正交试验法、神经网络和遗传算法的结合

用神经网络建模，遗传算法优化是求解工程优化问题的一种行之有效的方法。但由于神经网络、遗传算法自身的诸多问题，制约了其在较为复杂领域中的应用。正交试验法是一种进行多因素试验的科学方法，本文将它引入神经网络和遗传算法中，将三者结合起来，用正交试验法设计神经网络样本，并用遗传算法优化神经网络结构，较好地克服了各自的弱点，拓展了它们的应用。另外本文对正交试验法配置遗传算法参数做了介绍。     

基于神经网络与遗传算法的结构优化设计方法

从神经网络和遗传算法的原理出发,利用遗传算法和神经网络相结合的策略对结构参数进行优化.在确定结构优化的目标函数和设计变量集合的基础上,用神经网络学习算法建立货架结构设计参数与结构重量、结构最大应力、最大位移等的非线性全局映射关系,获得遗传算法求解结构优化问题所需的目标函数,用遗传算法进行优胜劣汰的寻优搜索运算,从而求出所需最优解.以货架结构的优化为例说明了上述方法的应用.遗传算法和神经网络的优化结果是在正交设计法确定的训练样本足够大的基础上得出的,具有较强的可靠性.     

基于GA-模糊可靠度的采场结构参数优化设计

应用不确定性方法代替经验法和安全系数法进行采场结构参数优化设计是地下矿山开采设计的发展方向,为此提出了一种基于正交有限元-模糊可靠度-遗传算法的采场结构参数优化设计分析方法。首先应用正交有限元建立模糊可靠度计算的功能函数,获得在不同控顶高度和跨度时的采场顶板的模糊失效概率和模糊可靠度指标数学表达式。并用遗传算法优化求解,确定采场结构参数优化指标。通过该方法在云南省某铅锌矿采场优化设计实际应用表明:该方法是一种采场结构参数快速优化的新方法,优化结果和工程实际情况较为接近,有较好的实用价值。     

七号信令网的A／B平面划分问题及其启发式解法

七号信令网拓扑优化中存在高级信令转接点(HSTP)的A/B平面划分问题,其可归纳为一类新的图的划分问题.该问题被证明难度是NP完备的,神经网络、遗传算法和模拟退火等启发式算法被应用于该问题的求解.为了算法的可比性,精心设计了试验方案,计算结果显示遗传算法和模拟退火可以很高的概率和效率搜索到该问题的最优解.     

正交多智能体算法求解管网直接优化调度模型

针对传统遗传算法存在高维空间寻优能力较差的问题,提出采用正交多智能体算法求解管网直接优化调度模型.对智能体的随机初始种群进行正交操作,得到较优初始种群,通过智能体的竞争和自学习,找到较优解.结果表明:与正交自适应遗传算法相比,正交多智能体算法具有更强全局搜索能力和更快寻优速度,并且正交多智能体算法优化方案较大提高了水泵运行效率,可节电2.96%.     

数控铣削参数优化方法的研究

为了优化数控铣削参数,以切削比能低、表面质量优为优化目标,对45号钢进行了单工步干式铣削沟槽正交实验.采用多目标遗传算法求解出了不同铣削参数的优化解,并通过对比经验参数与优化参数的实验结果得出了最优铣削参数组合.在最优铣削参数组合下对工件进行加工(粗/半精加工)时,其加工切削比能和工件表面粗糙度比优化前分别降低了46.2%和41.6%,因此本文优化方法可为提高数控铣削加工质量和降低能耗提供参考.     

