基于定向爬山的遗传算法

爬山法是一种局部搜索能力相当好的算法,主要是因为它是通过个体的优劣信息来引导搜索的。而传统的遗传算法作为一种全局搜索算法,在搜索过程中却没有考虑个体间的信息,而仅依靠个体适应度来引导搜索,使得算法的收敛性受到限制。将定向爬山机制应用于遗传算法,提出了一种基于定向爬山的遗传算法（OHCGA）。该算法结合了爬山法与遗传算法的优点,通过比较个体的优劣,使用定向爬山操作引导算法向更优秀的解区域进行搜索。实验结果表明,与传统遗传算法（TGA）相比,OHCGA较大地提高了算法的收敛速度和搜索最优解的能力。     

基于动态ε支配的多目标遗传算法

基于Pareto支配的MOEA存在着一些缺陷,如容易出现退化现象等。而基于ε支配的MOEA可以比较好地解决这些问题,并具有比较理想的收敛性和分布性。但是采用传统的ε-MOEA时,最大的困难就是ε的值的设定,并且传统的MOEA得出的解在边界部分个体的丢失现象也比较严重。针对这种情况提出了一种新的基于动态ε支配的多目标遗传算法（DEMOEA）,它不需要手动设定ε的值,并且引入了动态网格概念来改善边界解丢失的现象。通过与其他两个经典的多目标进化算法的NSAGA-II和SPEA-2的对比实验,表明提出的DEMOEA能在收敛性、分布性有较好的改进。     

多目标进化算法中变异算子的比较与研究

提出了一种适应于多目标进化算法的变异越界处理策略,成功地将这些变异算子应用到多目标进化优化问题中,从多目标优化收敛性的角度比较了这些变异算子的性能。通过一组实验表明这种越界处理方法是非常有效的,单目标优化中的这些变异算子具有与多项式变异算子相当的分布性,同时取得了更好的收敛性能。     

求解TSP问题的混合遗传算法

TSP问题是一类经典的NP问题,目前有很多方法对其求解,而用混合遗传算法对其求解取得了很好的成效。常见的混合遗传算法有遗传算法与最速下降法相结合（GACSDM）、遗传算法与模拟退火法相结合（SAGA）。设计了贪婪的复合变异算子（GCM）,并引入隔代爬山法算子（Climb）增加遗传算法的局部搜索能力。实验结果表明该算法是有效的。     

一种基于快速排序的快速多目标遗传算法

多目标遗传算法的一个重要步骤就是构造非支配集,本文提出了一种基于快速排序的非支配集构造方法,提高了非支配集构造效率,并且在Deb提出的NSGAⅡ的基础上,改进了其种群构造策略,设计了一类新的多目标遗传算法。实验表明,这种方法比NSGAⅡ具有更快的收敛速度且保持了良好的分布性。     

基于共享存储器的多亲遗传算法及其理论分析

针对多亲遗传算法与传统遗传算法相比在求解一些实际问题时,算法性能提高并不明显的现象,提出了一种基于共享存储器的多亲遗传算法,并对其进行了理论分析,证明了基于共享存储器的多亲遗传算法满足模式定理。此外,还采用测试函数和字符串问题对算法进行了仿真实验,结果表明了算法的有效性。     

多目标进化算法中基于动态聚集距离的分布性保持策略 *

提出了基于动态聚集距离 ( DCD)的分布性保持策略 ,利用个体在不同维目标上聚集距离的差异程度来定义 DCD,并在种群维护中动态地计算 DCD。与目前经典算法 NSGA-II和ε -MOEA进行比较 ,实验结果表明 DCD能在较大程度上提高分布性 ,并得到较好的收敛性。     

基于激光剪切散斑技术分辨铝蜂窝缺陷类型

运用激光剪切散斑技术结合负气压加载,实现了蜂窝夹层结构内部缺陷类型的分辨,并使用数值计算方法分析不同类型缺陷在负压加载下的力学变形差异。文章首先制备了一块预置不同类型缺陷的卫星用铝蒙皮铝蜂窝夹层结构,缺陷类型分别为:上胶层垫膜、下胶层垫膜、去胶层、去胶层垫膜、去胶层油膜以及铣去蜂窝芯,尺寸依此为:10 mm、20 mm、30 mm和40 mm;接着简单介绍了剪切散斑干涉的基本原理,运用自行研制的激光剪切散斑系统结合负气压加载对蜂窝夹层试块加载;然后通过数值计算方法对比分析不同类型缺陷在负气压加载下的力学变形机理;最后使用热辐射加载进一步对样品进行探伤测试,分析两种加载方式的优劣。实验结果表明,激光剪切散斑干涉技术结合负气压加载可有效分辨铝蜂窝夹层结构内部的脱粘和夹杂等类型缺陷,数值计算方法可进一步佐证了实验结果。本文的研究可为蜂窝夹层结构的缺陷检测、缺陷类型分辨以及缺陷的力学变形机理分析提供技术支撑。     

沈阳市辽中区城区供水水源及用水现状分析

文章通过对城区水资源开发利用现状,遵循水资源合理开发、节约使用、有效保护的原则,分析取用水的合理性,以及取水水源水量的可靠性,并提出节水措施及建议。