基于遗传算法的微带缝隙天线设计

经分析建立微带缝隙天线的传输线等效模型,将遗传算法引入到天线设计中.采用遗传算法的编码方式、适应度函数以及目标函数,根据遗传算法寻优结果设计出微带缝隙天线,并利用Ansoft HFSS对天线的电特性和场特性进行了仿真,结果证明,遗传算法在天线设计中具有可行性和可靠性.     

基于遗传算法的圆柱度误差评定方法

建立了圆柱度误差最小区域评定的目标函数,并利用遗传算法对目标函数进行寻优,所建立的目标函数基于圆柱度误差最小区域定义,可以评定空间任意位置圆柱度误差的最小区域解,对测点无特殊要求,通过计算验证,该函数利用改进的遗传算法可以精确搜索到理想轴线的矢量方向并计算出圆柱度误差最小区域解,且计算结果稳定,该算法还可以推广用于圆柱轴线为基准的其它形位误差评定。     

基于遗传算法的圆柱度误差评定方法

建立了圆柱度误差最小区域评定的目标函数,并利用遗传算法对目标函数进行寻优.所建立的目标函数基于圆柱度误差最小区域定义,可以评定空间任意位置圆柱度误差的最小区域解,对测点无特殊要求.通过计算验证,该函数利用改进的遗传算法可以精确搜索到理想轴线的矢量方向并计算出圆柱度误差最小区域解,且计算结果稳定.该算法还可以推广用于圆柱轴线为基准的其它形位误差评定.     

基于Copula理论的数控装备故障相关性

应用Copula理论进行相关故障下的可靠性分析,选取阿基米德函数族中的GumbelCopula函数作为数控机床的连接函数,建立了整机与子系统之间的故障相依关系。然后,利用遗传算法对Copula函数中的参数进行估计。与串联模型的比较表明,基于Copula理论的故障分析结果更加符合实际。     

基于自适应遗传算法的模拟电路的电路级综合

介绍了一种模拟电路的电路级综合方法,利用准精确惩罚函数法构造出价格函数,并且采用自适应遗传算法来获得全局最优解.利用电路级综合实验结果,对采用本方法设计满足性能指标的CMOS运算放大器的快速性进行了证明.     

遗传算法在函数优化中的应用

对遗传算法作了简单的介绍,讨论了利用遗传算法求解函数优化问题的方法,最后给出 了２个函数优化实例。     

基于神经网络与遗传算法的结构优化设计方法

从神经网络和遗传算法的原理出发,利用遗传算法和神经网络相结合的策略对结构参数进行优化.在确定结构优化的目标函数和设计变量集合的基础上,用神经网络学习算法建立货架结构设计参数与结构重量、结构最大应力、最大位移等的非线性全局映射关系,获得遗传算法求解结构优化问题所需的目标函数,用遗传算法进行优胜劣汰的寻优搜索运算,从而求出所需最优解.以货架结构的优化为例说明了上述方法的应用.遗传算法和神经网络的优化结果是在正交设计法确定的训练样本足够大的基础上得出的,具有较强的可靠性.     

基于遗传算法的煤与瓦斯突出影响因素研究

针对采用BP神经网络对煤与瓦斯突出预测时的过学习现象,引入遗传算法对煤与瓦斯突出的影响因素进行选择,并建立了以筛选出的变量作为输入的优化BP网络预测模型.遗传算法中染色体采用二进制编码,个体适应度函数引入了惩罚函数,并对基本遗传算法的遗传操作算子进行了一定的改进,最后利用平煤八矿煤与瓦斯突出的实测样本,在MAT-LAB2009b环境中对上述算法进行仿真研究.结果表明,以遗传算法筛选出的变量作为输入建立的预测模型的输出结果的拟合效果变好,预测精度提高,建模时间缩短.     