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     

基于GA-ANN模型的A2/O工艺运行参数优化

影响A~2/O工艺运行的参数有许多,这些因素相互联系、相互作用,影响工艺效率.为了弥补控制单一变量法或者设计正交试验法的不足,综合考察多种运行参数对工艺运行效果的影响,建立了基于遗传算法进行全局寻优的神经网络模型(GA-ANN模型),并应用于某城市污水处理厂A~2/O工艺的运行优化.获得该厂调试运行期间154组有效监测数据后,随机选取2/3的数据用于GA-ANN模型的求解,1/3的数据用于模型的检验,对工艺运行参数进行优化,得到最佳运行参数组合.结果显示,建立基于遗传算法的神经网络模型用于A~2/O工艺运行参数的优化是可行的,可以为污水处理厂运行参数的设置提供理论参考,对调试工作、提高工艺运行效率具有一定的实际指导意义.     

考虑土体参数空间变异性的边坡稳定性研究

为考察土体强度参数空间变异性对评价边坡稳定的影响, 以及使用概率方法评价对边坡稳定的适宜性, 以简易Morgenstern-Price法对土体参数空间变异性条件下的边坡稳定性进行了计算分析.通过Karhunen-Loève法对参数的空间协方差矩阵进行正交分解,并使用拉丁超立方抽样法和Cholesky法对空间场进行优化处理,确定了边坡土体的强度参数空间样本取值,完成了空间随机场的生成;以简易Morgenstern-Price法对参数空间变异边坡进行安全系数求解和破坏概率计算.对生成土体参数的抽样检验发现,拉丁超立方抽样和Cholesky分解共同使用后生成的抽样样本能很好地吻合目标分布.边坡稳定性计算分析显示,在抽样计算所得的边坡失稳收敛概率与Monte Carlo方法非常接近的情况下,抽样随机场能极大地降低模型达到收敛所需的计算次数,表明抽样方法用来计算边坡的失稳概率是可行的.对给定边坡的概率性失稳的研究表明：单独使用安全系数或者失效概率都无法完整地对边坡稳定性作出评价,只有同时使用两者,边坡的安全评价才会更加安全有效.     

正交试验法及其在烹饪中的应用

正交试验法是一种多因素多水平的试验方法,这种方法使用正交表来安排试验并分析试验结果.它始于农业试验,目前在工业、农业及科学技术各个领域中都被广泛应用.近来,烹饪界也开始应用正交试验法进行操作条件的优化.正交试验法在应用过程中均存在一些不容忽略的问题.正确应用此法能取得更为可靠、满意的结果.     

遗传算法在复杂系统可靠性优化中的应用

在满足一定可靠性指标要求下,使投资最小的复杂系统可靠性优化问题是一个具有多局部极值的非线性的优化问题,使用遗传算法求解问题搜索互了其他算法未能得到的最优解,在遗传算法的中,使用基于中的选择策略和最呆存策略,改善了遗传算法的收敛性能。     

改进遗传算法在水文模型参数优选中的应用

为改善传统水文模型参数优选算法的性能,针对遗传算法的寻优效果明显依赖于模型参数的初始变化区间的大小,并且局部搜索能力较差、可能会出现过早收敛等问题,在遗传算法中加入局部搜索算子和加速算子,并引入了生物学中的小生境概念,提出了基于小生境技术的混合加速遗传算法(HAGA).该算法在广西合浦水库流域的洪水预报中得到成功应用.结果表明:基于小生境技术的混合加速遗传算法不仅有较好的全局优化性能而且精度较高,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的优秀非线性优化方法.     

A combination algorithm of Chaos optimization and genetic algorithm and its application in maneuvering multiple targets data association

The most important problem in targets tracking is data association which may be represented as a sort of constraint combinational optimization problem. Chaos optimization and adaptive genetic algorithm were used to deal with the problem of multi-targets data association separately. Based on the analysis of the limitation of chaos optimization and genetic algorithm, a new chaos genetic optimization combination algorithm was presented. This new algorithm first applied the "rough" search of chaos optimization to initialize the population of GA, then optimized the population by real-coded adaptive GA. In this way, GA can not only jump out of the "trap" of local optimal results easily but also increase the rate of convergence. And the new method can also avoid the complexity and time-consumed limitation of conventional way. The simulation results show that the combination algorithm can obtain higher correct association percent and the effect of association is obviously superior to chaos optimization or genetic algorithm separately. This method has better convergence property as well as time property than the conventional ones.     

