基于非线性控制系统优化的遗传算法研究

针对非线性控制系统参数优化问题,结合非线性控制系统理论、最优化理论及遗传算法,提出了一种新的仿真优化方法,该方法利用遗传算法来求解非线性控制系统参数优化问题。     

基于遗传算法优化植物仿真的应用研究

L-System不仅可以模拟单株植物,而且可以模拟一片森林。由于森林中的树木形状不仅受内部信息的影响,还受外界多种因素影响。所以森林仿真是一个多参数的问题,遗传算法是解决多参数的问题有力工具。文章中使用遗传算法优化森林中树木的仿真。     

基于代理模型和遗传算法的仿真优化研究

首先由已知样本建立神经网络作为代理模型，替代费时的仿真评价而快速给出近似目标值；然后基于代理模型，采用GA进行决策量寻优．为增强优化结果的可靠性和一致性，讨论了按问题信息选取样本和多模型方法.基于典型压力管设计问题的数值仿真，验证了所提出方法的可行性和有效性，其结果明显优于现有文献结果.     

基于遗传算法的PID参数优化与仿真

本文提出了一种基于遗传算法的PID控制器参数优化设计。通过仿真研究，表明了遗传算法是一种简单高效的寻优算法。与传统的寻优方法相比明显地改善了控制系统的动态性能。     

基于遗传算法的自适应油源控制系统优化设计

文章采用键合图一状态空间法建立了自适应油源控制系统的数学模型,给出了基于Simulink的仿真模型及自适应油源控制系统动态特性的仿真结果。通过采用实数编码、精英选择、自适应交叉和变异概率策略的遗传算法,将系统仿真模型与遗传优化算法有机结合起来,把仿真模型作为适应度函数的输入模块,完成参数组合的优化,实现基于仿真模型的参数优化。并对优化计算进行可视化编程,实现优化过程的信息处理可视化。仿真结果表明：优化后系统的动态性能得到了较大的改善。     

基于遗传算法的库存仿真及优化

为使成本费用的总和最小,利用仿真优化技术,以某制造企业为例建立了一种随机需求库存模型,并运用改进的遗传算法优化库存模型,得到了库存的优化候选策略。实例表明提出的仿真优化技术是有效可行的,可以为企业提供决策支持。     

基于免疫遗传算法的水机调节参数优化与仿真

水轮机调速器是保证水电站机组稳定运行和电能质量的控制设备,如何选取水轮机调速器的最优参数,是影响到调节系统质量和电能质量的一个重要的问题。针对当前使用遗传算法优化水轮机调速器参数存在寻优效率不高的问题,提出了一种用免疫遗传算法优化水轮机调速器参数的新方法。通过借鉴生物体免疫系统中的回忆应答和人工主动免疫的原理,减少遗传算法中的退化现象,提高寻优效率和适应性。将新算法应用于某水轮机仿真,仿真结果表明,免疫遗传算法不依赖于参数的初值,寻优效率较典型遗传算法有明显提高,具有很强的鲁棒性和适应性。     

基于遗传算法的高空台进排气控制仿真研究

高空模拟试验台进/排气系统是实现地面模拟发动机空中飞行高度、速度条件的核心试验设备,其控制效果的优劣直接影响着高空模拟试验的精度。而控制参数的选择是决定一个控制系统动态特性的关键要素,通过对遗传算法的研究,将该算法应用到进/排气系统进气压力自动控制系统中,对自动控制系统的PID控制参数进行优化,仿真结果表明,遗传算法以其优秀的全局寻优能力,能够对进/排气系统发动机进气压力自动控制系统PID控制参数进行较好地优化,使得控制系统获得良好的控制效果。     

基于遗传算法的模糊控制仿真研究

提出了一种基于遗传算法的模糊控制系统 ,通过对模糊规则进行优化 ,达到了基于 ITAE指标的满意控制。仿真结果表明 ,遗传算法具有良好的寻优性能     

基于遗传算法的手写体汉字识别系统优化方法的研究

为了改善手写体汉字识别系统的性能,提出了前端单字识别器（SCR）和后端语言解码器（post-processing system）有效结合的模型,并且利用遗传算法对系统参数进行优化。以联机手写体汉字识别系统作为SCR进行测试,首选准确率为69．46％,汉字识别的准确率达到87．59％,较优化前提高6．4％。实验结果表明,遗传算法（GA）是一种有效的优化系统参数的方法。     

基于改进遗传算法的支持向量机参数优化方法

针对支持向量机算法在回归预测时由于参数选取不当导致过学习或欠学习的情况,提出一种基于改进遗传算法的支持向量机参数优化模型。该模型将遗传算法与支持向量机结合,利用遗传算法进化搜索的原理对支持向量机具有重要意义的惩罚参数、核参数和损失函数同时优化。实验选取3组标准数据集作为测试数据集,并将改进算法同时与遗传算法、网格寻址算法、粒子群算法进行仿真测试结果对比。实验结果表明改进的算法较大地提高了支持向量机算法整体的寻优能力。     

改进遗传算法在电力系统无功优化中的应用

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,是近些年发展起来的基于自然选择规律的一种优化方法.本文提出了一种应用于电力系统无功优化问题的改进遗传算法,该算法在一般遗传算法的基础上,对适应函数、编码方式以及变异操作等方面作了改进.经电力系统的无功优化问题实例计算表明,改进遗传算法的优化结果可以更有效地达到或接近全局最优.     

