基于遗传模拟退火算法的四杆机构优化设计

采用遗传模拟退火算法对轨迹再现型四杆机构进行优化设计,结果表明,该优化算法把模拟退火算法结合进遗传算法中,这样在保证获得较好的全局搜索能力的同时,又加快了遗传算法在最优值附近的收敛,提高了遗传算法的效率.     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

露天矿卡车SA-GA算法实时调度的实现

应用模拟退火算法优化遗传算法实现了露天矿卡车的实时优化调度。首先，针对所建卡车调度模型的单目标、多约束、非线性优化的特点，应用求解此类问题表现优越的遗传算法进行求解。其次，针对遗传算法局部搜索能力不足的特点，应用局部搜素能力强的模拟退火算法对其进行优化并详细阐述了模拟退火算法优化遗传算法的基本思想和算法流程。接着，应用典型的TSP问题对模拟退火优化遗传算法进行了验证。最终，应用Mtlab编程软件编制了基于SA-GA算法的露天矿卡车调度程序，并以实际生产数据进行了实验验证。     

基于混合遗传算法的Job Shop问题研究与实现

遗传算法具有良好的全局搜索能力,在调度问题中得到了广泛的应用。通过对遗传算法进行改进,可以有效避免在求解过程中容易陷入局部最优域的问题。通过采用混合遗传算法,即将模拟退火算法与遗传算法结合,在种群更迭过程中引入了模拟退火操作来求解Job Shop问题。通过实验验证了混合遗传算法的特性,最终算法显示出了遗传算法较好的搜索能力和模拟退火避免过收敛的特性,改进了收敛性能。系统的运行结果满足调度要求,实现了良好的有效性和实用性。     

一种求解车间调度的混合免疫遗传算法

为了克服传统免疫遗传算法(IGA)在车间调度问题上易陷入局部最优的缺点,将免疫遗传算法(IGA)与模拟退火算法(SA)进行了结合,提出一种应用于车间作业调度的混合免疫遗传算法。为了有效的提高免疫遗传算法收敛速度和避免算法陷入局部最优解,此算法设计了一种基于适应度和浓度的自适应精英保留策略且重新设置了变异算子,即将变尺度变异和自适应变异算子进行了融合。最后利用"Muth and Thompson"基准问题进行仿真实验,验证了该算法在JSP问题中的高效性和可行性。     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

离散萤火虫算法的复杂装备测试点优化选择

测试点优化选择是复杂装备测试性设计的重要环节,本文提出一种用于解决测试点优化选择问题的离散萤火虫算法(DFA)。首先建立了测试点优化选择问题的数学模型,接着对传统的萤火虫算法(FA)进行了离散化改进,给出了离散化萤火虫算法的实施步骤,并分析了不同的吸引度函数和二值化函数(sigmoid和tanh函数)对算法结果的影响。最后针对5个不同规模的实际系统验证了离散萤火虫算法的有效性,并与粒子群算法(PSO)和遗传算法(GA)等传统的元启发式搜索算法的计算性能进行了比较分析。结果显示:在满足系统要求的故障检测率和故障隔离率的前提下,利用本文提出的离散萤火虫算法得到的5个系统测试代价最优值分别比PSO算法和GA算法平均降低了10.1%和14.6%。实验结果表明:离散萤火虫算法能快速收敛到更高质量的全局最优解,避免过早收敛而陷入局部最优值,对于解决大型复杂装备的测试点优化选择问题具有很好的应用前景。     

基于改进粒子群算法的开放式定位-运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑，建立了该问题的数学模型；运用基于遗传算法、模拟退火算法的改进粒子群算法，对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛，验证了模型的正确性和算法的有效性。     

超磁致伸缩执行器位移模型的参数辨识

准确辨识模型参数是提高超磁致伸缩执行器位移控制精度的关键,针对单一算法难以实现对超磁致伸缩磁滞非线性模型参数准确识别的问题,将遗传算法与模拟退火算法融合,首先利用遗传算法的快速搜索能力得到一个较优群体,再利用模拟退火算法的突跳能力对整个群体进行优化调整,并在算法中引入最优保留策略和动态步长搜索方法,提出一种改进的遗传模拟退火算法,并将其应用于对超磁致伸缩执行器位移磁滞非线性模型参数辨识。该算法兼具遗传算法和模拟退火算法的优点,既有较快的收敛速度,又提高了辨识精度和最优解质量。通过试验验证,超磁致伸缩棒伸长量的模型计算结果与测量值符合程度较好,平均相对误差为3.85%,该方法能方便有效地辨识模型参数。     

基于改进遗传算法的离散公差模糊稳健优化设计

为了解决离散变量优化设计问题，采用了一种面向设计、制造的设计变量离散化处理方法。通过改进最优个体保护策略和混沌移民算子，并引入家族竞争遗传机制对基本遗传算法进行了改进。开发了混合离散变量的改进遗传算法程序LSGA2005，用该程序解决了箱体零件尺寸链的离散公差模糊稳健设计问题。实例表明，该算法全局收敛能力强，具有较好的实用价值。     

基于改进遗传算法的函数优化及其性能分析

工程应用中,常涉及到最优化问题.对很多问题进行数学建模后,都可以抽象为一个数值函数的优化问题.实践表明,遗传算法求解最优化问题的计算效率很高.提出了一种对简单遗传算法的编码方式、选择算子、交叉算子及变异算子都进行改进的算法,仿真试验表明,改进算法的函数优化计算在搜索效率和收敛速度方面都有很大提高.     

