稳定性避障性能。针对平面3自由度冗余机械手优化控制问题,建立机械手的结构模型。提出用解析法和遗传算法相结合满足具有计算量小和适应性强的特点。在给定机械手末端执行器的运动轨迹,按着机械手冗余自由度,运动轨迹上每个点对应的关节角有无穷多个解。而通过算法可以找到一组最优的关节角,可得到优化机械手运动过程中柔顺性和避障点。仿真结果表明,该算法可以快速收敛到全局最优解,可用于计算冗余机械手运动学逆解,并可实现机器人的轨迹规划和避障优化控制。     

遗传优化的GNNM在瓦斯涌出量预测中的应用

研究矿井瓦斯涌出量准确预测一直是煤矿安全生产中重点关注的问题。煤层瓦斯爆炸因受开发环境、矿层深度、天气等因素的影响,造成与瓦斯涌出量增大而引起的。针对传统预测模型在矿井瓦斯涌出量预测中存在建模困难、收敛速度慢、要求历史数据量大的问题,提出了一种遗传优化的灰色神经网络预测模型。模型利用灰色系统对数据量要求低的特点,将灰色系统理论与神经网络有机结合起来,建立灰色神经网络模型。并采用遗传算法对所建立模型的权值和阈值进行优化。采用模型对矿井瓦斯涌出量进行预测,实验表明,遗传优化的灰色神经网络模型,可以简化系统建模,并能提高瓦斯涌出量预测精度,有一定的实用价值。     

遗传优化支持向量机在电力负荷预测中的应用

研究电力负荷准确预测问题,电力负荷与影响因子之间呈现复杂非线性关系,传统预测方法无法刻画其变化规律,预测精度低。为提高电力负荷预测精度,提出一种采用遗传优化支持向量机的电力负荷预测模型。采用最小二乘支持向量机的非线性逼近能力去描述电力负荷与影响因子间的复杂非线性关系,并采用自适应遗传算法优化最小二乘支持向量机的参数。采用某省1990～2008年电力负荷数据仿真测试,结果表明,遗传优化支持向量机提高了电力负荷的预测精度,预测平均误差低于其它对比模型,电力负荷预测提供了一种新的研究思路和途径。     

混合计算智能算法在WSN路由优化中的应用

研究无线传感器(WSN)路由优化问题,传统路由过程传感器能量消耗过大,就会造成节点的早死亡。如不能提供很好的节点能量,使网络生存困难。为了减少WSN能量消耗,延长网络生存时间,提出一种利用混合计算智能优化算法。采用遗传算法全局快速收敛优点,并融入蚁群算法的每一次迭代中,加快蚁群算法收敛速度,达到具有很强的全局搜索能力,最后对WSN路由优化问题求解。仿真结果表明,混合智能算法提高了节点能量利用效率,延长了网络生存时间。     

改进灰色神经网络的冰箱订单需求预测研究

研究冰箱订单需求准确预测问题,由于冰箱需求具有季节性和随机性,传统的数据模型无法准确描述订单变化规律,预测精度较低。为了提高冰箱订单需求预测精度,将神经网络和灰色理论相结合,构建一种改进灰色神经网络的冰箱订单预测方法。利用灰色系统理论处理订单产生中的随机性,BP神经网络预测其非线性变化规律,并利用遗传算法对神经网络参数进行优化,实现对冰箱订单的准确预测。仿真试验表明,相对于传统预测方法,改进灰色神经网络提高了订单需求的预测精度,可为冰箱需求的预测提供依据。     

基于遗传算法的联合火力WTA问题研究

研究联合火力优化分配问题.联合火力是多种作战力量参战条件下的多武器-多目标对抗.由于火力分配受到多种条件的限制,分配方案又决定作战效果,而武器-目标分配(Weapon Target Assignment,WTA)是多个装备同类型武器的作战单元联合抗击多个目标进行的分配方法.针对WTA问题求解规模大和精度高的特点,传统算法均不能满足速度和精度的要求,在基本遗传算法的基础上,采用精英选择和动态遗传算子的改进算法,避免了过早收敛.利用WTA的数学模型进行仿真.仿真结果验证了算法的有效性.     

服务器集群负载均衡的建模与仿真研究

研究服务器集群负载优化调试问题,各服务器负载能力差异较大,要求尽可能使每一个服务器的负载均衡,传统方法没有考虑负载动态变化特点,导致服务器集群负载极不均衡,系统性能差。为提高集群系统的整体性能,提出一种基于遗传算法的服务器集群负载均衡算法。首先根据负载均衡目标建立数学模型,然后采用遗传算法模型进行求解。仿真结果表明,遗传算法提高了服务器集群系统吞吐量,使系统负载更加均衡,使整个集群系统的资源得到充分利用。     

基于遗传算法的防止无线移动网络路由攻击策略

在无线移动网络中,恶意节点可以通过发送虚假信息和假路由信息、广播假链接等中断路由操作对网络进行攻击。本文在分析了几种常见路由攻击的基础上,提出了一种基于遗传算法的路由优化策略。实验数据表明,这种优化策略可以较好地预防路由攻击,提高网络的整体性能。     

基于遗传算法的平流层飞艇路径规划设计

利用传统线性化方法--小扰动法将模型线性化,结合平流层飞艇的工作特性,把飞艇上升运动看成是纵向基准运动和横侧向扰动运动.然后采用最小值原理,根据飞艇的控制量和边界条件,设计和优化飞艇的上升轨迹,其性能目标函数是从初始点到目标点运动过程中能量消耗最小.利用遗传算法,在运动模型和控制量变化的共同约束作用下,求取目标函数的最小值.最后根据飞艇实际工作过程,对仿真结果分析表明,该方法具有实际应用价值.     

基于多智能体伪并行遗传算法的小水电无功优化研究

为了解决小水电接入配电网带来的电压波动、网损增加等问题。构建了以配电网网损最小为目标函数,电压偏移量与无功补偿量为罚函数的无功优化数学模型,提出了基于多智能体和伪并行遗传算法的智能混合型求解算法,该算法通过邻集拓扑和网格环境的交换来完成全体Agent的更新,增加了进化的并行性,在优化遗传算子的基础上引入了自学习算子,该措施在有效强化系统多样性的同时降低系统内部传输的数据量,从而增强了遗传算法进行全局搜索的能力。在Matlab中对IEEE 30节点系统进行仿真和验证,并将所得结果与传统遗传算法、多Agent遗传算法进行比较,结果表明该算法能有效降低系统网损,提高电压水平,而且显著地提高了运算速度,具有更强的全局寻优能力。