运用改进的遗传算法估计发酵动力学模型参数

针对简单遗传算法（SGA）存在早熟，寻优效率偏低等缺点，提出了一种改进的遗传算法，并将它用于发酵动力学模型参数的估计，取得了满意的效果。     

基于优进策略的遗传算法对重油热解模型参数的估计

针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术包括维持种群的多样性、改进交叉算子、增加Powell寻优算子等。实例测试表明这种优进策略效果良好，并已成功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。     

人工神经网络-遗传算法优化化学镀四元合金工艺

利用BP神经网络-遗传算法对化学镀Ni-Fe-Co-P工艺进行寻优。首先利用正交试验表安排一定数量的实验,以构成人工神经网络的训练集。对训练集训练并利用实验数据检验,得到化学镀工艺的人工神经网络模型。最终再利用遗传算法对其进行寻优,以确定最佳的工艺参数。结果表明该方法结果可靠,可以用于实际各种工艺参数的寻优。     

遗传算法在环己醇/环己酮硝化氧化反应动力学模型参数估计中的应用

针对传统优化方法易陷入局部最优、全局寻优性能较差等缺点，本文提出了一种改进的遗传算法，并将它应用于环己醇／环己酮硝化氧化反应动力学模型参数估计，取得了满意的效果。     

AlON-TiN复相材料的合成及工艺优化

在对Ti—Al-O-N体系热力学分析的基础上合成了AlON—TiN复相材料，XRD，TEM分析与观测结果证实了热力学分析的可靠性。运用人工神经元网络(artificial neural networks，ANN)对合成AlON—TiN的工艺参数进行了训练，训练结果良好，神经网络的预测值和实测值一致；遗传算法(genetic algorithm，GA)寻优得到最佳工艺参数：烧结温度为1830℃，保温2．45h，TiN的含量为15％(质量分数)。对遗传算法寻优结果进行了单因素分析，随着TiN含量的增加，强度增加，而随烧结温度和保温时间的增加，强度先增加后减小。     

低噪声轮胎花纹结构参数优化方法

在轮胎花纹低噪声优化原理及寻优方法研究基础上，重点论述了用模糊遗传算法（F－GA）对轮胎花纹的花纹块大小及比例、花纹槽大小及比例、节距排列、节距比例、错位及花纹条数八大参数进行优化的方法。通过寻优可得到多种低噪声轮胎花纹方案，再对其耐磨性、抓着力、美观程度等进行模糊综合评判，最终确定各项性能最佳的低噪声轮胎花纹方案。     

基于优化组合遗传算法的塑料薄壁件注射成型工艺参数预测

在传统遗传算法的基础上，采用Gray编码和锦标赛寻优策略、全局搜索和局部搜索相结合的优化组合算法，结合CAE分析结果，对影响薄壁件质量因素的主要注射成形工艺参数进行预测，并通过实例验证算法的可行性，为塑料薄壁件成型工艺优化提出了一条新思路。     

基于效-费比TMD装置寻优的多种群遗传算法的改进

目前对于调谐质量阻尼器（TMD）性能的研究越来越多，但从效-费比方面对TMD减震控制系统进行经济性研究较少。为了获得最优效-费比下的TMD最优参数，同时兼顾成本控制与运算速度，对多种群遗传算法（MPGA）进行改进。改进内容包括从传统的单种群寻优转化为多种群同时寻优；改进适应度函数，满足目标优化同时兼顾效-费比。改进后该算法比传统遗传算法有更稳定的运算速度与运算精度，在TMD减振系统的设计中，不仅考虑减震效果因素和技术因素，还考虑经济因素，以使安装的成本和效果达到良好的平衡，既达到预期效果，又保护环境资源。     

基于神经网络的遗传算法优化及其应用

遗传算法是 1种模拟自然进化而提出的简单、高效的组合优化算法。研究了磷酸羟胺制备过程中羟胺反应效率的优化问题 ,该过程由于其反应动力学的固有复杂性而无法建模。表明结合神经网络理论 ,遗传算法可以有效地解决这一过程的寻优问题     

基于自适应遗传算法的智能组卷策略

本文从智能组卷的要求出发,提出了基于自适应遗传算法的智能组卷策略,以知识点、题型、区分度、难度、教学要求层次、能力要求为主要控制参数,应用遗传算法全局寻优和智能搜索的特征,在试题各个属性约束条件满足的情况下,有效实现智能组卷。     

基于混合遗传算法的催化重整过程多目标优化

为实现催化重整过程生产指标的综合优化,基于已实现工业应用的催化重整17集总反应动力学模型和催化重整过程机理模型,考虑相应的多种约束条件,建立了以最大化总芳烃收率和最小化重芳烃收率为目标的多目标操作优化模型。提出了一种将遗传算法与局部优化方法相结合的多目标混合遗传算法HNAGA,并用于多目标操作优化模型的求解。现场工业数据的仿真研究表明,HNAGA在寻找Pareto最优解前沿方面比原遗传算法具有一定的优越性。将该多目标优化模型和求解方法应用于工业催化重整装置的操作优化,可以有效提高决策的准确性。     

CO2提纯塔控制参数的优化

研究了CO2提纯塔的影响因素对塔釜CO2出口浓度的影响.针对常规遗传算法的不足,对算法进行了有效的改进.运用改进的遗传算法,结合CO2提纯塔模型,对提纯塔的可控参数进行优化,得到了不同CO2进料浓度下的最优控制参数.实际生产检验表明,优化方法可行,优化结果有效.     