预应力连续箱梁桥的动力有限元模型修正

以张家港河大桥为对象,建立主桥的初始有限元模型,基于频率指标和振型相关系数指标,定义了相比传统更合理的目标函数,利用实数编码加速遗传算法,基于环境激励模态试验的前7阶模态参数,对其初始有限元模型进行修正,并利用后3阶模态参数,对修正后有限元模型的预测能力进行评估。由修正结果和预测能力可知,采用上述指标定义的目标函数和实数编码加速遗传算法,对预应力混凝土连续梁桥的有限元模型进行修正,获得准确反映其实际动力行为的有限元模型。     

轮轨撞击振源参数的虚拟反演

为了论证利用台阵观测反演城市轨道交通中由轮轨撞击产生的振源参数的可行性,采用了虚拟反演的方法,首先预设车轮与轨道接头撞击振源参数,利用已有精确解计算得到了当列车以一定速度通过弹性半空间表面时,在振源附近布设的一密集台阵测得的竖向振动位移时程曲线,并对该位移时程曲线进行谱分析.利用功率谱作为目标函数,采用微遗传算法,反演得到了脉冲振源的强度及列车运行速度.计算结果表明,利用两个点的功率谱作目标进行振源参数反演的结果误差较小.遗传算法在振源特性研究领域的应用是可靠的,为进一步采用遗传算法反演随机振源函数的研究提供了理论支持.     

一类模拟退火算法与遗传算法混合优化策略

提出一类模拟退火算法（GA）和遗传算法（SA）的混合策略。算法结构上,提出模拟退火算法与遗传算法相结合,既发挥模拟退火算法搜索面广、遗传算法收敛快的优点,又克服前者收敛速度较慢而后者收敛容易早熟的问题。在算法操作细节上,加入杰出个体保护策略及自适应调整的遗传操作,以及增加记忆功能的模拟退火操作与收敛准则。从而既防止算法陷入局部最优,又提高收敛速度及搜索效率。     

一种新的优化方法—遗传算法原理及其应用

遗传算法是一种基于自然遗传学和计算机科学的新型优化方法，现被广泛应用于自动控制和图像处理等领域。本文介绍了遗传算法的基本原理、迭代计算步骤，并就遗传算法的典型应用进行了简要介绍。     

一种新型的混合遗传算法及应用

针对传统遗传算法中存在的早熟现象，提出了一种新型的混合遗传算法，它将自适应最优保存遗传算法与模拟退火算法有效地结合起来，使算法的局部搜索能力有极大的提高，有效地抑制了早熟现象的发生。     

改进遗传算法在一类最优路径规划中的应用

智能交通系统是解决当前交通问题的一个非常好的途径，它已经引起了人们的广泛关注。文中提出了一种改进的遗传算法，通过将初始群体进行组合，成组地进行遗传算法操作，求出一个初步的最优值，然后再将这个初步最优值分解进行遗传算法操作。这种方法加快了智能交通中最优路径的搜索，同时也是对遗传算法操作的一种改进。     

基于智能处理的融合定位解算算法

对基于数据融合的定位解算算法进行了研究,在将遗传算法、模拟退火算法和经典的Chan氏算法性能比较的基础上,将遗传算法与模拟退火算法相结合,提出了基于数据融合的定位解算算法。仿真结果表明：融合算法的定位精度优于非融合算法,且运算量较小。     

基于遗传算法的TMD系统参数优化和设计

为了达到调频质量阻尼系统最佳减振效果，需要对系统的参数进行优化，即求出最优频率比和最优阻尼比，通过引进遗传算法，针对目标函数采用惩罚函数和适值标定有效引导遗传搜索，从而达到最优解，计算结果表明了该算法对求解复杂优化问题的优越性。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

改进的遗传算法在单相电机优化设计中的应用

本文中将遗传算法用于单相电机优化设计问题的研究，取得了令人满意的结果。     

基于遗传算法的夹紧机构优化设计

通过对机构结构的分析,抽象出机构的理论化模型,从而将该夹紧机构简化为双摇杆机构。运用遗传算法在约束条件范围内对决定机构运动特性的关键部件的结构参数进行优化设计,从而达到机构按照给定的运动轨迹运动的设计要求。根据优化设计得到的参数建立机构数字化模型,并运用UG进行运动仿真分析。仿真结果表明,通过遗传算法进行优化设计得到的结果能够很好满足设计要求。     

基于遗传算法的排课问题研究

以黄河水利职业技术学院教务排课为对象,利用遗传算法自适应、随机搜索和高度并行的特殊功能,近似求解排课这种带有约束的多目标优化组合问题。对排课问题的实质、遗传算法的编码方案、交叉方案和冲突检测等操作进行了研究。