基于单亲遗传算法的区域供冷系统管网的布置优化

区域供冷树状管网布置优化属于典型的组合优化问题.针对区域供冷管网系统特点,建立了以管网年度费用最小为优化目标的数学模型和约束条件.以图论和遗传算法为理论基础,应用改进的单亲遗传算法对区域供冷树状管网进行了优化布置,并对编码方案.遗传算子设计,适应度函数进行了设计.应用实例表明,单亲遗传算法直接以管网年度费用最小为优化目标,能够获得年度费用最小的布置方案,与Dijkstra算法对比,算法的寻优效率较高,收敛性和稳定性较好.     

基于遗传算法的灌溉管网同步优化研究

针对目前灌溉工程树状管网优化中存在的将管网与管径分步研究未能实现同步优化及农业灌溉供水成本过高等问题,以管网管长、管径以及水泵的扬程为变量,以灌溉供水成本最低为目标函数,建立了灌溉管网系统的优化模型,采用管网布置与管径同步优化的整数编码方式,运用遗传算法求解目标函数的最优解。实例证明,遗传算法可以有效并快速地同步优化整个灌溉管网系统,得到灌溉供水成本最低的方案,保护了用户的利益,为今后类似同步优化问题提供了借鉴。     

城市供水管网优化设计两步法

为改善城市供水管网的设计方案,从经济性和可靠性角度出发,应用数学建模与最优化理论,对城市供水管网优化设计进行系统研究.提出两步优化的思想,即首先进行供水管网拓扑结构优化,然后进行管径组合方案优化.供水管网拓扑结构优化以单位流量年计算费用作为管段的权值,采用改进的狄克斯特拉算法进行求解,管径组合方案优化采用遗传算法进行求解.分别编制相应计算程序,对某一管网进行优化设计.研究结果表明由该方法产生的优化设计方案在经济性、水力性和可靠性方面均好于传统设计方案,同时两步优化的解无论在收敛速度方面还是在解的优化效果方面都要好于单纯应用遗传算法所求得的解.     

基于蚁群算法的配水树状管网优化布置

配水树状管网优化布置属于典型的组合优化问题.本文应用图论和蚁群算法进行配水树状管网优化布置,分别用管网总长度最短和管网投资最小作为优化目标,并用算例与Dijkstral算法、Kruskal算法和单遗传算法相比较.研究表明该方法是可行和有效的,能减小管网工程投资和提高设计效率,在给排水管网优化布置中有较为广阔的应用前景.     

混油对成品油管网优化设计的影响分析

考虑成品油顺序输送中产生混油的特点,以管道生命周期内收益最高为目标,管径、壁厚为决策变量,建立了成品油管网优化设计的数学模型。分别利用扩散理论推导的变径管混油量计算公式和经验公式计算混油量,并采用遗传算法求解该模型。计算表明,混油损失费用占整个设计的3%～10%,并且与年输送批次数、每一批次输送的油品种类数、单位体积的混油处理费用等因素相关,一般情况下不能忽略不计,可以采用权重系数法生成多种设计方案以供选择。而不同的混油计算公式结果往往不同,在实际工程中应选择与本工程最接近的公式进行计算。     

基于剩余能量熵的供水管网可靠性优化设计

针对供水管网(WDS)的可靠性优化设计问题, 提出将剩余能量熵作为可靠性度量指标,建立以剩余能量熵最大化、以管网建造年费用和运行费用最小化为设计目标的多目标优化模型.结合一典型管网算例,应用非支配排序遗传算法-II（NSGA-II）并引入诱导变异算子求解该模型,给出设计目标间的Pareto前沿面.优化结果表明,成本和采用剩余能量熵描述的可靠性指标得到了显著的优化,诱导变异算子的引入大大加快了种群向目标解域的收敛速度.在解集中,将剩余能量熵与Vaabel提出的剩余能量因子和Todini提出的恢复力指标进行比较.比较结果显示,剩余能量熵与剩余能量因子、恢复力指标均存在很好的正相关关系,证实了以剩余能量熵作为可靠性指标的可行性.通过比较管网在各管段依次发生故障时的剩余能量熵和流量熵,发现剩余能量比流量熵更能够灵敏地反映故障工况,表明基于剩余能量熵指标设计的管网更能够提高管网应对故障的能力.     

