基于lambert理论的多脉冲快速轨道交会研究

对于任意初始相位条件下的圊定轨道间的两航天器交会问题,研究了多脉冲远程快速轨道机动的策略.在燃料消耗一定的情况下,以脉冲次数和时间为变量,通过遗传算法进行全局寻优,可得到一条多脉冲快速机动轨道.仿真结果表明,脉冲次数对燃料消耗和机动时间有极大的影响,在初始条件不利的情况下,利用多脉冲轨道机动,可以较好地解决远程轨道机动的高能耗区.所以,在燃料消耗受限的情况下,根据不同的初始条件,选择脉冲次数,可以达到快速交会的目的,为快速交会提供了可靠依据.     

基于遗传算法的有限推力交会轨道优化仿真

针对有限推力空间飞行器交会对接逼近段燃料/时间组合最优轨道优化问题,提出了一种采用遗传算法求解的优化策略.以C-W方程为交会模型,将整个逼近段分为若干弧段,在每个弧段内追踪航天器均采用常值推力机动,这样可以求得C-W方程在每个弧段内的解析解,于是,交会对接逼近段的轨道优化问题可以转化为具有非线性约束的数学规划问题,最后采用广义拉格朗日-遗传算法对该问题进行了优化求解.数学仿真结果表明,该方法可以很好的解决交会对接终端逼近段燃料/时间组合最优轨道优化问题.     

基于改进遗传算法的物流配送路径优化的研究

通过改进遗传算法的编码方式和适应度评估,减少二进制编码或浮点型编码的复杂性,同时精简适应度评估的计算,来求解物流配送路径优化问题.在建立物流配送路径优化问题的数学模型基础上,构造改进后的遗传算法.改进后的遗传算法采用自然数直接编码,在个体选择上结合使用常用的最优个体保留策略和轮盘赌法.进行多次实验和计算,证明改进后的遗传算法,在优化物流配送路径方面比传统的遗传算法,收敛性更好、更优越,进而更高效地获得问题的最优解或近似最优.     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

基于改进遗传算法的多目标问题的研究

本文讨论了MOGA目前存在的缺陷,并提出利用共享小生境技术为基础更新子群体,并针对遗传迭代过程提出相应的改进遗传策略。策略包括采用了期望、精英保留混合策略以及改进快速自适应的交叉、变异算子。最后,利用改进遗传算法在多目标文献中作实例研究,并取得了良好的应用效果。     

改进量子遗传算法用于多峰值函数优化

传统遗传算法（SGA）在处理多峰值函数优化问题中存在局部收敛性的问题,最初的量子遗传算法（QGA）也存在这一问题。运用一种改进量子遗传算法（MQGA）,有效地解决了一些多峰值函数的优化问题。根据几个重要的测试函数进行仿真实验结果证明,与SGA和QGA相比,改进的量子遗传算法（MQGA）在一些多峰值优化问题中更具有效性和可行性。     

基于改进遗传算法的悬架集成优化研究

针对传统悬架设计不能达到全局最优的缺点,提出一种基于改进遗传算法的悬架系统集成优化方法,该方法将结构和控制器参数等同的视为设计变量,进行同时优化设计.改进的遗传算法使用局部多次搜索算子来避免传统遗传算法过早收敛现象,在繁殖新一代种群时,采用的"混合择优"策略能够保持种群多样性.仿真结果表明,集成优化后的车身加速度和轮胎动位移都有很好的改善,提高了汽车行驶平顺性和安全性.     

基于改进遗传算法的深度神经网络优化研究

深度前馈神经网络在分类和回归问题上得到了很好的应用,但网络性能极大程度上受到其结构和超参数影响.为了获得高性能的神经网络,首先对遗传算法的选择策略进行改进,之后利用该改进遗传算法,采用二进制编码与实数编码的混合编码策略对深度前馈神经网络层数、每层节点量以及学习率和权重进行优化.改进的选择策略,在最优保存策略的基础上从父...     

基于遗传算法的多台光电经纬仪优化布站研究

利用部署于不同地点的多台光电经纬仪对飞行目标进行交会测量,可以确定被测目标的空间位置.为提高对被测目标的定位精度,提出了一种基于遗传算法的多台光电经纬仪优化布站方法.首先建立了光电经纬仪交会测量定位优化布站数学模型,然后针对该优化问题对遗传算法进行了设计,最后运用该算法对三台光电经纬仪布站几何进行了优化布站仿真计算,得到了三台光电经纬仪经布站优化后的站点坐标,且仿真结果表明该方法能够明显提高对被测目标的定位精度.     

