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.     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

一种融合模拟退火的改进遗传算法多任务路径规划

针对多任务路径规划存在收敛速度慢、易陷入局部最优解的问题,文中提出一种融合模拟退火准则的改进遗传算法.利用栅格法对环境地图建模与栅格序号编码,通过融入Metropolis准则来判断是否接受新解.实验结果表明:在不同障碍物环境以及不同任务点个数下,提出的融合模拟退火改进遗传算法与传统遗传算法相比,路径长度和迭代次数分别提...     

带软时间窗的公共自行车调度路径问题

为了提高公共自行车调度的效率,研究了一种带软时间窗的自行车调度路径问题.首先根据公共自行车调度工作内容,建立多目标调度路径模型,然后设计一种改进的蚁群算法对模型进行了求解.实验结果显示,本文方法求解的调度路径比模拟退火算法、蚁群算法和遗传算法分别缩短了18.4%、24.3%和13.0%,而且还能有效节约调度车辆.     

基于遗传模拟退火算法的图的三维可视化

将模拟退火算法中的扰动选择和加速适应函数的思想融入基本遗传算法 ,提出了图的三维可视化的遗传模拟退火算法 该算法有效克服了基本遗传算法局部搜索能力较差的缺点 ,是一种性能优良的全局优化搜索算法 试验结果表明该算法在图的三维可视化效果、效率以及大图的可视化稳定性方面均有较大改进     

引入病毒进化模型的新型模拟退火算法

改进了病毒进化遗传算法中的病毒进化模型,根据病毒生命力强弱动态调整其感染概率,并将改进后的病毒进化模型引入到模拟退火算法中,提出一种引入病毒进化模型的新型模拟退火算法,并用其解决图像编码矢量量化码书设计问题.实验表明,该算法收敛速度快,码书性能较好.     

基于遗传模拟退火算法的钢桁架结构优化设计

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合,提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA).以十杆桁架为例对此算法进行了数值实验,并将实验结果与其他优化方法相比较.算例结果表明,遗传模拟退火算法的寻优概率是100%,平均进化代数为35代,其稳定性和求解效率均高于改进的遗传算法.实验结果显示,遗传模拟退火算法在整体搜索同时,采用退火操作进行局部搜索,提高了算法的局部搜索能力,有效克服了遗传算法迭代缓慢的缺点,把遗传模拟退火算法用于钢桁架离散变量的优化设计中是行之有效的.     

基于遗传模拟退火算法的空战编队优化研究

发展了一种用遗传算法优化大规模空战编队战术的方法，并用模拟退火算法对其进行了改进，使得收敛性能大大提高。该方法是借鉴层级编队思想，对多机编队实行层级编码，在一定的空战模型的基础上，用遗传算法优化大规模空战编队战术，最终得到一个对给定编队作战的最优编队，并用两个16机编队作战的算例验证了该方法的有效性。     

基于遗传模拟退火算法的改进K-medoids算法

针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。     

基于混合遗传算法的神经网络在智能故障诊断中的应用

设计了用模拟退火的混合遗传算法代替BP网络的反向传播过程的改进算法，解决了在故障诊断系统中BP算法容易陷入局部极小值的问题．该算法是在遗传算法中引入模拟退火机制，将其同BP算法结合，形成一个混合的优化算法．新算法既有神经网络的学习能力和鲁棒性，又有遗传算法的强的全局随机搜索能力．仿真结果表明，这种改进算法极大提高了内燃机故障诊断系统的效率和准确性．     

基于可持续发展的TOD规划模式

基于轨道交通的可持续发展要求,构建了中国的TOD(Transit oriented development)规划模式,即CSR-TOD(Chinese sustainable rail based transit oriented development)模式。提出了CSR-TOD模式的目标函数及约束条件,对该多目标优化问题设计了求解算法,采用两阶段并行遗传算法对问题的Pereto最优解集进行搜索,以提供多个可供选择的规划方案。以深圳市正在建设中的地铁三号线丹竹头站为例,对该站点步行范围内的土地利用进行了设计,得到了待规划区域的土地利用类型及土地开发强度的优化方案,验证了算法的可行性。     

公共交通线网优化研究

从节点、线路和线网三方面对公交线网优化约束条件和目标函数进行研究,以居民乘车出行时间最短和公交运营投入最少为目标建立公交线网优化模型.对公交网络组成、公交运营特点进行分析,将遗传算法应用于常规公交线网的全网优化过程,通过温州滨海新区的规划实例研究验证方法的实用性.     

