改进的遗传算法在MX80液压挖掘机优化中的运用

使用遗传算法进行ＭＸ８０液压挖掘机反铲工作装置优化,探讨了数学模型的建立方法;同时为了提高运算效率,对遗传算法进行了某些改进,实例计算表明该算法有效。     

A genetic algorithm for the optimization of fiber angles in composite laminates

A genetic algorithm for the optimization of composite laminates is proposed in this work. The well-known roulette selection criterion, one-point crossover operator, and uniform mutation operator are used in this genetic algorithm to create the next population. To improve the hill-climbing capability of the algorithm, adaptive mechanisms designed to adjust the probabilities of the crossover and mutation operators are included, and the elite strategy is enforced to ensure the quality of the optimum solution. The proposed algorithm includes a new operator called the elite comparison, which compares and uses the differences in the design variables of the two best solutions to find possible combinations. This genetic algorithm is tested in four optimization problems of composite laminates. Specifically, the effect of the elite comparison operator is evaluated. Results indicate that the elite comparison operator significantly accelerates the convergence of the algorithm, which thus becomes a good candidate for the optimization of composite laminates.     

New knowledge-based genetic algorithm for excavator boom structural optimization

Due to the insufficiency of utilizing knowledge to guide the complex optimal searching, existing genetic algorithms fail to effectively solve excavator boom structural optimization problem. To improve the optimization efficiency and quality, a new knowledge-based real-coded genetic algorithm is proposed. A dual evolution mechanism combining knowledge evolution with genetic algorithm is established to extract, handle and utilize the shallow and deep implicit constraint knowledge to guide the optimal searching of genetic algorithm circularly. Based on this dual evolution mechanism, knowledge evolution and population evolution can be connected by knowledge influence operators to improve the conflgurability of knowledge and genetic operators. Then, the new knowledge-based selection operator, crossover operator and mutation operator are proposed to integrate the optimal process knowledge and domain culture to guide the excavator boom structural optimization. Eight kinds of testing algorithms, which include different genetic operators, arc taken as examples to solve the structural optimization of a medium-sized excavator boom. By comparing the results of optimization, it is shown that the algorithm including all the new knowledge-based genetic operators can more remarkably improve the evolutionary rate and searching ability than other testing algorithms, which demonstrates the effectiveness of knowledge for guiding optimal searching. The proposed knowledge-based genetic algorithm by combining multi-level knowledge evolution with numerical optimization provides a new effective method for solving the complex engineering optimization problem.     

智能制造单元生产调度算法研究

针对智能制造单元的调度问题,建立了相关的数学模型,并提出了一种改进的遗传算法来求解该问题。在算法的初始过程中加入爬山算法来提高初始解的质量,并在交叉操作时,对机器选择部分染色体采用一种由当前种群最优个体指导交叉的方法来改进交叉算子,以扩大算法的搜索能力。最后采用一个实例对该算法进行仿真验证,结果表明其性能比传统遗传算法更优。     

改进遗传算法求解柔性作业车间调度问题

分析柔性作业车间调度问题的特点,提出一种求解该问题的改进遗传算法。在考虑各个机器负荷平衡,所有机器上的总负荷和最大完工时间等性能指标更加合理情况下,设计一种全局搜索、局部搜索和随机产生相结合的初始化方法,提高种群初始解的质量,加快遗传算法的收敛速度。结合问题特点设计合理的染色体编码方式、交叉算子和变异算子,防止遗传操作过程中非法解的产生,避免染色体的修复,提高求解效率。使用文献中相同的实例测试利用初始化方法的改进遗传算法,并将计算结果与文献中其他遗传算法的测试结果进行比较,验证所提出的初始化方法的可行性和有效性。     

基于多目标算法与动态仿真的带调整时间的拆卸线平衡优化方法

针对拆卸方向改变对作业时间的影响,以最小化拆卸成本、无效作业率和不平滑率为优化目标,构建了考虑调整时间的多目标拆卸线平衡问题模型,并提出了一种Pareto免疫遗传算法与仿真技术相结合的求解方法。算法融合了遗传算子和免疫算子,能有效避免解出现退化和陷入局部最优。通过求解25项拆卸任务算例,并与现有5种算法进行对比,验证了所提算法的有效性。进而将所提模型和算法应用于某打印机拆卸线实例,进一步考虑拆卸时间不确定、存在故障等实际情况,运用仿真技术分析与优化,结果表明所提方法能有效降低等待和堵塞造成的无效作业时间,提高拆卸效率。     

