基于改进自适应遗传算法的动力学模型优化

研究丁二酸是现代工业生物技术中一种重要的生物基产品。生物发酵法生产丁二酸具有高效率、环保性和原料的可持续利用性而受到众多科学家的推崇。建立相对完善的丁二酸发酵动力学模型,既可以帮助研究人员适当减少繁琐的实验工作,又有助于实现对发酵过程培养条件的优化与控制,辅助提高工艺水平。通过对遗传算法的进一步研究,改进了交叉与变异遗传算子,并引入精英保留策略,提出了改进的自适应遗传算法。结果表明,用改进自适应遗传算法优化丁二酸发酵动力学模型参数,在有效解决标准遗传算法收敛速度慢及局部搜索能力不强等问题的同时,能够获得相对完善的丁二酸发酵动力学模型。     

神经网络、遗传算法在发酵优化软件平台设计中的应用

本课题设计了基于DDE的VB、Excel和Matlab的发酵过程优化软件平台，并将该软件平台应用到多粘菌素发酵过程PH值的寻优。实践表明：该优化软件平台能够确定发酵过程被控参数的优化轨线，为优化控制提供一个主要目标。     

一种改进的遗传算法及其在热工过程控制中的应用

设计了一种改进的快速遗传算法。该算法采用浮点数编码方法、排序选择、最优保存策略、分组并行运算等措施，有效抑制了算法早熟，提高了算法的全局和局部搜索能力。在Matlab平台上编制了通用算法程序，用于控制系统参数优化、热工对象模型辨识。仿真研究表明，该算法是一种简单易行的实用寻代方法。     

改进遗传算法及其在SO_2氧化反应动力学参数优化中的应用

针对化学反应动力学机理模型复杂、非线性等特点,本文提出了1种基于黄金分割的改进遗传算法。该算法主要将整个遗传进程分成3个阶段,前2段配备不同的改善种群多样性的选择交叉算子,最后采用改进的"最佳保存策略"加速收敛,这样能够有效避免经典遗传算法中出现的计算效率较低,收敛迟缓,容易早熟等问题。本文改进的算法依托MATLAB软件平台对二元多峰Schaffer函数进行了仿真性能测试,最后将其成功地应用到了SO2氧化反应动力学参数优化案例中,并与文献中的方法进行对比,结果表明,其在收敛精度(接近5×10~(-5))与收敛效率方面效果更好,而且这种算法的应用不依赖于案例的具体领域,可用于解决化工系统中类似的参数估计问题。     

支持向量机在丁二酸发酵过程建模中的应用

支持向量机是一种新的机器学习算法,它采用结构风险最小化准则,能有效提高模型的泛化能力.本文针对生物转化法生产丁二酸发酵过程机理复杂、高度非线性、生物参数难以实时在线测量等特点,介绍了支持向量机回归建模算法在Matlab软件中的实现过程,对产物丁二酸浓度建立了预测模型,研究了SVM的小样本学习、泛化能力.仿真结果表明,与神经网络相比,SVM算法具有更好的推广能力,使得在未来工业化丁二酸发酵生产过程中针对丁二酸浓度的在线预估与优化控制成为可能.     

遗传算法在Snake模型中的应用

文章针对Snake模型应用于图像边缘检测时对于噪音过于敏感的不足,提出了一种改进的方法。利用遗传算法的全局优化特性改进Snake模型局部优化的缺点,并取得了较好的效果。     

遗传算法在智能车控制器参数寻优中的应用

研究智能车控制器优化设计问题,由于控制器参数不准确,引起控制误差.为解决上述问题,根据智能车的运动学模型,设计出智能车轨迹跟踪控制律.采用遗传算法对控制律参数寻优,利用逆推(Backstepping)方法,在搜索空间里获得全局最优解.最后利用提出的遗传算法对控制律参数优化方法,通过智能车对圆周轨迹的跟踪仿真,证明了智能车在遗传算法对该控制律参数寻优下,能够实现对给定轨迹的全局渐近跟踪,获得了较好的控制效果.验证了遗传算法对智能车控制器参数寻优的可行性和有效性.     

自适应域多群体遗传算法求解发酵动力学模型参数

发酵动力学模型参数估计是基于最小二乘的参数估计问题,是根据满足最小二乘的标准来解决模型的最佳参数匹配,求解该问题可采用遗传算法,但简单遗传算法容易陷入局部最优。本文提出一种自适应域多群体遗传算法,它通过自调整参数域,避免陷入局部最优,同时还提高搜索到的解是全局最优解的可靠性,适用于很多领域的应用优化问题。     

遗传算法在PID自适应控制中的应用

针对传统遗传算法的局限性，提出了一种新型的遗传算法。在算法上有很多改进，比如：保护最优个体。采用新型的交叉和变异操作。用Madab做仿真试验，试验结果证明新型的遗传算法有良好的动态性能。另外，解决了传统遗传算法中的一些不足．提高了优化的精确度和收敛性能。     