混合帝国竞争算法求解旅行商问题

针对旅行商组合优化问题,提出混合帝国竞争算法（HICA）. 以帝国竞争算法为框架,引入概率模型用以记录并更新可行解,利用概率矩阵挖掘可行解中的优秀可行解片段组合区块,用以降低帝国同化的复杂度及提高可行解的质量;利用贪婪准则及插入搜寻算子操作进行可行解重组,以加快收敛速度及提高种群多样性. 提出反复搜索策略在不同的解空间进行有效的搜索,找出被遗漏的关键信息,避免局部最优化;通过对TSPLIB标准案例的仿真测试及结果比较,验证了混合帝国竞争算法的有效性.     

基于模拟退火遗传算法的PID参数整定与优化

结合模拟退火算法和遗传算法的思想,提出模拟退火遗传算法,用此算法进行PID参数整定与优化．同时使用自适应交叉率、变异率以及适应度拉伸方法对传统遗传算法进行改进．模拟退火遗传算法有效抑制早熟,且具有收敛性快、全局寻优与局部寻优能力．仿真结果表明,基于此算法寻优设计的PID控制器动态品质和稳定性更好、鲁棒性更强．     

基于遗传算法的时间决策系统标定优化方法

针对由多延时电路并联而成的时间决策系统,提出了新的标定优化方法。综合考虑系统精度和可靠度,将标定问题转换为多目标优化问题,并建立了相应的优化目标函数。利用遗传算法对该问题进行求解,采取自适应交叉和变异策略,改善了遗传算法的收敛性能。仿真算例和工程实际应用表明,新方法具有近似最优的精度和较高的可靠度,具有较高的工程实用价值。     

表面响应算法及其在MRI主磁体优化设计中的应用

通过将基于径向基函数的表面响应模型和改进的遗传算法相结合，提出了一种电磁场逆问题优化策略的新方法；该方法一方面利用表面响应模型能够大大节省目标函数评价的时间，另一方面通过改进遗传算法能加速收敛，从而节省了寻优时间.这一方法已应用于永磁完全开放式磁共振成像仪主磁体结构的优化设计.此外，给出了一种产生薄片型磁场的永磁全开放式磁共振成像仪主磁体结构.计算实例表明，所提出的算法能实现多变量寻优，且能大大节省计算时间，易于编程实现.     

Extended Range Guided Munition Parameter Optimization Based on Genetic Algorithms

Many factors influencing range of extended range guided munition （ERGM） are analyzed. The definition domain of the most important three parameters are ascertained by preparatory mathematical simulation, the optimized mathematical model of ERGM maximum range with boundary conditions is created, and parameter optimization based on genetic algorithm （GA） is adopted. In the GA design, three-point crossover is used and the best chromosome is kept so that the convergence speed becomes rapid. Simulation result shows that GA is feasible, the result is good and it can be easy to attain global optimization solution, especially when the objective function is not the convex one for independent variables and it is a multi-parameter problem.     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法（ACA）与遗传算法（GA）都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题（TSP）中。本文将两种算法进行融合,并给出了新的融合方式。实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度。     

排课问题的一种遗传算法适应度求解方法

排课问题的多个优化目标间可能是冲突的,如何有效优化求解的多个目标,是排课问题的关键。适应度计算方法影响遗传算法的采样空间和执行效率,研究适应度的求解方法有助于解决多目标优化问题。利用多目标决策协调模型进行排课问题的改进适应度求解方法的研究,以优化遗传算法的采样空间,加快算法的收敛。把该方法应用到排课问题中,实验结果表明对目前仍没有较好解决方法的组合优化问题,可以得到比较容易的解决。