基于小生境遗传算法的关联规则挖掘研究

在对传统遗传算法的早熟收敛和后期收敛速度慢等问题分析的基础上,提出了一种改进的小生境遗传算法模型.该模型针对传统遗传算法的不足,采用小生境方法代替传统遗传算法的选择方式,重点改进了遗传算子,能够有效调整种群规模,延迟早熟收敛现象,控制后期收敛速度,从而能够挖掘到尽可能多的有效关联规则.最后,以中医药的疾病配方为例,验证了此算法的可行性和有效性.     

凸轮机构的遗传优化设计

针对标准遗传算法在解最优化问题时存在早熟收敛和后期收敛缓慢的现象，提出了一种基于小生境技术的改进遗传算法，然后结合凸轮机构的优化6设计原理，建立凸轮机构的遗传优化设计模型，并给出其应用实例和优化结果。     

基于小生境技术的改进遗传算法研究

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象。本文扼要分析了遗传算法的运行机制，提出一种基于小生境技术的改进遗传算法，应用种群中最佳个体的马尔可夫链模型从理论上论证了该技术维持种群多样度的有效性。对复杂函数的遗传优化仿真实验数据表明，改进的遗传算法不但具有良好的全局收敛可靠性，而且具有快的收敛速度。     

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.     

改进遗传算法在门座起重机平衡系统优化中的应用

为了提升门座起重机性能并降低成本,对其平衡系统进行优化。针对经典的遗传算法在后期局部搜索能力弱、易"早熟"等的不足,结合小生境遗传算子和局部搜索策略提出一种改进遗传算法,实例优化结果表明,在门座起重机平衡系统优化中,改进遗传算法收敛速度快、效率高,具有良好的工程应用价值。     

多种改进选择算子的遗传算法性能比较与应用研究

为了比较针对遗传算法的早熟收敛和后期收敛速度慢而提出的改进选择算子的性能,利用3种权威测试函数对基于排名的轮盘赌选择、基于上限的确定式采样选择、无回放最大值选择以及基于小生境技术的(μ+λ)选择这4种改进的选择算子进行了收敛速度、收敛可靠性和运算成本3方面的测试比较,并对测试结果作了详细的分析.最后,将采用基于小生境技术的(μ+λ)选择算子的遗传算法应用于一个混合装配流水线上最小装配时间协同优化的实际问题中,获得了较优的优化结果.     

多种改进选择算子的遗传算法性能比较与应用研究

为了比较针对遗传算法的早熟收敛和后期收敛速度慢而提出的改进选择算子的性能，利用3种权威测试函数对基于排名的轮盘赌选择、基于上限的确定式采样选择、无回放最大值选择以及基于小生境技术的（μ＋λ）选择这4种改进的选择算子进行了收敛速度、收敛可靠性和运算成本3方面的测试比较，并对测试结果作了详细的分析。最后，将采用基于小生境技术的（μ＋λ）选择算子的遗传算法应用于一个混合装配流水线上最小装配时间协同优化的实际问题中，获得了较优的优化结果。     

牙嵌离合器的可靠性遗传优化设计

将标准遗传算法用于最优化问题时存在早熟收敛和后期收敛速度缓慢的现象。这里扼要分析了遗传算法的运行机制,提出了一种基于小生镜技术的改进遗传算法,根据牙嵌离合器的可靠性设计原理,建立了遗传优化的模型,并给出了应用改进的遗传算法进行优化设计的实例和计算结果。     

基于INGA的电容层析成像图像重建算法的研究

电容层析成像图像重建是一个具有典型的病态问题,在分析遗传算法基础上,针对小生境遗传算法易于早熟、收敛速度慢以及局部寻优能力较差等缺点,提出了一种引入梯度算子的改进小生境遗传算法(INGA)用于ECT图像重建.仿真和实验结果表明,对于简单流型该算法与LBP、Landweber算法相比满足收敛速度快且重建图像误差小,并能以较高的精度重构出两相流体的截面成像,为ECT图像重建算法的研究提供了一个新的思路.     

基于灵敏度分析的改进遗传算法

基本遗传算法局部寻优效率低,而且易于早熟,因此提出了一种基于灵敏度分析的改进遗传算法,该算法利用目标函数的导数信息指导个体向更优解进化;同时在算法中结合了小生境技术,既保证了种群中个体的多样性以克服早熟,又能够保留下最优解;最后对Shubert函数进行仿真试验,对曲柄摇杆机构进行实例优化,结果表明该算法能有效地提高搜索能力和解的精度,加快收敛速度。     

基于改进遗传算法求解堆垛机路径优化问题

通过对遗传算法进行自适应改进,算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题.通过运用序号法设定各货位在立体仓库中的位置,建立堆垛机拣选作业的数学模型,运用改进遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真.     

