机电装配体拆卸序列的自动生成及组合优化

为研究废弃装配体的拆卸序列优化,首先提出了建立装配体的干涉——自由矩阵,作为描述其结构的数学模型.其次,提出“拆卸楔”概念和算法,据此计算各个零件从装配体上可以拆卸下来的方向和次序.最后,鉴于遗传计算的未熟早敛问题,提出建立Tabu搜索与遗传算法的组合优化算法.通过把Tabu搜索的集中与分散策略引入遗传算法,可期望获得更加健壮的搜索行为.另外,关于初始拆卸序列群体,提出1种新的自动生成的算法.实例验证表明,用这种组合优化方法解决装配体拆卸序列的优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果.这种方法是通用的,可用于解决更加复杂的拆卸问题.     

机电装配体拆卸序列的自动生成及组合优化

为研究废弃装配体的拆卸序列优化，首先提出了建立装配体的干涉——自由矩阵，作为描述其结构的教学模型．其次，提出“拆卸楔”概念和算法，据此计算各个零件从装配体上可以拆卸下来的方向和次序．最后，鉴于遗传计算的未熟早敛问题，提出建立Tabu搜索与遗传算法的组合优化算法．通过把Tabu搜索的集中与分散策略引入遗传算法，可期望获得更加健壮的搜索行为。另外，关于初始拆卸序列群体，提出1种新的自动生成的算法．实例验证表明，用这种组合优化方法解决装配体拆卸序列的优化问题，所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果，这种方法是通用的，可用于解决更加复杂的拆卸问题。     

采用混合遗传算法的敏捷卫星自主观测任务规划

为改进敏捷卫星观测大规模地面目标点时传统的遗传算法求解效率低下的问题,提高智能优化算法的求解效率,改进了传统的遗传算法,提出了禁忌退火遗传混合算法。首先,考虑到航天器在观测地面目标点的过程中所面临的时间约束、姿态轨道动力学约束等多种约束条件,建立了相应的适应度函数。所提出的适应度函数能够兼顾高观测收益与低观测能耗,反应了实际工程问题的观测需求。随后,为改进传统遗传算法的变异过程,提出了禁忌退火变异方法。这一变异方法在个体变异寻优的过程中,引入了禁忌搜索方法与Metropolis法则,提高了算法搜寻到全局最优解的概率,加快了算法的收敛速度。研究结果表明,与传统的遗传算法相比,禁忌退火遗传混合算法节省了约40%的算法运行时间,该算法的运行效率也高于退火遗传算法、禁忌遗传算法等其他种类改进的遗传算法,从而验证了禁忌退火遗传混合算法求解敏捷观测卫星任务规划问题的高效性。     

基于IBA-MOEA的无人机航路规划多目标优化方法

为进一步增强传统无人机航路规划模型的适用性,提高求解此类问题的计算效率,首先建立以复杂山区和敌我双方对抗条件为背景的无人机路径规划模型,在此基础上提出了一种基于改进蝙蝠算法的多目标进化算法(IBA-MOEA),并使用此算法对模型进行了有效求解.所提算法将卷积粒子滤波与蝙蝠算法进行融合,并根据蝙蝠种群的特点,加入蝙蝠种群...     

一种求解加权约束满足问题的RCGA算法

针对遗传算法在求解WCSP时收敛速度慢、搜索能力差等问题,提出一种新的WCSP求解算法RCGA。利用图分割技术将WCSP的约束图分割为若干最小相关的子图,重新确定变量序进行编码,采用WCSP的代价函数设计适应度函数,利用轮盘赌选择法对种群进行筛选。实验结果表明,RCGA算法能够使父代的优点更好地遗传给下一代,提高了向最优解收敛的速度,并增强了对最优解的搜索能力,整体性能明显优于单纯GA算法。     

