基于遗传算法的二阶段迭代模型任务分布方案寻优

针对利用启发式方法求解二阶段迭代模型的最优任务分布方案容易陷入局部最优解的问题,根据二阶段迭代模型中各任务的分布特点,引入具有自适应全局优化特性的遗传算法求解出二阶段迭代模型的最优任务分布方案,从而减少任务执行的时间成本。以某汽车发动机的开发为例,分别应用基于启发式方法和基于遗传算法方法进行求解寻优,通过比较说明了后者的有效性。     

基于动态规划算法的二阶段迭代模型任务分布方案的寻优

针对利用启发式算法求解二阶段迭代模型的最优任务分布方案容易陷入局部最优解的问题,引入具有全局搜索特性的动态规划算法,将二阶段迭代模型任务分布方案的寻优过程划分为若干个子问题,通过各子问题的最优化得到全局最优的任务分布方案,以保证任务执行时间为全局最短,减少设计迭代过程的时间成本。以某照相机的开发为例,通过对基于启发式的寻优和基于动态规划算法的寻优的求解结果比较,说明了后者的有效性。     

基于BP神经网络和遗传算法的并行迭代优化研究

提出了一种将反向传播神经网络(BPNN)与遗传算法(GA)相结合的迭代优化方法。该方法首先使用较少的学习样本开发和训练BPNN模型,然后利用GA在可行域内求解训练好的BPNN模型以寻找模型的最优解。将基于该最优解进行验证的结果作为新样本添加到训练模式集中对BPNN模型重新训练。针对训练模式较少可能导致预测精度不足的问题,在BPNN模型的训练中分别采用贝叶斯正则化算法(BRA)和改进的Levenberg-Marquardt算法提高BPNN模型的泛化能力和收敛性,并结合精英策略将模拟退火算法(SAA)嵌入到GA中,以提高BPNN模型的局部搜索能力。将所提出的方法应用于汽车吹塑成型的聚丙烯波纹管的厚度优化。结果表明,在3次迭代后可以得到最优模具间隙,采用最佳模具间隙的波纹管在9个齿峰处的厚度落入期望的范围内(0.7±0.05mm),并且材料的使用量减少了22%。这种最佳间隙仅通过23次实验即可获得,远远少于实际模塑过程所需的实验次数。     

并行设计混合迭代过程规划的遗传算法

产品并行设计是一个非常复杂的迭代过程,模拟设计迭代过程,在得到设计资源许可的前提下进行优化调度,缩短产品上市时间已成为当前研究的一个重点.提出的混合迭代设计过程调度的优化模型由设计分析模型和设计规划模型组成.设计分析模型根据混合迭代思想,分析计算迭代过程的时间和费用;设计规划模型采用非标准的遗传算法,用变长度的、多基因段式染色体表示重复迭代的设计过程,寻求最优设计方案.通过型钢产品开发设计过程的模拟仿真算例,验证了模型的有效性.     

基于遗传算法的并行设计耦合集任务分布规划

针对完全并行迭代模型在实际产品设计中难以实现的问题,从迭代过程中任务的迭代时间和迭代次数的有限性两个方面对迭代模型进行了修正,并在此基础上对迭代模型进行了扩展,建立了改进后的多阶段混合迭代模型。结合遗传算法,求解在多阶段混合迭代模式下耦合集的最短执行时间和最小成本以及相对应的任务分布方案。以某智能割草机的开发设计过程为例,说明了该方法的有效性,并分析了阶段数和学习率对任务执行时间和成本的影响。     

基于遗传算法的串行迭代过程最优执行顺序的确定

针对任务规模较大与依赖关系较复杂的串行迭代模型中迭代时间求解复杂和最优执行顺序搜索难度大的问题,研究了采用多阶段混合迭代时间计算模型简化串行迭代时间的计算和采用遗传算法优化任务执行顺序的方法。并以智能割草机的设计过程为例,说明该方法的有效性。     

基于分布式并行遗传算法的大规模板材套料优化模型

通过描述分布式计算与并行遗传算法的概念有其相互关系，阐述了利用分布式并行遗传算法进行板材套料的原因。提出并分析了在企业分布式计算环境中进行板材套料优化的计算过程、计算环境及其技术支撑系统。     

基于机器学习的多策略并行遗传算法

为了改善遗传算法的性能,提出一种基于机器学习的多策略并行遗传算法,使用机器学习方法改善遗传算法性能.首先,利用并行思想加速遗传算法进化过程,使用K均值聚类算法将初始种群划分为多个簇,然后将相似个体均匀分配给不同的子种群,保证子种群的多样性和均匀性;同时,在进化过程中,使子种群间相互通信,使用优秀个体替换其他种群中的较差个体,提升种群整体质量.然后,引入能自主感知环境的强化学习,实现遗传算法中重要参数交叉概率的自学习,使交叉概率根据经验适应进化过程.最后,通过函数实例测试验证了基于机器学习的多策略并行遗传算法的优越性和稳定性.     

基于Kriging模型的自适应多阶段并行代理优化算法

为了充分利用计算资源,减少迭代次数,提出一种可以批量加点的代理优化算法.该算法分别采用期望改进准则和WB2(Watson and Barnes)准则探索存在的最优解并开发已存在最优解的区域,利用可行性概率和多目标优化框架刻画约束边界.在探索和开发阶段,设计了两种对应的多点填充算法,并根据新样本点和已知样本点的距离关系,设计了两个阶段的自适应切换策略.通过3个不同类型算例和一个工程实例验证算法性能,结果表明,该算法收敛更快,其结果具有较好的精确性和稳健性.     

