基于改进遗传算法的全终端网络可靠性优化设计

针对遗传算法易陷入局部最优而出现早熟,将具有良好克服局部极值能力的鱼群行为与遗传算法相结合,提出了一种新的改进遗传算法,并对全终端网络可靠性优化模型进行了求解设计。仿真结果表明,与文献中遗传算法相比,改进遗传算法表现了良好的优化效果。     

基于改进遗传算法的离散变量结构优化设计

根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立了离散变量结构优化模型。针对遗传算法的缺陷,提出了一种改进的遗传算法。算例结果表明,改进的遗传算法收敛快、精度高,应用于离散变量结构优化设计是有效的。     

计算机网络可靠度优化计算中的遗传算法

在科学技术逐渐发展的过程中,计算机技术得到了广泛性的应用,通过计算机网络可靠性中遗传算法的技术应用,可以提高计算机技术应用的有效性,提高遗传算法的合理性,从而为整个技术的应用及建立提供充分性的保证。     

建筑结构优化设计的改进进退遗传算法

针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大、局部搜索能力差和迭代过程缓慢等缺点.提出一种离散变量结构优化设计的进退搜索算法与遗传算法结合在一起解决问题;并提出一种新的遗传算子———转基因算子,用于对遗传算法的改进.结果表明,这种改进退遗传算法即发挥了进退搜索算法省时、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;采用的改进措施效果明显,其收敛特性得到很好的改善.该算法是高效的理想工程结构优化设计方法.     

基于改进ACO与PSO算法的结构可靠度分析

针对基本蚁群算法的过早收敛问题,引入信息熵,通过优化参数 ,对基本蚁群算法进行改进,进而寻找结构的最短失效路径。从可靠指标的几何意义出发, 利用罚函数法, 将结构可靠指标的求解问题转化成相应的无约束优化问题,采用粒子群算法对结构可靠指标进行求解计算。以十杆桁架为例,采用响应面法、遗传算法与本算法对结构可靠指标进行对比计算,结果表明改进蚁群与粒子群算法的收敛速度快,计算精度高。     

木结构可靠度的一种改进算法研究

建筑结构的可靠性是建筑工程的基本要求.在实际工程中,影响结构可靠性的因素较多,且具有随机性和不确定性,实践中一般采用结构可靠度进行结构可靠性设计分析.介绍了结构可靠度相关原理及可靠度计算中相关变量参数,提出了一种改进遗传算法对结构可靠度进行分析.该算法是基于生物进化论自然选择和遗传学机理的,模拟自然进化过程搜索最优解的方法,擅长全局最优解的搜索.将遗传算法引入结构设计中,有利于克服传统算法在地质、地形条件较复杂情况下易陷于局部最优解的不足.     

遗传算法在计算机网络可靠度优化计算中的应用

在保证提高网络系统可靠度的基础上，降低网络链路成本是计算机网络可靠度优化计算中的重要目标之一.为此，在计算机网络可靠度优化计算时，考虑了计算机网络链路介质成本、网络可靠度数学模型以及模型求解的算法等因素.阐述了遗传算法及其执行过程，并将遗传算法应用于降低网络链路总成本，提高网络可靠度的优化计算之中.仿真结果表明，遗传算法解决了以往传统算法难以解决的网络可靠度优化计算问题，不但加快了计算速度，而且更有效地提高了优化计算效果，具有较好的操作性.     

遗传算法的研究和改进

从原理及应用2个方面对遗传算法、蚁群算法、混洗蛙跳算法做了对比分析.针对遗传算法的不足之处,提出了相应的改进方法,并对改进后的遗传算法和经典的遗传算法做了应用比较.结果表明,改进后的遗传算法不仅提高了其收敛概率和收敛速度,而且具有更强的全局搜索能力,适用于求解复杂多峰值函数优化问题.     

城市路网畅通可靠度优化遗传算法

基于交通系统阻塞发生的随机性,建立了城市道路畅通可靠度的基本概念,并提出了相应的评估方法。在一定的投资约束条件下,建立了以路网畅通可靠度最大为优化目标的路网优化模型,并通过单元重要度分析和遗传算法对模型求解,提供了城市路网优化策略。通过该模型得到的路网优化方案有助于城市路网的合理规划,并可确定亟需改善的道路单元,以缓解交通供需不足,从而保证城市路网的畅通有序。     

基于改进PNET法的框架结构体系可靠度计算方法

为了实现复杂结构体系的可靠度分析,基于传统的体系可靠度计算方法PNET法,结合响应面法,提出了改进PNET法,应用改进PNET法对某10层单跨钢结构框架进行位移变形可靠度计算.分析结果表明,应用高次项的改进PNET法能有效地计算串联体系的可靠度,同时较之蒙特卡罗法更加节省计算耗时;并且改进PNET法能有效地反映结构体系各失效模式间的相关关系,更好地反映结构体系的性能,利于结构分析和设计.     