自适应遗传算法在数控伺服系统控制参数优化中的应用

PID参数整定是一个多参数组合优化的问题,针对目前常用的工程整定法无法在全局范围内对PID参数进行组合优化,只能从系统的单项性能指标出发进行整定,而标准的遗传算法又容易出现过早收敛等问题,为此,提出了基于改进的自适应遗传算法的PID参数整定方法。这种方法能够随适应度值自动改变交叉概率和变异概率,这种方法既能够确保算法的收敛,也能够很好的保证种群的多样性。将该方法应用于数控伺服系统,控制效果良好,最后将Ziegler-Nichols算法与自适应遗传算法整定的PID控制系统的动态响应性能作了对比分析,仿真试验结果证明了基于自适应遗传算法的PID参数整定方法的优越性。     

并行混合免疫算法及其在布局设计中的应用

布局问题在理论上属于NPC问题,在工程实践上具有广泛的应用。为较好地求解该问题,以并行遗传算法(PGA)为基础,针对其早熟和收敛速度慢两大缺陷加以改进,提出了并行混合免疫算法(PHIA)。该算法将免疫思想加入遗传算法起到了双重作用,一是免疫选择可有效地防止早熟,二是通过基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化,并依自适应交叉和变异的概率值对子群体进行分类,与Powell法混合可更好地改善局部搜索性能。以卫星舱和印制电路板布局设计为背景的算例验证了该算法的可行性和有效性。     

改进的遗传算法及其在多目标优化设计中的应用

遗传算法是一种模拟自然界进化过程的启发式优化计算算法,具有高效及可收敛到全局最优点的特点。文中针对遗传算法局部搜索能力弱的特点,将其与梯度下降法结合,提高其局部搜索能力,并进行了测试。然后结合一多目标工程问题进行了优化计算,结果表明此算法可有效解决工程问题的优化。     

离散变量优化设计的改进斐波那契遗传算法

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,建立离散变量结构优化模型。针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点,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;提出一种离散变量结构优化设计的斐波那契算法,并与遗传算法结合在一起解决问题。优化设计结果表明,这种改进斐波那契遗传算法的收敛特性得到很好的改善,即发挥了斐波那契算法省时、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,是有效的工程结构优化设计方法。     

基于混合遗传算法的齿轮传动优化设计

以体积最小为目标函数,建立了齿轮传动优化设计数学模型,并用外部惩罚函数法将该问题转化为无约束优化问题。针对遗传算法的局限性,采用整数编码和实数编码结合的混合编码,并调整了适应函数,采用随机多父辈适应函数值加权交叉和自适应变异操作,结合了模拟退火算法,给出了初温的确定方法,从而形成了混合遗传算法。该算法能够有效地减少不可行解的产生,提高收敛速度,避免早熟收敛。算例说明,该优化方法有效、实用。     

基于免疫遗传算法的车间调度问题的研究

根据生命科学中免疫系统的信息处理机制,在一般遗传算法的基础上,将免疫计算和改进的遗传算法(预防近亲结合的多重交叉策略)相结合,建立了一种用于车间调度的免疫遗传算法,通过接种疫苗提高抗体的适应度,通过免疫选择防止种群的退化。针对作业车间调度问题,设计了免疫遗传计算中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和接种方法。通过作业车间调度十个典型标准问题验证,文中所述免疫遗传算法可行,较现有免疫算法、一般遗传算法及一些传统优化设计方法在收敛效率和准确性等方面有很大改进与提高。     

遗传算法改进的BP神经网络在协同创新评价中的应用

为了解决客户协同创新中协同工作效率难于评价的问题,提出了一种用遗传算法优化的神经网络对客户协同产品创新进行评价的评价模型：在评价指标方面,设计了一套包括效益、效率和过程的18个指标的评价体系;在评价算法方面,将遗传算法与BP神经网络结合起来,设计了遗传算法改进的BP神经网络算法。该模型充分利用遗传算法的全局搜索能力强与神经网络的局部搜索能力强的特点,克服了遗传算法局部收敛与神经网络收敛速度较慢的问题,是一种非常适用于评价协同工作的模型。最后通过实例训练,证明了该模型的有效性与可行性。     

多种群遗传算法在数字散斑相关搜索中的应用

数字散斑相关方法中,搜索算法对计算速度有着重要的影响。遗传寻优算法的全局性非常适合散斑相关搜索。然而,作为一种智能算法,算法参数对于遗传算法的计算稳定性和效率都有着重要影响。同时,不成熟收敛也是不可忽视的问题。本文将多种群遗传算法应用于数字散斑相关方法中,在避免了不成熟收敛问题的同时,提高了计算稳定性和效率。