基于遗传算法的生物组织图像最佳挖取点寻优

生物组织微阵列芯片的制备过程中,需要从包埋有生物组织的蜡块中挖取一块直径为0.5~1.5 mm的组织蜡柱。为了实现自动化作业,研究了基于数字图像处理的组织蜡柱最佳挖取点计算机寻优策略。确定了问题的数学描述为在选定组织图像区域中寻找最大内切圆的圆心,提出了基于遗传算法的寻优算法。重点探讨了坐标点编码,参数选取和遗传操作方法等。研究了个体适应度快速计算方法,初始种群选择等算法改进方案。经过实际编程反复数次实验,结果表明迭代60次算法完全收敛,证明其搜索速度和稳定性都比较好,完全满足自动化作业的在线计算要求。     

基于遗传算法的并行生产调度的研究

应用退火算法对遗传算法进行了改进,克服了遗传算法自身的很多缺点,提出了一种基于改进遗传算法的并行生产调度的方法。提出了一种利用利润加权生成遗传算法初始种群染色体的方法,保证了初始种群染色体的质量。实际应用中,该方法取得了良好的效果。     

基于并行遗传算法的微电网控制方法研究

微电网快速普及背景下,如何对微电网进行高效控制成为电力从业人员重点关注的问题。鉴于此,引入并行遗传算法技术,构建微电网最优控制模型,确定微电网控制约束条件,并以此为基础设计微电网最优控制软件,借助该软件实现对于微电网的有效控制。     

利用改进的遗传算法解决全局寻优问题

寻找函数的全局最优解是一个很常见的工程应用问题,简单遗传算法是解决此类问题的有力工具.但由于简单遗传算法具有中全局收敛能力差和收敛速度慢的缺点.本文基于对遗传算子的优化,提出一种混合分类选择和定向变异的改进遗传算法来解决全局寻优问题.经仿真结果表明,该算法具有较强的全局收敛能力和较快的收敛速度.     

基于GS理论和神经网络遗传算法函数寻优的板料成形优化

基于GS理论和神经网络遗传算法函数寻优法,利用非线性有限元分析软件Dynaform,对非标准方形盒成形过程参数寻优。借助正交试验法,初步获取不同组合下的减薄率数值;基于GS理论,对获取的数据进行分析,找出影响减薄率的两个主要因素即摩擦因素和冲压速度;利用拉丁超立方抽样对选出的两个主要因素进行抽样;基于神经网络遗传算法函数寻优模型,摩擦因数和冲压速度作为输入,最大减薄率作为输出,用输入输出数据训练BP神经网络。最后,用遗传算法寻优把训练后的BP神经网络预测结果作为个体适应度值,找到函数全局最优解和对应输入值。对比优化前后的数值模拟结果可知,优化后的冲压参数可以有效提高板料成形性能。     

基于改进遗传算法的拉锻式塞补焊工艺参数寻优

由于焊接工艺参数对拉锻式塞补焊的焊接质量有显著影响,所以对实数遗传算法进行了改进,并使用改进遗传算法对塞补焊工艺参数进行Matlab编程寻优。通过对2219-T6铝合金进行寻优结果的塞补焊试验,通过试验验证了改进遗传算法可以提高焊接质量。     

基于遗传算法的多设计任务规划研究

在满足产品设计周期的条件下,以完成所有设计任务的时间最短为规划目标,提出并构建了一种面向多设计任务的规划模型。在该规划模型中,设计节点的并发性和任务设计的并行性被考虑。针对该任务规划模型的解算,则采用遗传算法(GeneticAlgorithm,GA)实现。最后,采用具体的实例来验证该任务规划模型及算法的可行性。     

基于内部迭代的耦合任务集求解方法

针对并行迭代模型中的工作转移矩阵模型存在的缺陷,从任务迭代时间、信息传递的不完备特性以及迭代次数的有限性等方面进行了修正,建立了改进的并行迭代模型,进而结合遗传算法,求解多阶段模式下耦合集的最优执行工期和成本。用该模型求解两个产品开发过程的耦合任务集,验证了其有效性,并进一步分析了影响耦合集工期和成本的因素。     

基于任务执行全过程的工作流建模方法

针对目前工作流管理系统在描述能力、可扩展性、柔性和可封装性等方面的严重不足,提出了一种基于任务执行全过程和反馈机制及封装思想的工作流建模方法。通过给出产品开发过程的工作流模型实例,展现了这种建模方法在提高模型描述能力、提高系统可扩展性和柔性等诸方面的优势所在。对于开发可靠性高,柔性、适应性和可移植性强,封装能力好的工作流管理系统具有重要的应用价值。     

并行设计任务调度的遗传算法研究

在满足时序、资源许可的前提下优化调度产品并行设计过程,缩短产品上市时间已成为当前研究的一个重点.针对并行设计特点建立了设计任务调度的目标函数,提出了一种遗传算法.该算法用矩阵式染色体表示设计任务与设计单元之间的调度关系,采用突变机制来解决进化过程停滞问题,提高算法的搜索能力,找出全局最优解.算例应用结果验证了算法的有效性、科学性和实用性.     

基于遗传算法的产品并行设计总体决策方法研究

在并行工程环境下产品开发的总体决策方案是多个成员的决策子方案的组合。本文研究了并行设计中方案总体决策的特点 ,利用人们对事物的主观感觉量和客观刺激量之间的关系 ,给出衔接测度的定义和计算方法。提出了基于遗传算法的总体决策优化模型。最后给出了一个典型算例 ,以说明该算法和模型在并行设计方案总体决策中的有效性