永磁直线同步电动机的IGA优化设计

永磁直线同步电动机在远距离、大推力应用场合中需要的中枢绕组和永磁体多,系统造价较高。针对该问题,文章以经济指标为目标,采用自适应参数调整和适应值定标相结合的改进遗传算法,通过选取优化变量、确定约束条件及目标函数,实现了永磁直线同步电动机的优化设计。对优化前后的电动机各性能指标进行分析比较后得出,该优化方法能够改善电动机的综合性能指标,提高电动机的推力,减小电动机的体积,从而降低了电动机的制造成本。     

基于改进型遗传算法的能源模糊优化的研究

将模糊优化的概念引入能源模型中,将多目标能源模型中的能源、经济和环境3个目标函数的约束条件模糊化,并定义了由惩罚函数和目标函数组成的新目标函数.针对该模糊多目标优化模型,采用改进型遗传算法进行求解,在适应度函数以及其它遗传操作的设计上做了改进.实验表明,这种遗传算法是一种性能优良的解决能源优化问题的启发式搜索算法,可以快速有效的求得能源优化问题的最优解,进而得到能源的最佳配置.     

多目标运输应急管理问题研究

该文首先分析了多目标运输方式选择多目标优化问题的数学模型及虚拟传输网络图,其次对传统遗传算法的染色体编码方式、交叉算子、变异算子进行了重新设计,并且重新定义了适应度函数,最后通过实例分析验证了改进的遗传算法解决多目标运输问题的优越性。     

多变量系统中多参数多目标满意优化研究

本文提出了多变量系统的多参数多目标满意优化方法，将系统性能指标要求的满意设计与控制器参数优化融为一体统一考虑，通过设计性能指标满意度函数和系统综合满意度函数，构造出多变量系统满意优化模型，并用改进遗传算法实现其满意优化．仿真结果显示该方法可获得比传统优化方法更满意的综合性能指标，表明了该方法的有效性和实用性．     

基于改进元胞多目标遗传算法的机床主轴优化

为了进一步提高元胞遗传算法在求解多目标优化问题时的收敛性和分布性。在多目标元胞遗传算法的基础上,引入了三维空间元胞,提出了三维元胞多目标遗传算法。采用多目标基准测试函数对该算法进行了测试,并将其与目前比较流行的几种多目标遗传算法进行对比。结果表明,此种算法在收敛性和分布性上取得了更好的效果。采用以上这几种算法分别对机床主轴多目标优化问题进行了求解,相比其他几种算法,改进的多目标元胞遗传算法得到了更优的结果,说明了改进的算法在求解此问题时行之有效。     

改进的模拟退火遗传算法在函数优化中的应用

针对模拟退火遗传算法中可能出现的早熟收敛和后期进化较慢问题,提出了多规则选择算子,同时对交叉和变异算子进行了改进,引入了小生境技术解决早熟收敛问题。在此基础上针对函数优化问题设计了改进的模拟退火遗传算法。仿真实验表明,改进的算法在函数优化中,特别是在对多变量函数寻优中,收敛速度和收敛精度都有一定提高。     

基于改进CMGA模糊规则优化及应用

针对压缩映射遗传算法(CMGA)操作效率太低,收敛至最优解迭代次数太多的问题,采用了近亲交叉回避策略改进压缩映射遗传算法,不但保证收敛到全局最优解,而且提高了算法的收敛速度和操作效率.为了能对具体被控对象的性能进行有选择性的控制,分析了ITAE积分性能指标作为目标函数的缺点,在目标函数中增加了超调量、控制量和上升时间等综合因素,得到了性能更好的目标函数,应用于改进压缩映射遗传算法的适应度函数,并把以上改进算法的模糊规则优化应用于地板采暖系统,与模糊控制、未改进的压缩映射遗传算法优化模糊控制进行比较,提高了系统的控制效率,简化了模糊控制器的设计难度.仿真结果证明该方法在地板采暖系统中的有效性.     

基于模拟退火遗传算法的认知无线电决策引擎

如何根据环境变化和用户需求智能调整无线电参数是认知无线电的基本功能.提出了遗传算法和模拟退火相结合的认知无线电参数调整方法,给出了该方法流程,运用多载波系统对算法性能进行了仿真分析.实验结果表明该方法改进了遗传算法中后期的爬山能力,优化得到的参数比单独使用遗传算法优化所得参数具有更高的归一化目标函数值,而且该方法能够在多个目标函数间进行权衡,参数调整结果与当前对目标函数的偏好一致.     

一种有效的面向多目标软硬件划分的遗传算法

软硬件划分是软硬件协同设计的关键技术之一,划分结果对最终的设计方案有非常重要的影响。软硬件划分根据优化目标的数量,可分为单目标划分和多目标划分。多目标划分问题是一个NP-hard问题,一般不存在传统意义上的“最优解”,而是存在一组互不支配的Pareto最优解。遗传算法因其具有并行、群体搜索的特点而非常适于求解多目标优化问题。通过抽象描述将一个实际SOC设计问题转化为多目标软硬件划分问题,采用遗传算法便可获得最优设计方案。为克服过早收敛及加快搜索速度,改进了适应度函数的定义,通过自适应参数调整,加入惩罚函数的适应度定义,提高了进化速度,从而有效地获得了Pareto最优解集。在实际问题的应用中,多目标软硬件划分遗传算法是能有效求取平衡系统成本、硬件面积、功耗和时间特性的最优化方案。     

基于遗传算法的振动主动控制优化方法研究

对多岛遗传算法和非支配排序遗传算法进行了研究;以结构振动系统的结构振动能量指标和系统控制能量指标作为多目标优化函数,建立了振动主动控制系统的传感器和作动器位置、数量、长度及控制增益的多目标优化配置数学模型,首次采用非支配排序遗传算法作为优化策略进行多目标优化,同时,以多岛遗传算法作为优化策略,以系统存留能量指标作为单目标优化函数,并以悬臂梁作为算例进行了对比仿真,验证了二者的一致性。