基于改进遗传算法的RBF神经网络结构优化研究

针对RBF神经网络隐含层节点数过多导致网络结构复杂的问题,提出了一种基于改进遗传算法(IGA)的RBF神经网络优化算法。利用IGA优化基于正交最小二乘法的RBF神经网络结构,通过对隐含层输出矩阵的列向量进行全局寻优,从而设计出结构更优的基于IGA的RBF神经网络(IGA-RBF)。将IGA-RBF神经网络的学习算法应用于电子元器件贮存环境温湿度预测模型,与基于正交最小二乘法的RBF神经网络进行比较的结果表明:IGA-RBF神经网络设计出来的网络训练步数减少了44步,隐含层节点数减少了34个,且预测模型得到的温湿度误差较小,拟合精度大于0.95,具有更高的预测精度。     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点，从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法，阐明了用遗传算法进行神经网络性能优化的原因，并得出结论，认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法，论述了遗传算法和神经网络的发展现状和将来的研究动向。     

基于遗传算法的神经网络性能优化

遗传算法是一种典型的进化算法。文中分析了遗传算法的特点和神经网络的特点,从而得出了把两种算法结合起来进行应用的思想。运用理论对比的方法,阐明了用遗传算法进行神经网络性能优化的原因,并得出结论,认为用遗传算法进行神经网络性能优化促使了神经网络更进一步的应用。阐述了遗传算法优化神经网络的两种主要方法,论述了遗传算法和神经网络的发展现状和将来的研究动向。     

遗传算法在求解函数优化问题中的应用

函数优化是遗传算法的经典应用领域,也是对遗传算法进行性能评价的常用算例。由此,该文首先对遗传算法作了简介,并讨论了利用遗传算法求解函数优化问题的方法,最后给出了求解Rosenbrock香蕉函数优化实例。     

基于变异的紧凑遗传算法

紧凑遗传算法(CGA)具有存储成本低的优点,但是其容易出现早熟。该文提出一种基于变异的紧凑遗传算法(MBCGA)。MBCGA在CGA的基础上,引进变异算子,完整地体现生态进化中的选择、遗传和变异,提高了局部寻优以及算法克服早熟的能力。试验结果表明,MBCGA保留存储成本低的优点,具有较快的收敛速度。变异算子的局部寻优作用明显。     

遗传算法及其工具箱在函数优化问题中的应用

函数优化是遗传算法的经典应用领域,也是对遗传算法进行性能评价的常用算例。由此,该文首先对遗传算法的基本原理和定义,以及其工具箱作了简介,最后结合实例,简述了遗传算法及其工具箱在函数优化问题中的应用。     

利用排序对遗传算法的改进和自适应交叉概率

作为一种并行、自适应,全局搜索方法,遗传算法已在多种领域得到应用。文中先简单介绍了遗传算法的发展、基本程序与几种遗传操作,然后详细说明了排序选择。在此基础上文中提出了在非线性排序中加入适应值信息和交叉前进行排序两种改进方法。为了减少近新遗传,文中还设计了一种自适应交叉概率。实验中选择具有不同特点的四个测试函数进行测试,寻优结果表明改进的算法对加快收敛速度,提高寻优效果起到了作用。     

自适应多位变异遗传算法的实现

Genetic algorithm is a widely used optimization method. Crossover and mutation are two Basicl operatorsof the genetic algorithm. On the basis of analyzing the principles of simple genetic algorithm and discussing its exist-ing problems of crossover point and mutation bit, this paper presents a way of the adaptive multiple bit mutation ge-netic algorithm , which not only can keep the population diversity but also has quicker convergence speed. The resultsof the multi-modal function optimization show that the adaptive multiple bit mutation genetic algorithm is practical and efficient.     

基于自适应遗传算法的PID参数优化仿真研究

针对现有PID调节器的整定方法和遗传算法优化参数存在的问题，提出了一种自适应遗传算法用于PID参数寻优的方案。该算法采用了变群体规模和自动改变交叉概率、变异概率的措施，能提高算法的执行效率，收敛性较好，而且不易陷入局部最优解。以过热汽温控制系统为例，分别采用了简单遗传算法和改进遗传算法，对串级控制系统的PID参数寻优，仿真结果表明改进后的遗传算法具有较强的执行效率和很好寻优效果。     

遗传算法优化速度的改进

分析了传统变异算子的不足,提出用二元变异算子代替传统的变异算子,并讨论了它在克服早熟收敛方面的作用.同时,针对二进制编码的遗传算法的特点,提出了解码算法的隐式实现方案,使得遗传算法的寻优时间缩短6～50倍.实验从多方面对二元变异算子的遗传算法进行性能测试,结果表明,改进型算法收敛快,参数鲁棒性好,能有效地克服“早熟”收敛.通过改进变异算子和解码算法,遗传算法的优化速度得到了很大的提高.