基于人工鱼群算法的径向基神经网络的研究

人工鱼群算法是一种新型的寻优策略,将人工鱼群算法用于RBF神经网络的训练过程,建立了相应的优化模型,算法与BP算法、RBF算法进行比较,结果表明人工鱼群算法具有鲁棒性强,全局收敛性好,以及对初值的不敏感等特点。     

基于混合遗传算法的制造车间布局设计

生产车间的布局问题是一个NP难问题,常规方法难以求解。针对这一问题,首先根据车间布局设计的最小费用原则,建立了生产系统设备布局的数学优化模型;接着,将遗传算法与模拟退火算法相结合组成混合遗传-模拟退火(GA-SA)算法,并将其引入到车间设备布局问题中,完成了算法操作设计;最后,给出了一个10区域车间布局算例。结果表明:该算法有较强的全局和局部搜索能力,能有效改善遗传算法过早收敛的问题,是优化车间设备布局的一个有效方法。     

考虑车辆运输能力限制的公交换乘优化

研究了车辆运输能力限制下的多个换乘点之间平均换乘等待时间的优化问题。在一定时间周期内,通过调整各公交线路的运营时刻表,在车辆运输能力约束条件下使乘客在各线路之间换乘等待时间最小,并采用遗传算法对该模型进行求解。优化结果表明:当车辆运输能力约束起作用时,相对于Shafahi等没有考虑车辆运输能力限制的研究,乘客的平均换乘等待时间增加了370%,该结果说明公交车辆运输能力对乘客换乘时间的影响明显,需作为主要因素在公交换乘优化中进一步考虑。     

公共交通网络优化的禁忌算法设计与实现

针对传统数学规划方法处理公共交通网络系统优化存在的局限性,设计了一种基于禁忌算法的仿真优化模型。通过多次仿真实验研究,其中半数以上达到了本算法所能得到的最优解,并且试验结果比较稳定。仿真实验结果表明将该算法应用于公共交通网络仿真优化研究中具有很高的应用价值。     

基于轨道交通的常规公交线网优化模型研究

在常规公交支持轨道交通的发展模式下,运用主轨道有效影响因子对研究区域进行梯度分级;提出了基于路段客流、广义票价费用、服务时间及环境费用的四维有效因子,并构建基于供需平衡与乘客出行有效费用的双层优化模型,利用考虑约束条件遗传算法对上层模型进行求解,并用该模型及其算法对基于地铁1、2号线的成都市公交线网进行优化.结果表明:...     

基于改进的文化蚁群算法求解最优路径问题研究

针对传统方法不能够有效的求解GIS最优路径问题,在文化算法的基础上提出了一种基于实际路况求解两地之间最优距离的蚁群优化算法.引入了表示天气、路况、驾驶员个人偏好等诸多不确定因素,并将改进的蚁群算法融入到文化算法当中,使蚁群算法具有群体空间和信仰空间并行进化的机制.群体空间采用改进的最大最小蚁群算法,从而有效的提高算法最优解的搜索能力和速度.通过模拟计算结果表明改进的算法求解实际最优路径在速度和精度上优于传统最优路径算法.     

基于遗传算法的SVC非线性控制器参数优化

对于含静止无功补偿器的单机无穷大系统建立了三阶仿射非线性模型,设计了基于非线性反馈线性化和线性二次型最优控制规律的控制器,并在此基础上用MATLAB编写的进化算法程序优化了控制器参数,最后进行了仿真结果的比较。