基于改进遗传算法的混流装配线的优化设计

兼顾混流装配线的负荷平衡和投产排序两个方面,建立了以最小化闲置与超载时间之和为优化目标的优化模型,优化目标包括了一次投产循环中,各工位上最后一个产品可能引起的超载时间,从而有效地保证了混流装配线装配过程的连续性。设计了一种引入小生境技术的改进遗传算法,对混流装配线进行了协同优化设计。实例研究表明:引入小生境技术的改进遗传算法在收敛速度和收敛可靠性方面均优于简单遗传算法和保留最佳个体的简单遗传算法;在给定等长工作站个数的情况下,混流装配线的闲置与超载时间之和随各工作站长度的增加而减小,最后趋于收敛。     

基于改进自适应遗传算法求解机床制造企业立体仓库堆垛机路径优化问题

以机床制造业为背景,以存放机床零部件的自动化立体仓库为基础,重点分析自动化立体仓库堆垛机的路径分析.通过对遗传算法进行自适应改进,算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题.通过运用序号法设定各货位在立体仓库中的位置,建立堆垛机拣选作业的数学模型,运用改进自适应遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真,实验结果表明,此方法收敛速度快,可以获得全局最优解,其堆垛机路径规划更加快速和有效.     

遗传算法在机械工程优化设计中的应用研究

根据遗传算法的基本理论,并结合机械工程优化设计的特点,对传统遗传算法的遗传操作作出改进,提出了一种将柯西机和遗传算法相结合的改进遗传算法,并应用于机械工程优化设计问题的全局最优解求解。计算实例说明,改进的遗传算法不仅增强了传统遗传算法的全局收敛性,能够有效地求得优化问题的全局极小点,而且还提高算法进行后期的收敛速度。     

基于改进遗传算法的掘进机铲板多目标优化设计

在传统遗传算法中融入改进变异算子和小生境运算的改进遗传算法,可更好地保持解的多样性、抑制早熟及较高的收敛速度,并将铲板宽度、铲板倾角和星轮高度作为设计变量,对铲板的装载能力和铲掘力进行多目标优化设计。利用Pro/E、ADAMS、ANSYS进行协同仿真,在ANSYS中加载ADAMS输出的载荷文件,对铲板进行静力学分析,并应用ANSYS中的Fatigue Tool模块对铲板进行了疲劳寿命分析,以此对比优化前后铲板的可靠性。     

改进遗传算法在移动机器人路径规划中的应用研究

针对基本遗传算法解决移动机器人路径规划问题存在收敛速度慢等不足,对遗传算法进行了改进,提出了一种改进自适应遗传算法。根据进化过程中个体适应度值的大小自动调节交叉概率和变异概率,从而使算法能够跳出局部最优解,克服早熟的缺点。同时采用栅格法对机器人工作空间进行建模。对移动机器人路径规划进行仿真实验,对比结果表明:该改进的遗传算法是有效可行的,能够有效的提高机器人路径规划的质量。     

一种基于自适应算子和移民策略相结合的遗传算法

针对简单遗传算法中容易出现的早熟性收敛问题,采用“自适应算子”和“移民策略”相结合的办法对简单遗传算法进行改进,并且采取了“加速迭代”的操作,最后通过对Schaffer函数的计算表明,本文改进的遗传算法在保证全局收敛的同时有效地避免了早熟性收敛的发生。     

混合遗传算法在磁性液体密封齿形优化中的应用

为使小生境遗传算法快速收敛,减少总的运算时间,在小生境遗传算法中融入局部贪婪性搜索过程,形成混合遗传算法。基于该算法,对磁性液体密封齿形进行优化设计。结果表明,混合遗传算法同样能够找到多组最优解,但与小生境遗传算法的计算过程相比,显著减小了进化代数,且总的运算时间减为原来的82%。     

基于小生境遗传算法的汽车悬架优化设计研究

在传统遗传算法的基础上进行改进,结合小生境算法和遗传算法的优势,提出了一种可用于机械优化设计的小生境遗传算法。将这种算法在实际的机械机构中进行验证。结果证明,经过改进的遗传算法对于汽车空气悬架的转向机构的优化设计具有较强的实用价值。     

小生境遗传算法的多刚体系统动力学参数优化设计

在分析多刚体系统动力学参数优化问题特点的基础上,针对用传统优化方法和标准遗传算法求解这一类问题时存在的问题,提出了一种改进的小生境遗传算法。采用最优保存策略和高斯变异算子,保证算法的稳定收敛和提高算法在每个峰值附近的局部搜索能力。将该方法用于5自由度汽车悬架系统动力学参数优化设计问题,结果表明该方法在收敛速度和获得全局最优解方面部有很大提高。