基于遗传模拟退火算法的结构可靠性分析

为了克服一次二矩法在迭代求可靠性指标时可能不收敛或收敛于局部验算点的缺点以及现有遗传算法局部搜索效率不高的问题,提出了采用混合模拟退火与遗传算法计算结构可靠性的新方法.先采用遗传算法开始随机搜索,通过选择、交叉、变异等遗传操作产生新的个体,再对这些个体分别进行模拟退火,以其结果作为下一代群体中的个体.结合有限元计算,给出了船舶三维空间梁板结构的功能函数,并采用遗传模拟退火算法求结构可靠性指标.算例分析表明该方法计算精度高,为求解结构可靠性指标提供了一种新的思路.     

基于遗传算法的框架结构系统可靠性优化

以框架结构系统的可靠性分析为基础，给出框架结构系统可靠性优化的遗传算法，并用算例证明了该法的有效性及实用性。     

基于改进遗传算法的有功经济负荷分配

提出将爬山算法与遗传算法相结合,从而构成了求解有功负荷分配问题的混合遗传算法,并进行实验计算。计算结果表明,用混合遗传算法求解有功负荷分配问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到质量较高的解。     

基于改进遗传算法辨识空间机器人动力学参数

为了减小空间机器人动力学参数的误差,提高轨迹规划精度,根据空间机器人的角动量守恒方程,利用名义动力学参数估计角动量与真实角动量的差异,建立动力学参数辨识的误差模型,给出遗传算法的适应度函数.针对常规遗传算法容易出现"早熟"现象,采用小区间生成法、大变异策略和精英保留策略对其进行了改进.以六关节空间机器人为例进行的仿真结果表明,在参数复杂的情况下,采用改进后的遗传算法,计算效率和辨识精度均得到了提高。     

自适应遗传算法在建筑结构优化中的应用

遗传算法易搜索到全局最优解,但局部寻优能力差且易发生早熟、随机漫游现象. 基于对本文所采用的基本遗传算法的原理和实施过程介绍的基础上,针对其缺陷提出改进措施：利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群;采用最优个体储存、最差个体替换策略. 在改进遗传算法的基础上,又引入自适应的交叉、变异概率公式,幅度系数调节交叉率、变异率形成自适应遗传算法. 通过十五杆平面桁架的数值算例,自适应遗传算法的优化结果、优化进程与基本遗传算法、改进遗传算法进行了对比,验证自适应遗传算法的优越性能.     

基于改进量子遗传算法的模型交互修正方法

针对传统有限元模型修正方法低效率、高成本且易陷入局部极值的缺点,提出基于改进量子遗传算法的静力多尺度有限元模型交互修正方法. 依据量子计算理论,对量子比特矢量态进行实数编码,以改进量子旋转门实现旋转角自适应更新,引入量子全局干扰交叉、变异、灾变等遗传操作,设计改进量子遗传算法. 以某钢-混组合梁桥为工程背景建立多尺度有限元模型,建立目标函数,对待修正区域进行分块处理. 利用最大互信息系数对待修正参数进行筛选,给出目标函数权重,通过Python语言实现了基于改进量子遗传算法的静力多尺度有限元模型交互修正. 结果表明,改进量子遗传算法相较于传统遗传算法、量子遗传算法具有更高的性能与精度,自动交互修正方法的效率较高,对材料弹性模量、厚度、车辆荷载等参数的修正与工程实际测试的情况基本吻合,目标函数修正结果相较于有限元计算的初始值,挠度误差降低至1.4%~14.3%,混凝土底板应力误差降低至2.6%~18.8%,钢梁应力误差降低至0%~11.1%.     

一种基于改进遗传算法的组卷算法

为了能更好地解决组卷质量和组卷速度之间的矛盾,提出了一种基于整数分段编码的遗传算法．该算法在保证组卷预期效果的前提下,不仅搜索速度快,而且能够避免遗传算法中经常出现的“早熟现象”,具有很好的收敛性和实用性．实践结果表明,该方法可以有效地解决智能组卷中的约束优化问题．     

基于改进遗传算法的模糊C均值聚类算法

针对传统模糊C均值聚类算法（FCM）的缺陷,提出了一种基于改进遗传算法的模糊聚类方法．利用改进遗传算法强大的全局寻优能力,这种算法较好地克服了FCM算法对初始化敏感、容易陷入局部最优的缺陷．仿真实验证明,该算法具有较强的全局寻优能力和较快的收敛速度．