大规模过程系统优化的一种改进简约空间SQP算法

为了提高简约空间序列二次规划算法的求解效率和稳定性,使其适于求解更大规模过程系统优化问题,提出了一种 改进的大规模过程系统简约空间序列二次规划算法.算法采用新的基变换规则,根据基变换规则实时调整基变量,利用一种 综合过滤线性搜索方法求取搜索步长,该搜索方法结合了传统搜索方法和过滤搜索方法的优点.改进算法被应用于部分小 规模Benchmark算例和三个经典大规模算例求解,计算结果表明,本算法可以较大地减少迭代和函数估计次数,其求解效率 远高于标准序列二次规划算法，且算法的稳定性也有较大提高.     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

高效寻优的经验遗传算法

为了寻求高效的寻优方法,本文提出经验遗传算法,用神经网络模型经验地预测每代种群个体的适应度,从而减少对问题直接求解的次数,提高遗传算法的计算效率.通过对6个经典测试函数的数值计算分析,结果验证了本文所提的算法的有效性,而且能降低计算量.     

站间操作者不同的并行拆卸线平衡问题优化

针对现有并行拆卸线对各拆卸线任务定义不明确且数学模型均为概念模型,考虑站间操作者不同,构建以最小化工作站数目、机器人数量、拆卸成本和空闲时间均衡指标为优化目标的并行拆卸线平衡问题的混合整数规划模型. 提出适应该问题的改进头脑风暴优化算法,该算法通过双层编码构造可行拆卸序列,离散化原始操作,设计单个个体和2个个体产生机制的变异交叉方式. 为了增加种群个体的多样性,设计四点交叉的操作策略. 针对优化目标的多重性,引入Pareto解集思想和拥挤距离筛选多目标非劣解. 应用CPLEX和LINGO求解小规模算例精确解,与算法求解结果对比,验证了该模型的正确性与算法的有效性. 应用该算法求解P25经典算例,与现有的多篇文献结果对比,验证了该算法求解性能的优越性. 将所建模型和所提算法应用于电视机与电冰箱的并行拆卸线实例中,通过不同的对比实验验证了所提算法的优越性.     

面向无人机航迹规划的自适应乌贼算法

面向无人机在线/离线航迹规划应用,针对传统乌贼算法的长时搜索局域化及精度变差问题,提出了一种联合修正的自适应乌贼路径搜索算法.首先,提出联合混沌扰动与变异学习的混合调节机制来扩充乌贼搜索深度,以提高搜索精度;然后,引入自适应权重机制来减小乌贼搜索范围,以提高搜索效率;同时引入适应度自动筛选机制来改善乌贼种群多样性,以防止陷入局部最优.通过6个基准函数测试验证了所提算法的有效性与先进性,最后对所提算法进行不同场景下的航迹规划仿真验证.针对离线航迹规划,所提算法规划航迹成功率高达100%,规划航迹最接近全局最优,其航程均值相比传统乌贼算法可缩减7.3 units,比粒子群算法缩减可达28.3 units.仿真结果表明:所提算法全局规划性能和搜索精度显著增强,同时随着场景复杂度的提高,其航迹优化效果更加显著;针对在线航迹规划,首先将全局路径规划问题转化为若干个航迹分段的规划,然后引入启发式方法确定分段节点.仿真结果显示所提算法满足实时性要求,规划航迹精度高,进一步验证了所提算法的有效性.     

基于改进GA的云计算任务调度策略

针对传统遗传算法在云计算任务调度过程中的收敛速度慢和易早熟等问题,提出了一种基于遗传优化算法的双适应度函数改进算法.该算法采用任务完成时间和任务完成成本为双适应度函数,引入个体相似度概念来提高种群质量;采用并列选择法进行选择操作,并且采用自适应规则约束交叉和变异操作,提高种群个体质量,加速进化策略可以有效地避免早熟.结果表明,改进的遗传算法有效地加快了云任务作业调度的收敛速度,并改善了易早熟等现象.     

