遗传算法在多约束组合优化中的应用

对遗传算法(geneticalgorithms,GA)的搜索过程进行了分析,并着重研究了遗传算法在组合优化问题中的应用,最后对遗传算法的收敛性与其他数学优化方法的区别进行了介绍。     

遗传算法中群体多样性评价指标的研究

本文针对遗传算法中早熟问题进行了分析,提出了评价群体多样性的两个性能指标,在此基础上结合模糊逻辑调节遗传算法的交叉和变异概率.对一组函数优化问题对标准算法和优化算法进行测试,测试结果表明基于模糊逻辑控制的遗传算法的性能要优于标准遗传算法.证明本文提出的群体多样性的评价指标是有效的.     

混沌遗传算法研究及其在经济负荷分配问题中的应用

提出了一种实数编码混沌遗传算法,并将其用于经济负荷分配问题。该算法将混沌引入遗传算法,利用混沌对标准遗传算法中的选择和变异进行了改进,之后对每一代最优个体进行变尺度混沌优化。将该方法应用于某厂3机组经济负荷分配问题,通过与混沌优化方法以及传统遗传算法的比较,该方法可以求得高质量的可行解,表明了该方法在求解经济负荷分配问题的有效性。     

遗传算法在曲柄遥杆机构优化设计中的应用

本文采用遗传算法，对曲柄摇杆机构再同已知运动规律问题进行了优化设计。文中对优化问题的数学模型和遗传算法在解决此问题时的计算过程进行了比较全面的描述。通过与传统的惩罚函数法在同一问题中应用效果的对比，表明了该算法的有效性。     

应用遗传算法优化无限多媒体通信多址协议

遗传算法是由受生物进化过程启发而形成的进行优化和机器学习的算法。受遗传算法善于解决复杂的组合优化问题的启发，对应用遗传算法到无线多媒体通信中的可能性进行了探讨。     

惩罚函数法在遗传算法处理约束问题中的应用

主要研究惩罚函数法在遗传算法中的应用。将传统优化方法中的惩罚函数法与遗传算法相结合，研究了三种不同的惩罚函数法在遗传算法中的实现和应用，编制了计算程序。通过对连续变量无约束优化、连续变量约束优化和离散变量约束优化等典型优化问题的计算分析，将三种惩罚函数方法进行了比较，指出了它们的特点及选用原则。同时，对遗传算法中各种算子的不同形式也进行了研究和比较，得出了一些有意义的结论。     

高效求解多峰值全局优化的区间-遗传算法

针对传统区间优化算法求解高维问题耗时的缺点,将区间算法和遗传算法进行融合,提出了一种区间-遗传算法。该算法利用区间算法为遗传算法的搜索区域进行定界,同时采用拒绝指标可使包含全局最优解的区间更容易被选择,而且算法通过遗传算法提供的问题全局最优解的上界可对那些不包含全局最优解的区间进行删除。对一些多峰值全局优化问题进行了仿真实验,结果表明:该算法相比传统区间优化算法更加有效,而且随着问题维数的增大,算法的高效性更加明显。     

基于遗传算法的两级轮边减速器可靠性优化

在保证双级行星齿轮传动系统可靠性的前提下,尽可能使轮边减速器得到最小体积.利用多目标改进的遗传算法进行优化设计.使用iSIGHT软件遗传算法工具箱对其进行了优化计算.对多目标遗传算法的改进进行了研究.改进了遗传编码,选择算子,局部的搜索过程等.与行星齿轮系统的普通优化相比,因遗传算法不要求目标函数连续可微,并通过改进形成了局部贪婪性搜索过程,增强了遗传算法的局部搜索能力.因此比普通优化结果提高了13.3%,并且这一结果已经在工程应用中得到了证实.同时也验证了改进的遗传算法对解决多目标优化问题的可行性和优越性.     

基于遗传算法的电力系统无功优化

在总结常用的电力系统无功电压优化方法的基础上,建立了以网损、电压质量和无功潮流分布为目标函数的数学模型．然后对基本遗传算法进行了一些改进,并将改进的遗传算法应用到IEEE30节点系统进行验证．测试结果表明,改进的遗传算法有助于解决无功电压优化问题．     

机加零件可制造性研究中的工艺参数优化方法

从改善产品可制造性测度出发 ,提出了一种机械加工零件工艺参数优化问题的数学模型 .采用外点罚函数法把此约束优化问题转化为一无约束优化问题 ,利用遗传算法进行求解 .算例表明了遗传算法对全局优化问题的有效性 .这种优化方法可以集成到并行工程环境 ,以提高产品开发的质量     

