并行遗传算法在天线结构优化设计中的应用

将模拟退火和多种群并行遗传算法的思想分别引入到遗传算法中,可得具有模拟退火机制的多种群并行遗传算法,并将其应用到－15m毫米波射电望远镜天线结构的优化设计中,计算结果表明,该算法对大规模复杂优化问题具有较高全局收敛性和适应性。     

遗传算法在大型水工结构优化设计中的应用

在工程结构的优化设计中,遗传算法已逐步得到应用;本文采取一种新的染色体编码方式,将遗传算法应用到水工结构的优化设计中,重力坝的计算结果验证了遗传算法的可行性与有效性。     

遗传算法原理及在结构优化设计中的应用

简要介绍了遗传算法的基本原理和特点，接着将遗传算法与传统优化算法作了比较，然后介绍了遗传算法在实际应用中的改进方法和在工程结构优化中的应用现状，并用一个三杆桁架的算例来说明遗传算法的优越性，最后提出遗传算法存在的主要问题和总结展望。     

遗传算法在建筑结构优化设计中的应用

介绍并发展了一种基于非连续设计变量的结构优化设计方法－遗传算法。它把结构优化问题模拟为生物进化问题。通过判断每一代中个体的优化程度进行优胜劣汰,从而产生下一代个体,如此反复迭代来完成优化设计。本文给出了遗传算法的详细计算过程,并提出了三种加快收敛的改进方法。     

基于ANSYS二次开发技术的改进遗传算法在结构优化设计中的应用

为克服基本遗传算法的缺陷,提高其全局搜索能力,提出了基于并行小生境算法、可疑峰值点判断方法和局部搜索技术的改进遗传算法。通过引入VC＋＋对ANSYS的二次开发技术,将改进遗传算法与结构计算和优化相结合,使程序具有较强的处理实际问题的能力。最后通过对平板模型支撑位置优化算例的分析,验证了改进算法的可靠性和实用性。该方法对其它复杂工程结构的优化设计同样适用。     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

遗传算法原理、实现及其在离散变量结构优化设计中的应用

阐述了遗传算法的基本原理和实现步骤,论述了遗传算法的特点,介绍了遗传算法在离散变量结构优化设计中的应用情况。     

遗传算法在同轴式三级减速器结构优化设计中的应用

针对同轴式三级减速器的结构设计要求,提出了一种基于遗传算法的优化设计方法.建立数学模型,并采用遗传算法进行优化,容易得到全局最优解.通过同轴式三级减速器结构的优化设计结果表明,优化效果显著.     

离散变量结构优化设计的组合遗传算法

传统的遗传算法在处理离散变量结构优化问题存在很多缺陷,遗传进化过程缓慢,遗传操作具有相当大的盲目性,本文采取改进措施,实施最差个体替换法和优良个体保护法,确保遗传种群的优良品质,保证优良个体只执行改进性能的基因操作,同时利用拟满应力设计方法收敛快的特点,将拟满应力设计方法和遗传算法相结合提出了组合遗传算法,适时地利用拟满应力设计优化结果提供种群成员,从而加快了遗传进化的进程,算例表明,组合遗传算法的优化结果是令人满意的。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

遗传算法在并联机床设计中的应用

提出了并联机床工作空间重力比R_（WW）和支路行程与支路最短长度比R_（SS）,并以此为主建立了并联机床优化设计数学模型,采用遗传算法求解,可提高机床设计性能指标。     

基于模拟退火遗传算法的PID参数整定与优化

结合模拟退火算法和遗传算法的思想,提出模拟退火遗传算法,用此算法进行PID参数整定与优化．同时使用自适应交叉率、变异率以及适应度拉伸方法对传统遗传算法进行改进．模拟退火遗传算法有效抑制早熟,且具有收敛性快、全局寻优与局部寻优能力．仿真结果表明,基于此算法寻优设计的PID控制器动态品质和稳定性更好、鲁棒性更强．     

遗传算法交换操作的遍历性

分析了遗传算法交换操作的特性, 利用马尔可夫链证明了对于两个互补的二进制串, 交换操作能够进行遍历搜索.这对基因操作策略设计有指导作用.     

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.     

基于遗传模拟退火算法的水库优化调度

采用遗传模拟退火算法研究了水电站单一水库的优化调度问题.根据水库优化调度的数学模型,提出了基于遗传模拟退火算法的优化调度的基本步骤.通过实例计算并与简单遗传算法相比较,表明该算法具有极强的局部搜索能力和较好的收敛性能     

基于遗传模拟退火算法的钢桁架结构优化设计

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合,提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA).以十杆桁架为例对此算法进行了数值实验,并将实验结果与其他优化方法相比较.算例结果表明,遗传模拟退火算法的寻优概率是100%,平均进化代数为35代,其稳定性和求解效率均高于改进的遗传算法.实验结果显示,遗传模拟退火算法在整体搜索同时,采用退火操作进行局部搜索,提高了算法的局部搜索能力,有效克服了遗传算法迭代缓慢的缺点,把遗传模拟退火算法用于钢桁架离散变量的优化设计中是行之有效的.     

应用混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点。算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题。这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法。     

多层次复杂机械方案设计中遗传算法的应用

研究并提出了一种基于遗传算法的多层次结构产品智能优化设计方法,讨论了这种基于多层次结构描述的改进的遗传算法在多层次复杂机械结构方案设计中应用的技术,避免了标准遗传算法过早收敛于局部解,给出了一个具有多层次机械结构的设计实例,为多层次结构产品智能设计打下良好的基础.     

评定圆度误差的模拟退火自适应变异遗传算法

圆度误差是几何精度的重要指标．已有的评定方法存在一定的局限性．为此．提出了一种快速地、准确评定圆度误差的新方法．该方法采用一种新颖的改进遗传算法．通过遗传种群的遗传过程实现对参考圆圆心的快速搜索．为了保证收敛性并加快收敛速度,采用了模拟退火和自适应变异策略．为了提高算法精度和收敛速度．采用了实数染色体基因编码．并采用白适应线性变异和线性交叉．仿真实验和实用证明,该方法算法简单、可快速准确的评定出圆度误差．     

基于小生境遗传算法的YKK系列高压电机优化设计

为了使YKK系列电机最终实现高效节能的目的,并且满足生产实际中所提出的各种约束要求,引入了小生境遗传算法进行电机的优化设计.针对中型高压电机定子成型线圈的结构以及三圆尺寸相对固定的实际情况,对小生境遗传算法进行相应的改进,有效地避免了优化算法易于局部收敛的问题.结果表明:与初始方案相比较,电机的设计结果满足了高效电机所提出的技术指标.并且电机的体积得到了缩小,节约了电机的有效材料.证明了改进的小生境遗传算法的可行性及优越性,并具有工程实用价值.