基于进化算法的常减压装置模拟

提出了基于优选优生进化算法（Select—best and prepotency evolution algorithm，SPEA）的常减压装置模拟方法。以各塔的温度分布为目标，基于生产过程和分析数据，采用SPEA确定各塔板Murphree效率，从而精确描述各塔板平衡偏离程度。在实际应用中，获得具有良好精度的常减压装置模型。系统分析了SPEA算法的关键参数——优选领域大小与计算复杂性及寻优性能之间的关系，结果显示其取值为群体规模的10％最为合适。     

基于遗传算法的服装工序编排规划

本文讨论了建立服装工序编排系统的必要性，在进行服装工序拆分、合并的基础上，应用遗传算法建立了以流水线平衡为目标的服装工序编排模型．     

基于遗传算法的门限自回归模型在浅层地下水位预测中的应用

提出了建立门限自回归模型的一种简便通用的方法，用遗传算法可同时优化门限值和自回归系数．实例计算的结果说明了其可行性和有效性．该方法在各种工程时序预测中具有广泛的应用价值     

遗传算法概要

计算机生物模拟开始于本世纪40年代,特别是近代生物理论的发展为计算机生物模拟提供了丰富的素材。早在60年代美国Michigan大学的John Holland对进化理论的一般特性产生极大兴趣,他和他的学生们把已为人们所接受的生物进化思想((1)进化过程是发生在染色体上;(2)适应性好的染色体个体比适应性差的个体有更多的繁殖机会;(3)进化发生在繁殖过程中,变异可产生不同于父代的染色体;(4)生物进化没有记忆,有关个体的信息包含在染色体结构中。)应用于机器学习中,取得成功并命名为遗传算法。     

基于遗传神经网络的电站锅炉飞灰含碳量预测

针对锅炉飞灰含碳置影响因素复杂．实时测量难度大．精度低，提出了一种基于遗传神经网络的预测方法，并用于某电厂，结果表明，该方法是有效的。     

连铸温度场数值模拟及冷却水参数优化

由于用实验方法来研究工艺参数对铸坯温度场的影响较困难,故而提出了一种在冶金冷却条件指导下的启发式GA(遗传算法)数值模拟优化方法,为优化工艺参数提供了理论依据,并在优化基础上采用MIMO(多输入多输出)系统PID(比例积分微分)控制器实现了二冷段配水的优化控制,改善了铸坯的质量.     

基于遗传算法的水轮机最优工况参数计算

利用遗传算法计算水轮机的最优工况参数，给出遗传算法的具体实现步骤，并结合某电站的实际运行参数进行计算，结果表明，利用遗传算法计算水轮机的最优工况是可行的，而且寻优效率高，结果可靠。表2个。     

遗传算法在通信网设计中的应用

由于优化问题的非线性，不能用传统的算法解决，本文利用遗传算法解决通信网设计中的优化问题，取得了良好的效果。