改进的遗传算法在同步器优化中的应用

汽车同步器是自动变速器的重要组成部分.对同步器的模拟优化能为同步器的设计生产提供重要的参考.为了获得一个较好的优化效果,提出了一种改进的遗传算法.通过对遗传算法选择过程的标准进行了改进,结合适应度函数与染色体之间差异,形成一种新的适应度函数.该函数同时考虑了选择压力和物种多样性.通过对函数中两个常量的调整,可以使算法在不同情况下可以有不同的偏重.引入两种典型测试函数的分别从高纬度变量和低纬度变量进行试验,分析改进算法中两个影响因子的作用.并与几类遗传算法进行比较,结果表明该改进的遗传算法能更快更稳定的找到较优的解.最后将改进选择策略结合自适应遗传算法对同步器进行优化,证明了该选择策略具有良好的鲁棒性和实效性.     

面向多路径覆盖的测试数据生成方法

为了解决装备软件回归测试中测试数据的快速生成问题,提出了一种面向多路径覆盖的测试数据生成方法。该方法首先对遗传操作进行改进,然后设计覆盖多条路径的适应度函数,实现了算法的一次运行覆盖多条目的路径,提高了测试数据的覆盖率。在三角形分类经典程序和实际的装备软件模块上进行实例验证,仿真结果表明了该算法优于传统方法,是一种高效的面向多路径覆盖的测试数据生成方法。     

具有适应度选择调整策略的混沌遗传算法及其应用

针对遗传算法在非线性系统优化问题中易陷入局部最优，且大量研究改进后仍存在不足的问题。根据混沌运动的结构特点，提出了一种解决非线性系统优化问题的混沌遗传算法（CGA，Chaos Genetic Algorithm）。该算法将混沌变量引入遗传算法的优化变量中，使两者的取值范围相互映射，利用更新后的混沌变量转换为“染色体”进行遗传操作，同时根据适应度大小选择需要附加混沌扰动的群体，使变异操作具有导向性，经过多次进化，得出问题的最优解。仿真实验利用多种测试函数和相似的智能优化算法进行对比验证。结果表明，该算法保证了非线性系统优化问题动态响应的速度和寻优结果的精度，定量的评价了混沌遗传算法的优化效果。     

基于遗传算法排课问题模型的研究

排课是教学过程中的重要任务之一,优质的课程表可以提高教师、学生的上课效率。基于此,笔者通过建立硬、软约束模型,设计适应度函数,以及选择、交叉和变异等操作,最后得到最优排课方案。实验结果表明,遗传算法提高了排课算法的运算效率,能够得到更多的最优排课方案。     

基于GA-ANN的服装智能选材方法研究

应用基于遗传算法的人工神经网络模型,满足服装面料各因素选择所涉及到的多目标优化等要求,为遗传算法找到适应度函数,以此建立面料因素的智能选择系统模型.以女装面料的选择为例,将款式、风格、价位和季节作为输入层,以面料的原料、织造方式、元素和色调作为输出层,建立人工神经网络,将服装选材的定性指标转化为计算机能够识别的数值,通过样本的训练,研究出服装智能选材的新方法,从而为服装材料的选择提供一种新途径.     

遗传算法的原理及组成浅析

本文简单讨论了遗传算法的特点、组成,即介绍了算法的交叉及常用的交叉算子、变异,其中进一步说明算法的编码原理、适应度函数设计,最后提出该算法的不足之处和改进。     

遗传算法特征选取中的几种适应度函数构造新方法及其应用

针对遗传算法特征选取技术,提出4种适应度函数构造方法,即,基于改进的距离判据、基于平均值方差比、基于Fisher判别准则以及基于最近邻分类法的适应度函数,并通过仿真实例对方法进行了验证。最后,将新方法应用于转子故障诊断,结果表明:笔者提出的遗传算法特征选择的4种适应度函数的正确有效性。     

基于改进遗传算法求取加工自由曲面的最大刀具尺寸

为选取合适的加工刀具尺寸以对自由曲面实现无曲率干涉加工,提出了改进遗传算法并应用于自由曲面全局最大主曲率求取,确定无曲率干涉最大刀具尺寸.根据主曲率特点设计了一种新的非线性自适应度函数,避免算法过早收敛于局部最优值,并给出了新的复制原则.改进遗传算法应用算例分析表明,该算法在500代内能有效求取自由曲面全局最大主曲率,比传统的离散法效率高,选择的最大刀具尺寸满足自由曲面加工无曲率干涉加工的要求.     

粒子群优化算法在求解线性规划方程中的效率研究

提出了使用粒子群优化算法求解线性规划方程的方法,并对粒子群优化算法设置不同的参数求解线性规划方程,研究粒子群优化算法在求解线性规划方程时所表现出的效率,实验表明,粒子群优化算法在求解线性规划方程时当设置参数φ1,=2.8,φ2=1.3,粒子人口数选择40时该算法表现出较高的效率.