基于改进遗传算法的动态交通分配优化研究

传统的优化算法大多数由于计算量大或者容易使性能指标落入局部最优值而严重制约了模型的应用与发展,而用遗传算法等新的智能算法求解则会很简洁和方便。文章针对遗传算法在应用中存在的局限性,采用了小生境技术的遗传算法,结合精英保留策略、种群多样性保持方案、新的适应度值标定方式等改进遗传算法。通过对动态交通分配的特点分析,建立了动态交通分配模型,利用改进的遗传算法对模型进行求解。仿真结果体现了动态交通分配模型的有效性和改进遗传算法的优越性,大大提高了动态交通分配模型的实用价值。     

基于改进遗传算法的物流配送路径优化研究

通过对物流车辆配送过程的研究分析,建立了不带时间窗约束的物流车辆配送路径优化模型。针对普通遗传算法早熟和易陷入局部最优的缺点,通过引入小生境技术对遗传算法进行了改进。其中,选择操作采用了最优个体保留和轮盘赌结合的策略,交叉操作采用最优路径子路径保留策略;变异算子保证个体逐代进化。个体交叉前的配对选择以及交叉完毕后的调整都引入了小生境选择机制。这些方法大大增强了种群的多样性和全局寻优能力,加速了算法的收敛。最后通过实例验证了算法的可行性、实用性和高效性。     

基于改进的遗传算法系统测试选择问题研究

信息处理系统故障模式具有多样性,为了得到系统的全局优化测试集,降低测试代价,在遗传算法思想的基础上,采取限制每一个基因编码都不相同机制来生成初始化种群、个体失效保护机制进行交叉操作、最优个体保护机制实现变异操作等措施对遗传算法进行了改进,并通过编写C++程序,得到了信息处理系统的全局优化测试集,减少了系统的测试项,从而使测试代价明显降低。经过计算系统的故障检测率和故障隔离率等测试性指标验证了改进遗传算法的正确性。该研究对大型复杂装备系统测试优化选择问题的研究具有重要的指导意义。     

基于改进型遗传算法的数字电路优化

遗传算法（ Genetic Algorithm,GA）是一种模拟生物界自然选择的智能优化算法,已经被广泛应用到各个领域。文中主要针对传统遗传算法在应用于数字电路优化设计中时所出现的未成熟收敛和收敛速度慢的问题,提出一种新的个体选择方法。该方法将保留最优个体选择方式和改进轮盘赌选择方式相结合,能够在保持种群的多样性的同时有效地提高数字电路优化的精确度。将该算法应用到最小分类网络的设计中,实验结果验证了改进算法的合理性和有效性。     

改进遗传算法整定自抗扰控制器参数及应用

非线性自抗扰控制器策略(ADRC)耦合参数众多,单一机制优化算法在进行参数整定时易陷入局部最优解,极大地降低了自抗扰控制器的控制精度。针对此问题,该文提出了一种改进遗传算法(KFC-2PMGA)进行自抗扰控制器参数整定,将核模糊聚类算法应用到遗传算法双种群划分中,并针对聚类所得双种群,分别采用不同的自适应交叉及变异策略,有效地避免了传统遗传算法易产生"早熟"的现象。并以永磁同步电机为例进行仿真验证。结果表明,优化后的自抗扰控制器具有良好的系统响应及控制精度,改进后的遗传优化算法适用于复杂非线性自抗扰控制器参数整定。     

自抗扰控制器参数的免疫遗传优化及应用

针对自抗扰控制器参数较多不易整定的问题,提出了基于免疫遗传算法的参数优化设计方法。与标准遗传算法相比,免疫遗传算法引入了免疫记忆库和浓度控制机制,提高了算法的收敛效率和局部收敛性能。并且综合考虑系统动态性能和实际工程中控制代价的限制因素建立了控制系统性能评价的目标函数,按照分离性原则进行自抗扰控制器设计并用免疫遗传算法对其关键参数进行寻优。将该方法应用于过热汽温度控制系统的变工况运行,仿真实验结果表明经过免疫遗传算法优化后的自抗扰控制器适应性较强,适用于模型参数变化范围较大的受控对象。