基于自适应遗传算法的循环工况整车参数优化

针对传统遗传算法空间搜索速度慢,交叉和变异率选定依赖经验且无法得到真实最优解的缺点,提出了一种改进的自适应遗传算法。以机械式传动系统为例,建立了循环工况的整车传动系统参数化优化模型,并把优化前传统遗传算法、自适应遗传算法和改进自适应遗传算法进行对比分析。结果表明,改进自适应遗传算法搜索速度最快,优化结果最理想;与自适应遗传算法对比,改进的自适应遗传算法中的六循环工况油耗降低了0.18%,最高车速提高了0.8%,连续换挡加速时间降低了5.02%。这些结果表明,改进的自适应遗传算法结果可靠且有效。     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

基于遗传算法的摆动活齿传动多目标优化设计

本文建立了摆动活齿传动的优化设计数学模型,提出了优化设计方法。为求得全局最优解,引进了遗传算法。文中对遗传算法提出了一些改进,并用改进前、后的遗传算法分别对该模型进行了优化仿真计算,结果表明改进后的遗传算法优于改进前的遗传算法。     

遗传算法在机械优化设计中的应用

遗传算法是一种自适应启发式全局搜索算法,具有传统算法不可比拟的优点,更易于求解各种优化问题。在不断改进、不断成熟的过程中,遗传算法得到了广泛的应用,其中在机械优化设计领域得到了大量应用。通过遗传算法工具箱及针对基本遗传算法进行改进后的遗传算法两个方面,论述了遗传算法在机械优化设计中具有的优势,介绍了近年来在相关领域中成功应用的一些典型范例。并对遗传算法在机械优化设计中的发展及前景作了必要的讨论。     

基于遗传算法的行星传动多目标模糊优化

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 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

改进遗传算法的应用研究

针对简单遗传算法在实际应用中存在易产生早熟收敛、得到的结果可能为非全局最优收敛解、适度值计算时间过长以及在进化后期搜索效率较低的缺陷,介绍了四大类改进遗传算法,即小生境遗传算法、自适应遗传算法、并行遗传算法及混合遗传算法的应用情况.     

基于自适应遗传算法的配电网故障定位研究

在遗传算法研究的基础上,加入了自适应交叉、变异算子,对配电网故障定位的自适应遗传算法进行了分析研究。实验结果表明,改进后的遗传算法收敛速度明显优于基本遗传算法,证明了该算法的可行性。     

汽车主动悬架LQR控制研究

为解决主动悬架LQR控制器中加权矩阵Q和R参数需要手动设计存在的人为因素干扰,提高优化结果的精度,提出基于自适应多种群遗传算法汽车主动悬架LQR控制策略,该策略融合了自适应遗传算法和多种群遗传算法的优点。其利用自适应遗传算法的参数自适应调整提高控制器参数的收敛速度;利用多种群遗传算法的多个种群协同进化提高控制器参数的收敛精度。研究结果表明,自适应多种群遗传算法相比自适应遗传算法以及多种群遗传算法所得寻优结果更优,可有效降低悬架在垂直方向的振动幅度,减缓路面对车体的冲击,进一步改善汽车的行驶平顺性和乘坐舒适性。     

基于遗传算法的孔群加工路径优化

为提高孔群加工的效率,采用遗传算法对孔群加工空行程路径进行了优化。对遗传算法的实施过程进行了细致的描述,通过实例演示了遗传算法的孔群路径优化性能,并对遗传算法的运行效率及影响因素进行了研究。实验表明,运用遗传算法对孔群路径进行优化能提高孔群加工的效率,减小孔群加工中空行程的消耗;遗传算法运行中可以根据最佳个体的保持时间在一个代中加入活性因子,防止早熟的出现;遗传算法的各个参数对遗传算法的运行有一定的影响。选用合适的运行参数,本程序可应用于工程中,提高少批量孔加工的生产效率。     

全局优化算法自适应模拟退火-遗传算法的研究

对模拟退火法和遗传算法作了简要叙述,并深入分析了模拟退火法和遗传算法的寻优特性,指出了模拟退火法存在的不足及遗传算法的优良特性,从而引入了自适应模拟退火-遗传算法,并定性分析了该算法的可行性。