城市供水系统突发性污染监测

以监测到供水系统中突发性污染为目标,提出一种城市供水系统监测点优化布置的方法.在定义最短水流时间矩阵和污染覆盖矩阵的基础上,针对复杂管网求解最短水流时间矩阵困难的问题,利用动态规划求解最短水流时间矩阵,并由此得到给定监测等级下的污染覆盖矩阵.以监测覆盖范围最大为目标函数,并引入重复覆盖度的概念,运用遗传算法优化布置监测点.算例结果表明,用动态规划求解复杂管网的最短水流时间矩阵易于编程实现,并有较高的时间效率;遗传算法能够快速地搜索到最优监测点的布置方案,达到在给定监测等级下最大限度地监测整个管网突发性污染的目的;通过与穷举法结果的对比,证明了本方法的正确性.     

利用NSGA-Ⅱ算法求解供水管网优化改造模型

为提高供水管网优化改造模型的客观性,给出更合理的优化结果,对供水管网改造单目标优化模型进行适当处理,将水力约束条件转化为独立的目标函数,建立供水管网改造多目标优化模型.利用面向多目标优化问题求解的非控制排序遗传算法-II(NSGA-Ⅱ)求解多目标管网优化改造模型.通过算例验证,算例管网中低压节点问题、管段负荷过大问题、管段改造投资问题,由于都作为目标函数进行求解,给出综合考虑三方面问题的优化结果.通过多目标建模思想以及面向多目标问题优化算法(NSGA-II)的引入,解决单目标模型无法描述管网改造为多目标问题的矛盾,克服采用权重系数或惩罚函数带来的不确定因素.并通过引入人工诱导基因变异算子,加快种群向可行解域的收敛速度,提高算法的收敛速度,而且改善解的合理性.     

基于面向对象技术的给水管网设计程序优化

针对城市给水管网模型组成各部分的特点和相互之间的联系,基于面向对象的类层次关系进行优化设计程序的开发,将遗传算法作为一个假想类,与管网整体类及管网各要素类有机地融合在一起.所编制的应用程序包括数据输入输出模块、管网水力计算模块和遗传算法优化模块三部分.以我国沿海某新建开发区大型管网为实例,采用所编制的程序进行优化计算,结果表明,该程序可使给水管网年费用折算值降低,具有良好的实用效果.     

基于遗传元胞机的多态性作业车间布局建模

针对多态性作业车间布局问题,根据车间物流关系和二维空间约束条件,构建车间元胞机框架模型,并且引入遗传算法优化模型当中的自组织演化规则,最终建立多态性作业车间布局遗传元胞机模型.采用系统布置设计方法求取布局方案的初始解,在保证初始解有效性的基础上提高算法的寻优速度和精度,以物料搬运费用最小、车间面积利用率和设备平均利用率最大为模型多目标函数.通过实例验证了遗传元胞机模型求解多态性作业车间布局的可行性与实用性.     

一种基于神经网络和遗传算法的桥梁加速度传感器优化布置方法

为实现桥梁加速度传感器的优化布置, 提出一种基于神经网络和遗传算法的布置方法。利用ANSYS软件建立桥梁模型并获得模态数据,通过随机生成大量布置方案及对应MAC值形成数据集,并建立双隐藏层的神经网络模型进行训练,将训练好的模型利用遗传算法搜索出最优值及对应的布置方案,最后对结果进行了分析,表明该方法可行。     

结合夜间最小流量法的减压阀经济效益模型

为了对城市管道漏失进行有效控制,根据压力驱动漏失水力模型结合夜间最小流量法,确定管网节点的漏失系数,建立考虑压力引起漏失量的改良水力模型——减压阀经济效益模型.该模型使用遗传算法进行求解,以管道漏失量最小化为目标函数,以减压阀最大安装数量、节点压力流量方程、最大允许漏失率为约束条件,求出减压阀安装数量及安装位置,再从所有可行解里面选择一组花费最小的解作为最优解.并以HJ分区为例详细讨论减压阀经济效益模型的求解过程,对实际的管道漏失控制具有指导意义.     

