基于遗传算法的车削用量优化研究

为合理地选择切削用量,建立了基于遗传算法的切削用量优化系统框架结构,系统地研究了遗传算法及其相关内容。在约束、单优化目标函数数学建模的基础上,采用线性加权法建立的多目标优化函数;采用罚函数法改进目标函数,使约束直接表示在目标函数中,简化了切削用量的寻优过程。最后,应用遗传算法开发了一个车削用量优化器,对多约束条件下的切削用量优化结果进行了分析,总结了寻优过程中约束条件影响切削用量优化结果的规律。     

基于改进遗传算法的插齿机主运动机构优化设计

旨在介绍遗传算法,改进遗传算法在实际应用过程中发现的缺点,以及遗传算法在插齿机主运动机构优化设计中的应用。主要利用遗传算法与多种群遗传算法的函数优化算法,以插齿机主运动机构的优化设计为例,对机构参数的多个目标函数进行优化设计分析。通过对插齿机主运动机构运动学和动力学的分析,确定了待优化的目标函数、设计变量和边界约束条件,并采用Matlab进行编程和仿真,能够快速准确的得到目标函数值。     

Matlab遗传算法优化工具箱(GAOT)的研究与应用

介绍遗传算法的基本原理和Matlab的遗传算法优化工具箱（GAOT）,分析了优化工具函数。探讨Matlab遗传算法工具箱在参数优化和非线性规划中的应用。通过优化实例,说明遗传算法是一种具有良好的全局寻优性能的优化方法。用Matlab语言及Matlab语言编制的优化工具箱进行优化设计具有语言简单、函数丰富、用法比较灵活、编程效率高等特点。     

遗传算法在行星齿轮多目标模糊优化设计中的应用

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题,本文在介绍遗传算法的基础上,把遗传算法用于行星传动多目标模糊优化设计中.本文采用综合行星轮传动体积和最大承载能力的多目标优化模型,利用模糊理论建立综合评价函数,应用求解精度高的遗传算法求解.具体算例的优化结果显示,传动体积与承载能力都获得了改善.     

遗传算法在函数优化问题中的应用研究

系统地论述了遗传算法在函数优化问题中的应用，提出了基于遗传算法的函数优化问题的通用框架，通过实例的分析及计算，得出较为理想的结果。     

基于模拟退火遗传算法的自动化立体仓库路径优化

为提高自动化立体仓库出入库操作的效率,提出了将遗传算法和模拟退火算法相结合的路径优化策略,遗传算法的每个染色体都代表一组货单组合,遗传操作包括选择、交叉、变异3种类型。为获得适应度函数,建立了货位分配优化的目标函数,并在适应度函数中融入模拟退火算法,以提高遗传算法的收敛速度。仿真和工程应用结果均表明,该方法能大大缩短堆垛机的运行时间,提高自动化立体仓库的使用效率。     

混入逃逸函数的遗传算法优化超大视场光学系统

超大视场光学成像系统在各领域的应用越来越多,但却缺少能够对该类光学系统的像差进行参量化设计的方法。将遗传算法和逃逸函数相结合对超大视场光学系统进行了优化设计。首先,修正了基于平面对称像差理论的超大视场光学系统的评价函数;然后针对遗传算法在优化超多参量光学系统时,其优化解的鲁棒性较差的问题,采用在遗传算法中混入逃逸函数来改善算法的鲁棒性。最后应用改进的算法分别对鱼眼镜头和折反射全景成像系统进行了优化计算,结果表明,优化后光学系统的像质比参考设计有较大的改善。     

遗传算法与惩罚函数法相结合在约束优化问题中的应用

提出了将遗传算法与惩罚函数法相结合应用于约束优化问题的具体方法,改善了遗传算法应用的局限性。     

基于改进遗传算法的函数优化及其性能分析

工程应用中,常涉及到最优化问题.对很多问题进行数学建模后,都可以抽象为一个数值函数的优化问题.实践表明,遗传算法求解最优化问题的计算效率很高.提出了一种对简单遗传算法的编码方式、选择算子、交叉算子及变异算子都进行改进的算法,仿真试验表明,改进算法的函数优化计算在搜索效率和收敛速度方面都有很大提高.     

基于量子遗传算法的多峰函数优化研究

针对标准遗传算法在多峰函数寻优中出现的局部收敛性及精度不高等问题,提出了一种基于量子遗传算法的多峰函数优化算法.该算法融合了量子计算和遗传算法的思想,通过量子比特编码和量子旋转门调整策略更新种群.仿真结果表明该优化算法收敛速度快,能跳出局部最优,在多峰函数寻优中具有有效性和可行性.