共查询到20条相似文献,搜索用时 156 毫秒
1.
2.
3.
将免疫遗传算法用于电力系统无功优化研究,其特点在于采用高频变异操作和保留记忆细胞群体,增加了群体的多样性,保留了更多且不同的最优个体,并随进化过程的进行而不断更新这些个体,这样能加快找到全局最优值.增加克隆扩增使得算法通过变异能在当前种群最优点处进行多方向搜索,从而提高了获得全局最优解的概率;而免疫补充通过在每一代引入新个体,保证了种群的多样性,避免了封闭竞争问题,从而加速找到全局最优值.通过对IEEE-30节点系统的计算,验证了该算法能有效提高无功优化的收敛速度和优化效果. 相似文献
4.
为解决因设备产能配置过程中常忽略后期对其布局影响的问题,针对设备配置与设备布局展开协同优化。基于柔性制造车间零件工艺路径可选、不同加工零件采用不同的搬运设备和搬运批量的特点,考虑规划期内待加工零件的产能需求约束,以最小化设备购置成本和物料搬运成本为目标,建立柔性制造车间设备产能配置与布局集成优化模型。采用免疫遗传算法对该模型优化求解。为了保证算法的搜索效率和种群多样性,引入抗体浓度计算来强化个体间的交流,同时通过免疫记忆机制避免最优个体丢失和被破坏,确保算法的全局搜索能力。通过算例,将集成优化模型结果与设备产能配置、设备布局分开优化的结果进行对比,验证了集成优化模型和算法的有效性。 相似文献
5.
结合缺陷约束的最低水平线算法与双种群遗传算法,对板材内部含缺陷时的情况进行矩形件排样优化。用双种群遗传算法对矩形件排样顺序进行寻优,将矩形件的排样顺序和旋转方式划分为2个种群分别进行遗传迭代,并结合改进的初始种群生成策略,改善算法的搜索效率及全局寻优能力。基于缺陷约束的最低水平线算法通过更新缺陷矩形轮廓信息与引入缺陷位置约束判断,使矩形件在根据优化顺序排样时可避开缺陷部位。通过算例运算测试可知,相比于经典遗传算法,所提算法在4种不同数量缺陷的板材中,最优板材利用率与排样优化稳定性均有所提高。双种群遗传算法和基于缺陷约束的最低水平线算法可在含缺陷板材的排样问题中得到推广应用。 相似文献
6.
7.
8.
提出用免疫遗传算法与BP神经网络相结合的方法,设计重型刀具查询系统.结合免疫算法中的浓度机制和遗传算法中的交叉、变异策略提高了种群的多样性,克服了传统BP网络易陷入局部最优点的不足.通过实验发现,与以前的BP算法和GA-BP算法相比,该方法具有更短的训练时间和更高的预测精度. 相似文献
9.
10.
11.
针对异形件排样问题,提出一种基于摇瓶机理和极小势能原理的求解算法,从力学的角度解释排样问题的基本物理意义。首先,由摇瓶子现象得到启发,初步构建排样的摇瓶子算法;由弹性力学中的极小势能原理可知,零件总是通过平移和旋转变换找到最低的重心位置,利用多边形正负梯形投影法计算排样零件的形心坐标,碰靠过程采用OBB包围盒相交测试算法,最终实现自动排样。通过船舶件排样实例验证,该原理可行,物理意义明确,能够实现异形件排样。 相似文献
12.
13.
基于重心NFP的二维不规则形状排样算法 总被引:1,自引:0,他引:1
提出了一种基于重心NFP的二维不规则多边形排样算法,算法主要包括临界多边形计算和排样定位选优等内容。该算法以多边形来表示板材和待排零件,通过求解临界多边形NFP来得到多边形之间的所有靠接(排放)位置。为了在NFP中进一步得到优化的靠接位置,在NFP的基础上提出了重心NFP的概念,通过选择重心NFP中的最低重心位置来确定零件的排放位置。在零件的排样次序算法上,提出了顺序递归排样算法和遗传算法,以降低排样过程中形成的空腔所造成的浪费。该算法可处理板材和零件均为不规则形状的排样问题,允许零件在全角度范围内进行旋转,并可处理板材内部带孔洞或者边界形成空腔等特殊情况。 相似文献
14.
15.
在刚架结构受力分析的基础上,提出一种启发式方法,以快速产生符合机动性要求的拓扑结构形式。对既定的拓扑结构形式采用改进的遗传算法进行截面优化。主要改进措施有,对群体中的不可行个体和约束条件过度满足的个体进行改造,可提高种群的整体质量。在复制过程中采用最佳个体保护策略和最差个体替换法,避免优良基因由于遗传操作的偶然性而被破坏掉,同时使无竞争能力的个体被淘汰;在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近;在进化后期采用局部徘徊策略,以增强局部寻优能力。算例的结果表明,该方法用于离散变量刚架结构拓扑优化是有效的。 相似文献
16.
T. G. Ansalam Raj V. N. Narayanan Namboothiri 《The International Journal of Advanced Manufacturing Technology》2010,47(1-4):313-324
Determination of optimal cutting parameters is one of the most important elements in any process planning of metal parts. This paper presents a development of an improved genetic algorithm (IGA) and its application to optimize the cutting parameters for predicting the surface roughness is proposed. Optimization of cutting parameters and prediction of surface roughness is concerned with a highly constrained nonlinear dynamic optimization problem that can only be fully solved by complete enumeration. The IGA incorporating a stochastic crossover technique and an artificial initial population scheme is developed to provide a faster search mechanism. The main advantage of the IGA approach is that the “curse of dimensionality” and a local optimal trap inherent in mathematical programming methods can be simultaneously overcome. The IGA equipped with an improved evolutionary direction operator and a migration operation can efficiently search and actively explore solutions. The IGA approach is applied to predict the influence of tool geometry (nose radius) and cutting parameters (feed, speed, and depth of cut) on surface roughness in dry turning of SS 420 materials conditions based on Taguchi's orthogonal array method. Additionally, the proposed algorithm was compared with the conventional genetic algorithm (CGA), and we found that the proposed IGA is more effective than previous approaches and applies the realistic machining problem more efficiently than does the conventional genetic algorithm (CGA). 相似文献
17.
并行混合免疫算法及其在布局设计中的应用 总被引:6,自引:0,他引:6
布局问题在理论上属于NPC问题,在工程实践上具有广泛的应用。为较好地求解该问题,以并行遗传算法(PGA)为基础,针对其早熟和收敛速度慢两大缺陷加以改进,提出了并行混合免疫算法(PHIA)。该算法将免疫思想加入遗传算法起到了双重作用,一是免疫选择可有效地防止早熟,二是通过基于免疫记忆的子群体信息交换策略可加速收敛。算法采用混沌初始化,并依自适应交叉和变异的概率值对子群体进行分类,与Powell法混合可更好地改善局部搜索性能。以卫星舱和印制电路板布局设计为背景的算例验证了该算法的可行性和有效性。 相似文献
18.
19.