基于冗余选择策略差分进化的供水管网多目标优化

针对进化算法在大规模供水管网优化设计过程中计算效率低的问题,提出一种基于冗余选择策略差分进化算法。该方法在选择阶段往每一代种群中重复添加冗余数个当代最优解向量形成父代种群,适当降低种群多样性引导种群向更好的方向进化、快速获取近似最优解。以管网造价为经济性目标函数、节点富余水头方差为可靠性目标函数,建立供水管网优化设计的多目标数学模型,并采用BIN基准管网加以验证。利用冗余选择策略差分进化算法进行计算时,冗余度为6%可在保证解精度的情况下提高62.768%的计算效率,冗余度为1%～6%时得到的经济性指标和冗余度为1%～3%时得到的可靠性指标均优于标准差分进化算法,并得到F最佳取值范围为0.1～0.3,CR取0.4最佳。基于冗余选择策略差分进化算法可提高计算效率,能快速有效地获得供水管网优化问题的近似最优解,表现出良好性能。     

双资源作业车间双目标调度优化研究

考虑在制品库存费用、机床工时费、直接工人的工资费用、工件的提前和拖期完工造成的损失费用,提出了一种双资源作业车间调度的生产费用计算方法.将一种新的排序策略嵌入到Pareto竞争方法中,设计了一种新的混合遗传算法,对生产周期和生产费用两个目标同时进行优化.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法.用Pareto解集过滤器保存进化过程中的最优个体并不断更新,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真结果表明:该方法是可行的,并具有一定的优越性.     

粒子群优化算法在结构参数识别中的应用

利用PSO算法将系统识别问题转化为高维多模优化问题,进行结构参数识别的研究。PSO算法是一种新颖的随机搜索进化算法,通过采取全局优化的策略确保算法得到优化问题的最优解。在输入输出数据不完备且含真实的噪声污染,以及系统质量、刚度等先验信息又缺乏的情况下,利用将基于该算法的识别方法应用于一个真实结构,验证基于PSO算法的识别方法在真实结构系统识别中的有效性。     

一种异型改进的自适应遗传算法

遗传算法搜寻全局最优解的优异特性使其在许多应用领域中获得了很好的运用,但该算法作为一种随机优化算法,对求解相对繁杂的全局优化问题易使最优解收敛至局部最优解.而标准的自适应遗传算法是在遗传算法的基础上对交叉率的值和变异率的值进行线性自适应调整,在收敛性能有所提升,但仍然不能有效避免算法的早熟.提出一种异型改进的自适应遗传算法(Heterogenic improved adaptive GA,简称HIAGA),即在对变异率和交叉率进行曲线自适应调整的同时应用精英保留策略的方法.仿真实验结果表明,HIAGA算法在处理收敛速度和避免搜寻结果成为局部最优解等方面能达到较好的处理效果.     

基于自适应协方差矩阵进化策略的结构可靠度计算

自适应协方差矩阵进化策略(CMA-ES)算法是一种引导式随机优化算法,兼顾了深度搜索最优解和广度搜索解空间的能力。针对采用遗传算法(GA)、粒子群优化算法(PSO)等仿生优化算法求解复杂结构可靠度时往往遇到计算代价过高的问题,基于结构可靠度指标的几何涵义并结合验算点法,提出了结构可靠度计算的自适应协方差矩阵进化策略方法。研究结果表明,该方法是可行的,具有全局性好、收敛速度快的优点,与遗传算法、粒子群优化算法相比较,可大幅度地提高计算效率,为结构可靠度计算提供了一条新的途径。     

一种多原则机械系统预防性维护调度方法的研究

预防性维护对机械系统的安全性,高效性,可靠性运行操作是非常重要。预防性维护调度的基本原则是:系统的成本原则,可靠性原则,这两调度原则被认为目标相互矛盾。通过改进强度帕累托进化算法来寻找最佳的折衷解决方案,根据模糊集理论找到最佳折衷方案的帕累托最优解,并对多原则预防性维护调度方法的概念和数学模型进行了解释,用一个案例说明新方法的实际应用。     

隧道爆破参数优化中遗传算法和微分进化算法的应用比较

隧道爆破参数优化技术发展至今,已经有多种优化算法被应用到该领域,其中运用最广泛的就是遗传算法.微分进化算法作为一种新型优化算法,很少被用来进行隧道爆破参数优化,而本文以遗传算法和微分进化算法为优化工具对十白高速狮子沟隧道进行爆破参数优化分析,比较两种算法各自的优缺点.实例分析表明,遗传算法和微分进化算均能有效地解决复杂的隧道爆破参数优化问题,得到全局最优解.相比之下,遗传算法收敛速度更快,而微分进化算法编程相对更简单、参数设置更简便,所得解的精度较高等.     

基于系统辨识的MQHOA算法的仿真与实现

多尺度量子谐振子算法(Multi-scale Quantum Harmonic Oscillator Algorithm,MQHOA)的参数不需人为进行设定,算法中只有一个参数σ,收敛时每次迭代均以σ值的大小作为收敛依据,使面对复杂目标函数和高维目标函数时算法能自动进行迭代的调整,避免陷入局部最优解,从而保证精确获得全局最优解.本文结合MQHOA这一数学软件,将多尺度量子谐振子算法应用于系统辨识模型中,利用非线性系统辨识方法,并通过MQHOA GUI程序接口调用MQHOA子程序对系统响应信号进行计算辨识与控制.这尽管存在白噪声,但是,算法在一定迭代次数后也将趋于稳定.采用MQHOA软件编程,做出算法整个过程设计草图并得以实现不同按钮的功能输出,实现算法过程和交互分析的有机结合.实验结果表明,多尺度量子谐振子算法辨识参数误差较小,算法较好地适应其物理性能并不断逼近最优区域以获得最优解;最后对MQHOA算法进行仿真实验,实现人机交互,使初学者加深对算法收敛过程的理解.     

基于GASA混合优化策略的双层规划模型求解算法研究

本文提出用遗传—模拟退火算法(GASA)混合优化策略来求解双层规划模型。混合优化策略结合了遗传算法的并行结构和模拟退火算法的概率突跳性,提高了找到全局最优解的可靠性和计算效率。数值模拟实验表明算法性能良好,GASA混合优化策略求得全局最优解时的进化代数比单一的遗传算法减少约35％,比模拟退火算法的迭代次数减少约50％。     

面向低成品率光刻机调度问题的反向-灾变共生生物搜索算法

针对传统进化算法在低成品率步进式光刻机的有效调度问题上因参数多或局部搜索能力不足导致求解质量欠佳的情况,以最小化最大完工时间为优化目标,提出了1种反向-灾变共生生物搜索算法。在共生生物搜索算法的种群初始化及寄生阶段使用反向学习增加种群多样性,从而扩展搜索广度;在算法陷入局部最优时进行灾变判断,根据判断结果跳出局部最优,在下1次迭代的互利共生与偏利共生阶段引入变邻域下降法增加搜索深度。对不同成品率情况进行多种算法的仿真实验,对比结果表明,所提算法具有更好的求解质量。