基于多种群混沌遗传神经网络的模拟电路故障诊断

针对标准遗传算法优化BP神经网络收敛慢,易陷入局部最优的问题,提出了改进的多种群协同进化遗传算法,该算法改变了以往的随机初始化方法,采用了附加混沌扰动的tent映射初始化均匀分布的种群,提高了初始解的质量;每个种群采用自适应交叉率和变异率,引入移民算子实现种群间的横向联系;算法通过多种群的协同进化和种群间的个体移植提高了算法的搜索均匀性和效率;仿真实验表明该算法误差小,收敛速度快,诊断正确率高,较好地解决了模拟电路的软故障诊断问题。     

多种群遗传算法的倒立摆LQR控制器设计

针对传统遗传算法在设计倒立摆LQR控制器时,算法会因个别超常个体或群体较快趋于单一化而导致不能得到满意控制参数的问题,利用Sheffield遗传工具箱,设计了多种群遗传算法。算法的开始引入了多个种群同时进行优化搜索,不同的种群采用不同的交叉概率和变异概率,种群之间采用移民算子建立联系,各种群产生的最优个体通过精华种群实现留优。在Simulink环境下建立模型并计算性能指标,Simulink环境下的输出值作为多种群遗传算法的目标函数值。仿真结果表明,在存在建模误差的情况下,本算法稳定性好、遗传代数小,有效地避免了早熟,更为适合复杂问题的优化。     

面向动用计划的车辆装备备件预测研究

针对动用计划下的车辆装备备件的消耗特点,研究了车辆装备维修备件消耗量和库存控制两个预测优化问题。考虑动用计划期内车辆装备的预防性维修和修复性维修,实现定时定程维修和自然随机故障维修下装备维修备件的消耗量的预测。在此基础上,根据备件库存检查方式的特点,建立基于定期检查策略的联合补货库存控制模型,根据模型的结构特点确定决策变量界限,并利用多类种群位置更新方式改进了果蝇优化算法。仿真结果表明,改进的果蝇优化算法具有良好的求解效率,本文所提出的优化方法可为车辆维修保障资源优化提供决策依据。     

基于信息熵多种群遗传算法的组播路由

针对网络信息不确定性和链路负载不均匀所造成的网络拥塞,提出基于信息熵的组播路由算法。该遗传算法从最小代价树开始,在多种群中不断选择信息熵较大的种群,以求得满足延时要求且路径负载较小的组播树。结果表明,该算法性能快速、有效地构造最小时延组播树,且保证网络负载均衡分布。     

改进多种群遗传算法在墙土系统损伤识别中的应用

针对墙土系统损伤识别方法进行研究,提出了一种基于改进多种群遗传算法的墙土系统损伤识别方法。首先,建立了墙土系统动测简化模型,同时对土体发生损伤时墙土系统的特征方程进行理论分析,基于系统的特征方程构造目标函数;其次,对多种群遗传算法进行改进,改进的内容主要包括采用实数编码、采用自适应交叉概率、采用自适应变异概率;最后,利用改进多种群遗传算法分别进行了无噪声条件和噪声条件下的墙土系统损伤定位和定量研究。通过分析结果表明：无论对单处损伤还是多处损伤、单一损伤程度还是多损伤程度,按所提出的方法都能较好的识别出损伤位置和损伤程度,具有较强的抗噪声能力。因此,所提出的方法为墙土系统的损伤识别提供一种简单有效的途径。     

用带蚁群搜索的多种群遗传算法求解作业车间调度问题

结合遗传算法和蚁群算法的优点，提出一种带蚁群搜索的多种群遗传算法．多个种群各自遗传进化，用蚁群搜索得到的解替代各种群中的较劣个体，增加种群的多样性，提高种群的质量；根据各种群最优个体设定初始信息素，大大缩短信息素的累积过程，加快蚁群搜索的速度．利用算法对典型作业车间调度问题进行求解,仿真计算结果表明,该算法是有效的.     

基于小生境粒子群优化的船舶多路径规划方法

针对船舶全局路径规划中的多路径规划问题,提出一种基于小生境粒子群优化的多路径规划方法。借鉴遗传算法求解多峰函数的思想,在基本粒子群优化算法的基础上,引入小生境生成、隔离进化和交叉算子等策略,分别采用主群粒子进行区域划分,使用子群粒子完成区域内的局部寻优,从而实现船舶多路径规划。仿真结果表明,该方法能正确、有效地规划出多条最优及次优路径。     

多种群遗传算法在湿蒸气参量测量中的应用

为了利用激光散射法快速准确地测量出汽轮机中湿蒸气的参量值,实时监测汽轮机末级蒸汽湿度,指导汽轮机安全运行,采用多种群遗传算法,用三次样条插值的方法代替散射理论公式,以理论值与测量值的最小二乘值为目标函数,设置合适的控制参量,对加入高斯白噪声的仿真数据和模拟汽缸的实验数据进行搜索寻优。结果表明,多种群遗传算法能够克制过早收敛,准确地搜索到全局最优解,在遗传代数内反演出湿蒸气的各个参量。该研究对激光散射法测量湿蒸气参量或其它微粒粒度分布的反演是有帮助的。     

改进多种群进化算法求解移动边缘计算中任务调度问题

移动边缘计算通过在靠近用户端的网络边缘部署服务器,为用户提供低时延的网络通信服务和类似云的计算服务。移动设备通过网络接入点将任务卸载到边缘服务器进行处理,能够有效地减少移动设备的能耗以及任务的完成时间。然而,用户在卸载任务时需要支付一定的通信成本。本文在构建包含多个用户和多个边缘计算节点的移动边缘计算环境的基础上,建立了最小化移动设备的任务完成时间、能耗以及通信成本的数学模型。为了解决上述问题,本文提出了一种改进多种群进化算法的任务调度优化算法。该调度算法通过优化卸载决策和资源分配决策来达到降低移动设备综合成本的目的。大量仿真实验说明,该任务调度算法与其他几种的任务调度算法相比,能够更有效地降低移动设备的综合成本。     

基于多种群蚁群算法的多目标动态无功优化

为在负荷变动条件下提高动态无功优化控制变量的调节效率和满足全天动作次数的限制,将全天电能损耗最小、有载调压变压器分接头动作次数和电容器投切次数分别最少作为目标函数,建立新的多目标动态无功优化模型.针对该模型提出改进的多种群蚁群算法,利用多种信息素交换方式,满足动态无功优化多目标、强时空耦合的特点,避免了蚁群算法陷入局部最优解.通过对 IEEE14、IEEE 30系统计算验证模型和算法的可行性和有效性.结果表明:该模型和算法能够降低系统能量损耗,提高电压质量