桁架结构优化设计的遗传算法

本文提出桁架结构系统优化设计的新方法──遗传算法，它不同于常规优化算法的特点在于，从多个初始点开始寻优．并采用交迭和变异算子避免过早地收敛到局部最优解，可获得全局最优解，且不受初始值影响。该算法不必求导计算，编程简单，快捷，它尤其适用于具有离散变量的结构优化设计问题。     

固相萃取技术在分离纯化赤霉素(GA3)中的应用研究

将固相萃取技术应用于分离纯化蔬菜中植物生长调节剂赤霉素GA3,结合液液萃取技术,该纯化方法能大部分的除去干扰GA3测定的物质,并且对GA3有很高的回收率,是一种非常有效的GA3分离纯化方法.     

结构优化设计中自适应遗传算法的研究

主要介绍了一种基于非连续设计变量的结构优化设计方法一遗传算法(Genetic Al-gorithms，GA)。首先对遗传算法的来源、基本过程进行了论述；为了提高遗传算法的收敛性能，同时考虑到交叉率和变异率的选取问题，引入一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法，并通过算例表明自适应遗传算法是有效的。     

应用遗传算法设计自动交会控制器

本文提出应用遗传算法求解黎卡及方程，并将这一方法用于设计自动交会控制器．遗传算法是一种基于自然选择和群体遗传学机理的参数搜索方法，它将达尔文的适者生存策略与人工染色体中的随机而结构化的信息交换相结合，既消除了求解过程的不适应因素，又利用了解中已有的知识，从而大大加快了优化速度和能力，且计算比直接解黎卡提方程要简单．航天器自动交会控制系统的仿真结果表明，这一方法是有效的．     

改进遗传算法在无功优化算法中的应用

无功优化是电力系统运行中的一个典型难题，遗传算法具有线性时间复杂度和全局收敛的特点，正好适合于该问题的求解。文章首先对遗传算法进行了探讨，对其中的杂交算子作了较为深入的研究，提出了一种新型的启发式杂交算子，克服了传统算术杂交算子中经常发生的“种群早熟”问题。为了提高求解速度，结合无功优化问题和遗传算法的特点对其中潮流计算的运算精度进行了动态控制。通过对IEEE30节点测试算例的求解，证明了本文提出的改进遗传算法具有很强的全局寻优能力，求解速度比传统遗传算法快了近1倍。     

基于分布式遗传算法的多段翼型优化设计

为了提高采用遗传算法的气动外型优化设计的效率，文中探讨了将分布式计算引入到优化设计过程中，实现了基于分布式遗传算法的多段翼型优化设计，进行了多段翼型的缝隙、重叠量和偏转角度等量的优化设计。设计实践表明，该方法是可行的。     

基于可变种群遗传算法的MIMO直接盲多用户检测

本文研究了遗传算法在MIMO系统中直接盲多用户信号检测问题,通过分析遗传算法种群的构成对算法收敛速度和性能的影响,本文提出了一种基于可变种群的改进遗传算法,测试函数的计算表明,与传统的遗传算法相比,改进的算法能够以比较快的速度收敛到全局最优解,利用改进的算法对MIMO系统的直接盲多用户信号检测的仿真结果也进一步表明了算法的有效性。     

基于遗传算法的车辆路径规划问题研究

本文研究了基于遗传算法（GA）的车辆路径规划问题（VRP）,对传统遗传算法做了适当的改进,提出了邻域搜索的GA算法,采用独特的初始种群构成方法并通过站队替换法维持种群的规模。实验结果表明,该算法与拟退火及禁忌搜索算法相比具有优势。     

一种遗传算法的神经网络模型

提出了应用神经网络实现遗传算法的模型,将普通遗传算法中交叉操作和突变操作的概念进行推广,并提出了全交叉和多点突变的概念以及实现这两种操作的人工神经元模型。通过一组著名的测试函数将该算法与典型遗传算法就求解优化问题的性能作了比较研究。此研究对用硬件执行遗传算法,显式地实现遗传算法的内在并行性,从而提高遗传算法的实时性,拓宽遗传算法的应用领域具有重要的意义。     

改进自适应遗传模拟退火算法的结构优化设计

为提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行改进.引入一种基于个体适应度值的自适应遗传算法,并将遗传算法和模拟退火算法结合形成一种混合算法,从而提高算法的运行效率和计算精度.算例表明改进的自适应遗传模拟退火混合算法较基本遗传算法更加有效.