基于改进遗传算法的配网滤波装置优化配置

在配电网中装设有源滤波装置是抑制谐波有效的方法。文章运用改进型的遗传算法对有源滤波装置在配电网中的配置进行优化,提出最优个体保留与最大遗传代数相结合的终止进化准则,即必须经过一定的迭代次数,最优解经过后面的多次迭代后仍为最优。最后通过一经典算例验证,改进型遗传算法既满足了抑制谐波的要求,又将投资费用控制在尽量小,应用于配电网有源装置优化配置具有可行性。     

应用遗传算法进行给水管网优化设计

建立了遗传算法市政给水管网优化模型,阐述了应用遗传算法进行给水管网优化设计的原理、特点,并对某小区管网改建工程进行优化求解,介绍了遗传算法模型的设计参数选取情况．     

改进GA算法结合ANN用于酚类化合物的QSAR研究

采用改进的遗传算法(IGA)和BP人工神经网络相结合的方法,研究了50个酚类化合物的麻醉毒性和分子结构之间的相关性,并与单纯用BP人工神经网络建立的模型进行比较.结果表明,该方法克服了人工神经网络训练中的局部最优问题,采用最优交叉和变异等遗传策略,有效地解决了收敛过程中的振荡问题,所得模型的训练精度和预测精度均优于单纯的BP人工神经网络QSAR模型.     

缺陷石板的计算机优化排样

目的利用遗传算法解决缺陷石板优化排样问题以提高石材大板的利用率.方法提出了一种基于遗传算法的缺陷石板优化排样方案,建立优化排样数学模型,并采用C#语言结合AutoCAD平台开发出了缺陷石板矩形单一排样程序模块.结果遗传算法实现对缺陷的石板进行实时优化排样,开发程序可以进行石材参数化设计,板材设计和表面廓形数据采集系统无缝连接,对板材进行在线测量和实时分割优化下料.结论该方法在分割缺陷石板时避开了石材表面空洞、大斑、裂纹等缺陷,提高了石材加工和设计效率,提高材料利用率,较好地解决了缺陷石板的二维矩形件单一优化排样问题.     

一种结合改进遗传算法和BP神经网络的图像压缩算法

针对LM（Levenberg—Marquardt）算法的缺陷,提出一种使用改进的遗传算法和LM算法优化神经网络的混合学习算法（GA-LMbp）。该算法先通过改进的遗传算法粗调得到一组全局最优近似解（即BP网络的初始权值和阈值）,再以该近似解为初值,用LM算法优化BP网络进行图像压缩处理。实验结果表明,新算法提高了网络的学习能力和收敛速度,避免了LMbp陷入平坦区或局部极小值。     

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.     

智能振动控制装置布局优化设计

目的为了提高智能振动控制结构的减振效果，以最少的控制装置数目、最佳的位置实现控制．方法建立MRD结构的动力分析模型，推导出结构运动微分方程；对标准遗传算法经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点进行改善，提出了改进混合遗传算法；建立智能控制装置布局优化设计模型，使用改进混合遗传算法对8层MRD结构的控制装置的布局进行优化设计．结果优化后，MRD结构的相对加速度、速度、位移、层间剪力均有很大程度的降低．结论改进混合遗传算法对智能控制装置布局优化的结果比较理想．智能控制结构的各项地震反应均得到了更好地控制．