基于一种改进遗传模拟退火算法的TSP求解

快速收敛于全局最优解是遗传算法的一个研究重点.在对遗传算法和模拟退火算法研究的基础上,分析了两种算法各自的优缺点,对已有的遗传模拟退火算法进行了改进.结合遗传算法和模拟退火算法的优点,给出了一种并行的多层搜索结构,提高了算法的效率;同时,在此基础上,提出一种种群早熟评价指标.最后,将此改进算法应用到旅行商问题中,并分别对10个城市和30个城市的旅行商问题进行了仿真,用于验证算法的可行性和快速性.仿真结果表明.改进的遗传模拟退火算法能够较快的收敛于全局最优解.     

基于遗传算法的高空台进排气控制仿真研究

高空模拟试验台进/排气系统是实现地面模拟发动机空中飞行高度、速度条件的核心试验设备,其控制效果的优劣直接影响着高空模拟试验的精度。而控制参数的选择是决定一个控制系统动态特性的关键要素,通过对遗传算法的研究,将该算法应用到进/排气系统进气压力自动控制系统中,对自动控制系统的PID控制参数进行优化,仿真结果表明,遗传算法以其优秀的全局寻优能力,能够对进/排气系统发动机进气压力自动控制系统PID控制参数进行较好地优化,使得控制系统获得良好的控制效果。     

基于RBF神经网络的进气压力控制方法研究

针对高空台进气压力控制系统的强非线性特性和被控对象难以精确建模的问题,传统的PID控制在被试发动机进行加减速等过渡态时难以满足进气压力控制性能要求,提出了基于数据驱动的高空台压力控制方法,设计了基于RBF（Radial Basis Function,径向基函数）神经网络的最优控制架构,通过分析进气压力控制系统的输入和输出,给出了进气压力控制系统的RBF神经网络控制方法;利用高空台的大量试验数据对所设计的控制方法进行了训练和测试。测试结果表明,所设计的智能控制方法有良好的控制性能,能够满足进气压力的过渡态自适应控制。