遗传算法在供应链优化问题中的应用

本文以新疆某番茄酱厂番茄酱生产过程信息化项目为背景,主要针对生产计划中的供应链出现的问题,提出了一个新型供应链优化模型,并且采用遗传算法对其求解。     

基于遗传算法的原型模式选取算法

该文了原型模式选取对协同方法的模式识别性能有着非常重要的作用,并提出了一种基于遗传算法的原型模式选取算法,对从实际应用中获得的样本进行的实验证明：新算法能有效地在原型模式空间搜索全局最优解,使协同方法的识别性能有较大提高。     

基于遗传算法的自适应油源控制系统优化设计

文章采用键合图一状态空间法建立了自适应油源控制系统的数学模型,给出了基于Simulink的仿真模型及自适应油源控制系统动态特性的仿真结果。通过采用实数编码、精英选择、自适应交叉和变异概率策略的遗传算法,将系统仿真模型与遗传优化算法有机结合起来,把仿真模型作为适应度函数的输入模块,完成参数组合的优化,实现基于仿真模型的参数优化。并对优化计算进行可视化编程,实现优化过程的信息处理可视化。仿真结果表明：优化后系统的动态性能得到了较大的改善。     

遗传算法与蚂蚁算法融合的马尔可夫收敛性分析

遗传算法具有快速随机的全局搜索能力,但不能很好地利用系统的反馈信息.蚂蚁系统是一种并行的分布式正反馈系统,但初始求解速度慢.遗传算法与蚂蚁算法的融合,优势互补.基于上述思想,提出遗传算法与蚂蚁算法融合的模型与方法,对该方法的收敛性进行了马尔可夫理论分析,并证明其优化解满意值序列是单调不增的和收敛的.且对NP-hard问题中的30城市TSP和中国CHNl44城市TSP两个实例进行了实验分析,仿真数据表明该方法不仅是一个逐步收敛的过程,而且求解速度和求解效果都非常好.     

基于切面上升的狭义遗传算法

该文提出了基于切平面上升的狭义算法,并对其全局收敛性进行了证明,其终止条件肯定就是收敛点,很好地解决了文献犤6,8犦中所遇到的问题,即能够方便地求解多元函数的优化问题。它具有收敛速度快,搜索过程稳定性好、可控制性强,控制参数易于选定等特点。     

用遗传算法（GA）实现PID控制

遗传算法是基于达尔文进化论和孟德尔遗传学说来实现随机、迭代、自适应、并行性全局搜索的一种优化算法,尤其适合处理复杂的、非线性问题。本文介绍遗传算法,以及用GA实现PID控制问题。     

A Heuristic Genetic Algorithm for Solving Resource Allocation Problems

In the paper, a heuristic genetic algorithm for solving resource allocation problems is proposed. The resource allocation problems are to allocate resources to activities so that the fitness becomes as optimal as possible. The objective of this paper is to develop an efficient algorithm to solve resource allocation problems encountered in practice. Various genetic algorithms are studied and a heuristic genetic algorithm is proposed to ameliorate the rate of convergence for resource allocation problems. Simulation results show that the proposed algorithm gives the best performance.     

定位-运输路线安排问题的遗传算法研究

定位—运输路线安排问题(LRP)是分销网络设计和物流管理决策中的难题。由于LRP是NP-complete问题,对它的求解方法大多局限于将其分解为定位—分配问题和车辆运输路线安排问题,或者是基于这种分解思想。文章通过对遗传算法(GA)中树编码、免疫遗传算法以及GA阶段进化策略深入地分析和研究,构建了定位—运输路线安排问题的遗传算法,它与以往算法最大的不同点就是并没有基于两阶段求解的思路,而是将LRP的解看作一个整体,从而减小了在进化过程中停滞于局部最优解的概率,提高了GA的计算效率和计算速度。文中详细叙述了针对LRP问题的树编码、交叉、变异、爬山、免疫、合并小路线等各种算子设计过程,并利用一实例来验证算法的可行性。该算法为LRP问题以及相关大规模组合优化问题的求解开辟了一个新的思路,同时也为GA中树编码在实际中应用做了有益的尝试。     

基于遗传算法的轨道交通线路排班优化研究

根据轨道交通系统的特点,考虑不同出行方式,建立基于遗传算法的轨道交通线路排班模型;并对整个算法进行设计,使其在有限的算法步骤内,找出所有满足约束条件的最优或次优解。     

神经网络与遗传算法在传统化工企业中的应用

传统化工企业中产品的配方优化是一个很关键的问题。文章提出了一种新的配方优化方法——人工神经网络和遗传算法方法(ANN-GA)，这是在经验设计和数据处殚领域的一种新方法。