离散变量结构优化设计的改进遗传算法

提出一种整数编码的改进遗传算法,它采用(—1,0,1)局部寻优算子,并提出寻优基点的选取策略,提出了重要约束罚项的概念来处理不同组合相同适应度的问题,以此来改善遗传算法后期收敛速度慢和不成熟收敛的问题。通过算例表明,这种算法对于离散变量的结构优化可以取得较快的收敛速度和较好的收敛结果。     

具有柔性加工时间的机器人制造单元调度问题改进遗传算法

为克服传统遗传算法在求解具有柔性加工时间的机器人制造单元调度问题时易出现早熟收敛、冗余迭代等缺陷,提出了改进遗传算法。该算法采用基于工件搬运顺序的染色体编码,并根据调度问题特征,设计构造型启发式算法来生成初始种群,避免了大量不可行染色体的产生,提高了后续操作的优化质量。同时,在交叉变异操作中引入局部邻域搜索,通过对子代邻域的局部寻优提高了算法的收敛速度。最后,分别应用该算法和传统遗传算法求解六个基准案例,实验结果验证了该算法的有效性。     

小生境遗传算法的多刚体系统动力学参数优化设计

在分析多刚体系统动力学参数优化问题特点的基础上,针对用传统优化方法和标准遗传算法求解这一类问题时存在的问题,提出了一种改进的小生境遗传算法。采用最优保存策略和高斯变异算子,保证算法的稳定收敛和提高算法在每个峰值附近的局部搜索能力。将该方法用于5自由度汽车悬架系统动力学参数优化设计问题,结果表明该方法在收敛速度和获得全局最优解方面部有很大提高。     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

基于混合粒子群算法的汽车零件精冲车间调度研究

针对传统遗传算法在车间作业调度问题难以解决求解约束优化问题时存在难以同时兼顾求解质量和收敛效率这一问题,通过采用了基于工序编码的方式生成可行调度及借鉴遗传算法单点交叉方法,生成基于工件的交叉算子作为粒子的更新方式,将改进后的粒子群优化算法用于求解精冲零件车间调度问题,并在算法中通过利用局部搜索的方式提升粒子群中粒子收敛效率。通过对典型的调度测试问题进行模拟实验,证明了改进后的混合粒子群算法对于求解车间调度问题的适用性及具有不错的求解性能。     

IGA在DEH调节系统参数优化中的应用

遗传算法是模拟自然界生物进化过程和机制对优化问题进行求解.首先概述了遗传算法的基本原理、特点和存在的缺陷,鉴于遗传算法易出现“早熟”现象,对遗传算法进行改进后,将其应用于汽轮机数字电液调节系统的参数优化,并给出了参数优化过程.改进遗传算法提高了算法的全局搜索能力和局部搜索能力.仿真实验表明,改进的算法效果明显优于经典优化算法,能有效克服“早熟”现象、提高算法收敛精度,具有良好的收敛性和寻优能力.     

面向云计算环境任务调度的改进蚁群算法

云计算环境下的任务调度问题是一个NP完全问题,其目的是在各个处理节点上合理分配任务,优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标,针对蚁群优化算法易陷入局部最优的缺陷,提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中,以提高蚁群优化算法的局部搜索能力。通过在云仿真平台Cloud Sim上进行仿真实验,结果表明改进蚁群算法缩短了总任务完成时间,降低了计算成本,从而证明了该算法能有效地解决云计算环境下的任务调度问题,并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。     

用遗传算法解无功优化问题的研究

传统的遗传算法解无功优化问题,存在着随机性大、过早收敛而陷入局部最优、计算复杂等缺点。本文在原有的遗传算法基础上提出了基因库和基因重组两个新的概念,对算法进行了改进。在每一次进化过程中不是优化某个个体而是对基因库进行优化,进化一次之后重新进行基因重组生成新的父代。本文对IEEE-14标准网络进行算例分析,结果优于传统遗传算法,真实有效。     

基于改进型鲸鱼算法的云制造资源配置研究

针对云制造模式下资源配置问题,提出了一种新的解决方案-鲸鱼优化算法(WOA),旨在解决以时间、成本、质量和服务为目标的优化模型。在基本鲸鱼优化算法的基础之上引入编码解码方式和惯性权重,以增强局部搜索能力,提高收敛精度和加快收敛速度。最后通过实例,将改进的鲸鱼优化算法与传统遗传算法(GA)、基本布谷鸟算法(CS)进行比较分析,验证了改进鲸鱼优化算法的有效性。     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题，提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性，避免了遗传算法的早熟收敛问题，增强了算法的全局收敛性，并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化，其结果与MDOD和改进遗传算法2种的结果进行比较，表明此算法能够很好处理工程离散化问题。