离散变量桁架结构拓扑优化的混合遗传算法

为了避免结构拓扑优化过程中杆件和节点的增删带来的计算上的麻烦，在对桁架结构受力分析的基础上，提出一种启发式方法，以快速产生符合机动性要求的拓扑结构形式；然后在既定的拓扑结构形式下采用混合遗传算法——拟满应力遗传算法进行截面优化。该方法通过在遗传算法中嵌入拟满应力算子，同时对基本遗传算法采用最优个体保留、最差个体替换和控制种群个体差异等改进措施，有效提高遗传算法求解的效率和质量。算例结果表明，该方法用于离散变量桁架结构拓扑优化是有效的。     

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。     

Assembly line balancing based on an adaptive genetic algorithm

An adaptive genetic algorithm is presented as an intelligent algorithm for the assembly line balancing in this paper. The probability of crossover and mutation is dynamically adjusted according to the individual’s fitness value. The individuals with higher fitness values are assigned to lower probabilities of genetic operator, and vice versa. Compared with the traditional heuristic algorithms, the adaptive genetic algorithm has effective convergence and efficient computation speed. The computational results demonstrate that the proposed adaptive genetic algorithm is an effective algorithm to deal with the assembly line balancing to obtain a smoother line.     

遗传算法的单纯形交叉算子

提出一种新型的遗传算法交叉算子,即单纯形交叉算子。这种算子实现了遗传算法与单纯形算法之间的结合,它能加快遗传算法的寻优速度,提高遗传算法定位最优解的精度。通过动态调整该算子的调用概率,可以方便地控制它的使用。本文还提出了一种所谓的“淘汰选择”,这种操作使得操作算子生成的新解不再是简单地取代其亲生父代个体,而是取代父代群体中的劣质个体。测试的算例表明该算子效果显著。     

面向芯片计算机集成的时钟树构建

阐述了芯片的版图设计中形成时钟二叉树的多级遗传算法,从理论上说明了该遗传算法的求解思路、编码方式、适应度函数、遗传算子的设计等。重点讨论了节点合并策略和单节点二叉树的形成。提出了时钟二叉树的多级模型,并设计了基于多级遗传算法的时钟二叉树形成算法。用该算法对随机测试例子和标准标杆测试例子的测试中发现,与传统的启发式算法相比,多级遗传算法能产生更好的测试结果。     

基于混合遗传算法的经费分配多目标规划研究

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,具体是通过交叉、变异来产生后代,后代与父代组成一个扩大群体,然后对这个群体的个体单独进行正交试验,并以正交试验的结果代替试验前个体,再通过排序选出最好的群体组成下一次遗传的父代,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效稳定的方法。     

柔性设计任务协同调度算法

指出柔性多任务协同调度是一个NP难题,并分析了协同任务调度在协同设计系统中的重要性,提出一种基于遗传算法和模拟退火算法的混合算法,利用该算法实现设计任务的选择。设计二维结构的矩阵编码,并基于这种编码方式,提出行算子与列算子,融入约束条件,采用列交叉算子与列变异算子;为了加快群体的收敛性,采用精英保留策略;此外引入灾变算子,以保证群体的多样性;在个体生成过程中,考虑能力等相关因素对设计效果的影响,在解码过程中实现任务的时间调度与优化,并设计解码算法。通过实例仿真分析,所提出的混合遗传算法收敛速度快,寻优能力强。     

基于MapReduce泛型遗传算法的机载计算机散热器设计

采用传统遗传算法包括并行遗传算法解决机载计算机箱体散热器的设计优化问题时,存在效率低、可扩展性差和不易编程等问题,文中提出遗传算法在MapReduce泛型下的并行化方法.该方法扩展MapReduce的map算子为复合map,将遗传算法的各个阶段合理地分配到复合map和reduce算子中,通过复合map和reduce算子的多步迭代完成目标优化.给出了应用该算法处理某箱体散热器实例,证明了该算法的可行性、有效性以及可扩展性.     