基于自适应遗传算法的模糊控制器优化设计

改变传统的优化模糊控制器的方法,采用自适应遗传算法优化设计了一种控制效果较好的模糊控制器。在遗传算法改进方面,不以传统的定值常量作为交叉和变异概率,而是根据遗传算法本身计算出来的个体适应度来自适应的调节交叉和变异概率的大小,以克服采用定值常量作为交叉和变异概率所带来的早熟现象和效率相对较低的问题。仿真结果表明,改进的模糊控制器具有更好的控制效果。     

图着色问题的新遗传算法

针对遗传算法求解图着色问题需多次产生初始种群的问题,提出了一种改进算法．该算法采用比较机制,淘汰不可行的基因,然后使用动态的适应度函数,使得有效个体以较大的概率存活到下一代种群中,从而达到无需多次产生初始种群的目的．与传统框架下的算法相比,新算法求得最优解的时间至少缩短了51％,且具有从一个局部最优解快速跳到下一个局部最优解,最终收敛到全局最优解的优点．     

解空间种群均匀化自适应遗传算法的应用

提出了一种新型解空间种群均匀的自适应遗传算法，并采用随机方法对初始种群加以改进，使初始种群均匀分布于解空间之中.在优化进程中，引入自适应算法，使交叉的变异算子具有自适应性；将自适应调节机制引入适应值函数中，使适应值函数同样具有自适应性.为证实所提出的改进遗传算法的可行性和有效性，对几种典型的多峰值函数进行了寻优测试.优化测试结果与解析解及标准遗传算法优化结果相对比，证明改进遗传算法的全局搜索能力和收敛性都远优于标准遗传算法.     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

一种基于遗传算法的DNA多序列比对方法

为了克服遗传算法应用于多序列比对时所遇到的比对序列数受限制以及比对寻优速度慢的缺点,提出了一种基于遗传算法的DNA多序列比对方法(GAMA);针对DNA多序列比对的特点,指出了传统遗传算法中的交叉操作将为序列比对带来沉重的计算负担;避开遗传算法通常所采用的遗传操作算子,设计了独特的遗传算子(插入删除算子和合并分离算子)、基于BLAST相似度评分方法和完全比对块加权的个体适应度值评价函数,采用了便于插入和删除操作以及相似度评分的基于字符和空位矩阵的染色体编码方案。本算法具有操作算子数量少,算子调用机制简明的特点。最后,给出了将GAMA应用于DNA多序列比对的算例,实验结果验证了本算法的可行性。     

SoC hardware/software partitioning algorithm for multi-performance index constraints

A new partitioning algorithm based on adaptive chaotic genetic annealing is proposed to solve the hardware/software partitioning problem of System on Chip (SoC) on the multi-performance index. A new objective function with different proportions of punishment based on multi-constraints is presented in this algorithm which is based on the genetic algorithm. The chaos operation is employed to generate the initial population, and the adaptive mutation operator is adopted. Individuals with poor fitness are optimized by the adaptive chaos strategy as the population individuals which tend to be similar. The optimum individuals upon genetic manipulation are optimized by the annealing strategy. Simulation results suggest that the algorithm can reduce the least power consumption by 9.8％ and 4.7％ in the case of 200 nodes, and by 5.6％ and 4％ in the case of 300 nodes, respectively, compared with the simulated annealing algorithm and genetic algorithm.     

多种遗传算法在函数优化方面的性能比较分析

进行了4种常用的遗传算法（适值函数标定遗传算法、顺序选择遗传算法、两点交叉遗传算法和自适应遗传算法）在求函数最优解问题上的性能比较分析,并采用MATLAB进行仿真。仿真结果表明,除两点交叉遗传算法外,在求函数最优解问题上适值函数标定遗传算法、顺序选择遗传算法和自适应遗传算法均表现出了较好的稳定性,同时所求得的函数最优解均较准确。其中,顺序选择遗传算法在求函数最优解方面性能最好。     

基于DNA编码的多重约束目标的智能组合优化

在组卷策略中,多重约束目标的智能组合优化问题一直是人们研究的热点．大多数的优化算法都是基于传统的遗传算法,这些算法的适应度不高,并且交叉算子和变异算子对适应度的影响很大．针对这些缺陷,本文提出了一种新的优化算法DNA_YH算法,该算法将DNA编码引入到多重约束目标的组合优化问题中,并完成了DNA编码、初始化种群、个体适应度计算和遗传操作的优化过程．经过实验证明DNA_YH算法的最优适应度高于其他相关算法,并且交叉算子和变异算子对适应度的影响都很小,得到了较好的优化效果．