基于改进遗传算法的多AGV调度优化

为解决生产车间多AGV任务调度的问题,提出了一种改进的遗传算法进行AGV任务的分配和路径的优化,并建立了数学模型;通过改进遗传算法的变异算子,提高种群的收敛速度和收敛性。实例仿真表明,改进的遗传算法收敛速度更快、路径更优。     

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。     

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。     

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。     

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.     

遗传算法在内燃机主副连杆机构优化设计中的应用

介绍遗传算法基本特点 ,应用遗传算法计算内燃机主副连杆机构全局最优化参数 ,针对主副连杆机构数学模型的具体特点以及参数要求 ,对标准遗传算法进行了改进 ,提高了算法的收敛精度 ,加快了收敛速度。     

遗传算法求解多方案设计问题的研究

本文在智能设计中提出了求解多方案设计问题的遗传算法,讨论了遗传算法中求解多方案问题的关键技术,包括一种改进的遗传算法,避免了标准遗传算法早收敛于局部优解和加快了全局最优的收敛速度,给出了在机床模块综合中多方案求解实例,遗传算法有效地解决模块选择与组合问题中的“组合爆炸”问题。     

改进FGA算法及其在四杆机构优化设计中的应用

遗传算法可以有效地处理一些常规优化方法不能解决的复杂优化问题。然而,传统遗传算法存在容易陷入局部解、收敛速度慢和处理带约束优化问题效果不佳等缺点。提出了一种采用浮点数编码方法处理不等式约束优化问题的改进遗传算法(Float-encoding Genetic Algorithm,FGA),该算法具有收敛效率高、算法稳定性好和局部搜索能力强等优点。运用该算法对曲柄连杆机构进行优化设计,优化结果表明,改进后的遗传算法比传统遗传算法优化效果更好。     

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。     

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.     

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。     

遗传算法在机械优化设计中的应用现状及展望

阐述了遗传算法的基本原理，基本概念和特点，简介了遗传算法在机械优化设计中的应用现状，实现步骤以及求解约束优化问题时应采取的措施，并对遗传算法的研究和应用进行了展望。     

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。     

MENDED GENETIC BP NETWORK AND APPLICATION TO ROLLING FORCE PREDICTION OF 4-STAND TANDEM COLD STRIP MILL

In order to make good use of the ability to approach any function of BP (back propagation)network and overcome its local astringency, and also make good use of the overall search ability of GA(genetic algorithms), a proposal to regulate the network's weights using both GA and BP algorithms issuggested. An integrated network system of MGA (mended genetic algorithms) and BP algorithms hasbeen established. The MGA-BP network's functions consist of optimizing GA performance parameters,the network's structural parameters, performance parameter, and regulating the network's weightsusing both GA and BP algorithms. Rolling forces of 4-stand tandem cold strip mill are predicted by theMGA-BP network, and good results are obtained.     

遗传算法在流体机械优化设计中的应用

作为一种全新的随机优化方法 ,遗传算法已广泛地应用于透平机械设计的多个方面 ,例如遗传算法直接用于气动元件的形状优化设计 ,遗传算法与一定的计算流体动力学方法结合参与流场的分析和计算等等。本文是对遗传算法在流体机械优化设计方面应用的一个综述。     

基于神经网络和遗传算法的智能夹具规划

提出基于Kohonen自组织神经网络的装夹面分组与选择算法和基于遗传算法的定位点优化算法,利用人工神经网络来处理装夹面选择中各种复杂的影响因素,选择最佳的装夹表面;在此基础上,参考夹具校验的一些结论,通过一些参数来模拟工件的稳定性与变形特性,利用遗传算法进行组合优化,确定最优定位点.最后用实例验证了算法的有效性.     

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。     

基于遗传算法的集中空调水系统管网优化设计

提出了使用遗传算法进行集中空调水系统管网优化设计的方法,对管网优化设计数学模型的建立,遗传算法基本原理、编码技术、评价函数的建立以及交叉和变异方法进行了分析.通过实例证明,该方法和常规方法相比能够达到节省初投资和运行费用的目标.     

Control of a manipulator robot by neuro-fuzzy subsets form approach control optimized by the genetic algorithms

In this paper, we describe a new form of neuro-fuzzy-genetic controller design for nonlinear system derived from a manipulator robot. The proposed method combines fuzzy logic and neuronal networks which are of growing interest in robotics, the neuro-fuzzy controller does not require the knowledge of the robot parameters values. Furtheremore, the genetic algorithms (GAs) for complex motion planning of robots require an evaluation function which takes into account multiple factors. An optimizing algorithm based on the genetic algorithms is applied in order to provide the most adequate shape of the fuzzy subsets that are considered as an interpolation functions. The proposed approach provides a well learning of the manipulator robot dynamics whatever the assigned task. Simulation and practical results illustrate the effectiveness of the proposed strategy. The advantages of the proposed method and the possibilities of further improvements are discussed.