基于改进遗传算法的切削参数优化方法研究

分析了常用遗传算法选择算子的不足,发现没有能够有效避免局部最优解产生的选择算子。针对这一问题提出了改进的选择算子——自适应选择方法。利用改进的自适应选择遗传算法对船用柴油机关键件铣削参数进行了优化,建立了优化过程的数学模型,并通过计算机语言编程实现。分别采用4种选择算子对铣削参数进行优化。对优化结果进行对比分析,所提出的自适应选择算子的计算精确性和有效避免局部最优解的能力表明,该优化方法是科学有效的。     

基于辅助交叉和动态操作的薄膜遗传算法

膜系遗传算法设计中,提出了辅助交叉算子和一种动态操作策略,随群体进化状态的改变,相应地改变选择操作与变异操作方法;同时,辅助交叉算子发挥了最优个体在进化搜索中的引导作用。超宽增透膜的设计结果表明,这种改进算法对群体适应值的快速提高、跳出局部极值的作用是显著的。     

改进细菌觅食优化算法在贝叶斯网络结构学习中的应用

针对目前已有的贝叶斯网络结构学习算法一般存在算法易早熟、学习效果不理想、算法效率较低等问题,提出了基于改进细菌觅食优化算法的贝叶斯网络结构学习策略,对传统细菌算法中的趋化算子、繁殖算子和迁移算子进行了改进。将自适应理论应用于细菌游动步长的计算和繁殖个体的选择中;在迁移算子的迁移概率计算中,引入了遗传算法中的轮盘赌方法;在互信息理论的基础上,给出了一种新的网络结构随机进化方法,代替了传统细菌算法中的随机迁移。对不同规模的经典贝叶斯网络进行了仿真实验。研究结果表明,该算法在贝叶斯网络结构学习方面,在收敛性上表现稍逊于别的算法,但在学习效果上,特别是针对结构相对复杂的网络,优势明显。     

基于主-从遗传算法求解柔性调度问题

通过分析柔性作业车间调度问题中工件与设备的特征及两者间的关系,提出了一种主一从遗传算法的调度方案。在该算法中,主、从染色体分别采用工件基因块和设备基因块的分块编码。主染色体代表可行加工路径组合,从染色体代表主染色体约束下的可行调度方案。然后,以最小化工件延迟时间为目标,为主染色体设计选择和多点变异两类遗传操作;以最小化设备空闲时间为目标,为从染色体设计选择、多点交叉和多点变异3类遗传操作。从染色体适应值取其代表的调度方案中工件流通时间的倒数,主染色体适应值取其对应从染色体种群的最优适应值。这种双层多点遗传操作避免了非可行解的产生,并可采用类似旅行商问题的遗传操作。最后,通过仿真和比较实验,验证了该算法的有效性。     

连续小推力拦截卫星攻击轨道的优化

针对空间攻防中目标卫星周围由若干小卫星以编队形式绕飞的情况,研究了拦截卫星的轨道规划问题。以配备电推进的连续推力拦截卫星为对象,提出了基于遗传算法的拦截卫星攻击轨道寻优方法。以编队小卫星的动态防御模型作为环境模型,根据进攻轨道安全性和节省燃料的要求建立综合适应度函数,并对算法的编码方式、选择算子、交叉算子和变异算子进行了设计。基于MATLAB平台进行了仿真试验,结果表明,拦截卫星于650s时击中目标卫星,总开机时间为410s。提出的算法能够寻找到最优攻击路径,并且算法收敛性速度快,稳定性高。与同类的研究方法相比,该算法能够有效减少火箭开机时间,进而减轻了卫星在轨道机动过程中姿态调整的任务负荷。     

基于遗传算法的叶盘压电控制回路优化

针对简单遗传算法收敛速度慢及易产生"早熟"的问题,对遗传算法选择算子和变异算子进行了改进。基于改进遗传算法,对随机失谐叶盘结构的压电控制回路进行了二模式和四模式优化,对比分析了两种优化电路对叶盘结构振动的控制效果及成本。研究结果表明,相比谐调压电控制回路,优化后的二模式和四模式主动失谐控制回路都有更好的振动控制效果,且二模式回路成本更低;改进遗传算法收敛速度快,优化结果具有全局性;叶片刚度失谐强度对主动失谐压电控制回路的振动控制效果有明显的影响。