基于新型蚁群算法优化的重油热裂解模型

针对重油热裂解模型的参数估计问题呈高维、高度非线性的特征,提出一种基于新型蚁群算法优化的重油热裂解模型.通过新型蚁群算法优化确定模型参数,获得具有良好预测精度的模型.新型蚁群算法通过将解空间划分成若干子域,并引入遗传操作,实现连续优化问题的寻优.仿真结果表明它具有良好的性能,且优于传统的遗传算法.     

基于遗传算法的桁架形状优化及最小质量设计

在工程结构的优化设计中,应用遗传算法的基本原理,研究了离散设计变量全局寻优等传统优化方法难于解决的特殊问题。以平面桁架梁作为解析例,选取桁架的节点坐标和杆件的截面特征为设计参数,模拟遗传操作过程中的生物进化机制,对桁架的构成和形状的优化问题进行了解析。得到桁架在不同情况下的形状优化解,并使桁架质量趋于最小。研究结果验证了遗传算法在桁架的形状最优化和最小质量设计中应用的可行性。     

利用人工神经网络和遗传算法对热偶精馏过程进行模拟优化

In this paper, a new approach using artificial neural network and genetic algorithm for the optimization of the thermally coupled distillation is presented. Mathematical model can be constructed with artificial neural network based on the simulation results with ASPEN PLUS. Modified genetic algorithm was used to optimize the model. With the proposed model and optimization arithmetic, mathematical model can be calculated, decision variables and target value can be reached automatically and quickly. A practical example is used to demonstrate the algorithm.     

余热锅炉单相受热面动态建模与模型参数优化

作为余热利用环节中最重要的部分,余热锅炉的启动、变工况运行和停机特性直接决定锅炉的寿命及效率。基于工质热力学性质和质量、动量及能量守恒方程,以Matlab/Simulink为平台,构建了余热锅炉单相受热面的动态仿真模型。结合某水泥厂自主设计的直流余热锅炉实验数据,基于遗传算法和粒子群算法,对动态模型进行了参数优化。结果表明,经过优化后,余热锅炉动态模型与实验数据匹配程度高,模拟与实验结果的误差为0.93%~4.39%。因此,本文所建立的单相受热面变工况动态模型可以准确反映余热锅炉受热面动态特性。两种算法的对比表明,粒子群算法适应度函数收敛更优;在收敛迭代次数上,粒子群算法在54~64代达到收敛,遗传算法在93代后达到收敛。粒子群算法在参数优化方面优于遗传算法。     

Strategies for Optimizing Feed Rate of Fed-Batch Yeast Fermentation by Fuzzy-Neural Network

In this paper,a novel fuzzy neural network model,in which an adjustable fuzzy sub-space was designed by uniform design,has been established and used in fed-batch yeast fermentationas an example.A brand-new optimization sub-network with special structure has been built andgenetic algorithm,guaranteeing the optimization in overall space,is introduced for the feed rateoptimization.On the basis of the model network,the optimal substrate concentration and theoptimal amount of fed-batch at different periods have been studied,aided with the optimizationnetwork and the genetic algorithm separately.The above results can be used as a basis for theestablishment of a fuzzy neural network controller.     

一种基于偏好的多目标遗传算法在动态模型参数辨识中的应用

针对多目标优化问题,提出了PNSGA算法(preference-based non-dominated sorting genetic algorithm),是一种NSGA Ⅱ的改进算法,结合Pareto支配和偏好信息定义了新的优于关系;把偏好信息加入快速非支配排序中,引导搜索方向,更方便决策者选择;并进一步分析了加入偏好对拥挤度机制的影响.实验证明该算法能较好地解决动态模型参数辨识的问题,有利于决策者做出决策.     

基于遗传算法的油气混输管网参数优化设计

在地面油气混输管网优化的研究中,结构参数优化是极为重要的一个问题.本文对多目标非线性的规划问题,使用遗传算法对管网结构参数进行优化,提出了目标函数、水力及热力学模型.并得到了应用遗传算法的相关结论     

基于混合神经网络与UG/KF方法的浇口位置优化设计

在分析遗传算法特点的基础上,针对遗传算法优化搜索过程中收敛速度慢和不成熟收敛的缺点,提出一种改进的实数编码混合遗传算法,借助于知识熔接技术即KF语言进行几何建模,建立基于混合神经网络与UG/KF方法的浇口位置优化设计,利用CAE软件进行模拟,获取训练样本,用Matlab语言编制应用程序,运用参数优化系统对浇口的位置进行优化计算,结合UG/KF,实现知识驱动.