基于遗传算法的温度传感器布置优化

温度场分布信息在工业应用中反映了工业设备的内部运行状态,有助于制定控制策略并确保工业设备运行的安全性.针对钢铁冶炼设备中的链篦机鼓风干燥段温度场检测的局限性,文中提出了一种解决温度传感器布置的最佳位置和数量的方法.采用传热学理论建立了鼓风干燥段数学模型,通过计算流体动力学获得鼓风干燥段理论温度场.设计评价传感器布点位置...     

基于遗传算法的多侦察传感器目标优化分配

针对电子战系统试验与训练任务中的多个侦察传感器的目标分配实际应用,讨论了多目标分配规划问题,建立了一对多目标分配规划模型。将多个侦察传感器的总侦察效率作为目标函数,分析了相关约束条件,采用遗传算法进行求解得到了优化后的侦察目标分配方案,为合理地进行武器系统的作战目标分配研究以及为试验与训练任务节约资源、提高效率提供了有益的帮助。     

基于遗传算法的无线传感器网络节点优化方法研究

随着科技的不断发展,传感器网络得到了极大的发展,其拥有极为广阔的应用前景,已被应用于智能家居、空间探索、军事、健康护理以及环境监测等领域。文章就其测控系统所具有的特殊性,提出了一种可以达到节点连通约束来对节点数量加以减少的新模型,同时利用遗传算法对其加以优化计算。要想使节点收敛速度大幅提升,文章将采取以二分法为基础的遗传算法进行研究。     

无线传感器网络中基于遗传算法的覆盖优化

覆盖控制是廷长无线传感器网络生存期一个有效的方法之一.其方法通过覆盖控制将无线传感网络节点划分成若干不相交最小覆盖连通集(CCS),然后顺序调度不同节点集.然而寻找最小覆盖连通集覆盖为NP问题,文中建立覆盖连通集优化模型,提出一种基于遗传算法(Genetic Algorithm,简称GA)目标覆盖的优化算法,并详细阐述算法实施.仿真结果显示,对于指定目标,该GA优化算法能获得比GIECC算法更好的性能.     

基于遗传算法的天线结构优化

遗传算法具有算法简单、不要求函数连续、导数存在,并能收剑到全局最优解特点,采用遗传算法对环梁式空桁天线结构进行优化,设计变量为取离散值的各杆截面积,优化目标;追求最佳吻合抛物面法向位移均方根偏差最小。设计实例表明,使用遗传算法对复杂的结构优化问题能获得较好的优化结果,该算法具有很强的适应性。     

基于改进遗传算法的传感器非线性校正

针对最小二乘法等传统方法的不足,提出了解决传感器系统非线性校正问题的改进遗传算法.该算法在遗传算法中融入模拟退火算法的思想,将退火温度作为控制参数,通过温度的缓慢的冷却,同时利用模拟退火算法来控制变异和交叉操作,有效地防止了基本遗传算法的早熟收敛.计算机仿真表明,采用这里所提出的改进遗传算法进行传感器非线性校正,其拟合精度远高于传统上应用最为广泛的最小二乘法,并且具有较强的鲁棒性.     

改进遗传算法优化无线传感器网络路由算法

为了有效延长无线传感器网络的生存时间,针对传感器节点能耗不均衡难题,提出一种改进遗传算法优化的无线传感器网络路由算法。首先对LEACH算法不足进行分析,然后构建簇头节点选择的目标函数,并将其作为遗传算法的搜索目标,最后通过遗传算法找到下一时刻簇头的候选节点,并针对遗传算法不足进行相应改进。采用仿真实验对算法的性能进行分析,结果表明,相对于其它无线传感器路由算法,本文算法可以保证无线传感器的节点能量均衡,延长了网络的生存时间。     

基于改进遗传算法的X波段驻波加速结构优化

针对X波段驻波轴耦合加速管设计,本文提出一种基于改进遗传算法的加速结构多参数自动优化方法。该方法采用MATLAB与电磁仿真软件CST协同,将结构的多个参量进行同时优化,以求得高有效分流阻抗的加速腔结构尺寸。该方法与传统单变量优化方法相比较,可大大节省优化时间,提高了设计效率,同时增加了保持腔体工作频率不变的功能,优化过程中自动调整工作频率至9300MHz,与CST自带遗传优化算法相比更加准确,并缩短了约49.3%的优化时间。对所优化的加速结构进行了加工测试,测试结果验证了优化方案的正确性。     

基于量子遗传算法的传感器网络拓扑结构控制.

目前传感器网络的应用有2个趋势:支持多业务和提供服务质量保障。出于低耗能、高连通性等目的,对网络的拓扑结构进行控制较为关键。对此进行了研究,提出了基于量子遗传算法的网络拓扑结构控制解决方案。仿真实验表明量子遗传算法在求解性能上优于常规遗传算法,达到了低耗能和高连通性的目标。     

基于改进遗传算法的无线传感器网络数据融合方法

无线通信和电子技术的进步促进了无线传感器网络发展,无线传感器网络广泛应用于多个领域(如医疗,军事,家居等)。文章分析了无线传感器网络中的数据融合问题,提出了一种基于改进遗传算法的无线传感器网络数据融合方法,仿真实验表明,基于改进遗传算法的方法在运行效率上优于标准遗传算法。     

基于改进遗传算法的电力系统无功优化研究

本文针对传统遗传算法存在的缺陷,引入人工免疫算法,改进的优化算法利用抗体的多样性和免疫接种机制,克服了早熟和后期寻优能力差等现象。通过对IEEE30节点进行系统仿真,改进的遗传算法具有很多方面的优越性,适用于求解电力系统无功优化问题。     

基于改进遗传算法的高校排课优化问题研究

针对高校排课工作量大等问题,提出了基于改进遗传算法的课表优化方案。以教学任务为基因进行编码,总课表(行为时间段,列为班级)为DNA随机产生若干个满足强制规则的初始种群,将遗传算法中的随机交叉改进为局部列完整交叉算法,随机变异改进为列内部随机互换算法,并通过若干代的迭代优化,促使最终生成一个科学合理的排课方案。实验仿真表明,课表适应度由最初的76.0提升至123.0,优化效果显著。     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题.将遗传算法应用于油田配电网无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进,提高了计算效率和全局寻优能力.通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法.     

基于改进遗传算法的油田配电网无功优化

遗传算法是一种模拟生物进化过程的优化算法,可用来求解包含离散化变量的复杂优化问题。将遗传算法应用于油田配电网无功优化,并对常规遗传算法的编码方式、遗传算子以及终止判据等方面进行改进,提高了计算效率和全局寻优能力。通过对油田配电网的分析和计算,结果表明该改进遗传算法应用于油田无功优化是合理可行的,其优化效果优于传统遗传算法。     

基于遗传算法的多传感器数据融合

文章给出了一个新的应用遗传算法技术的分级多传感器数据融合算法，各个传感器信息之间的关系用一种较新的模糊算子确定，与传统的集合论的并、交操作相比，它能更好地模仿人的推理。此外，遗传处法能近似最优地确定模糊算子的参数，使算法在信息源的可靠性，信息的冗余度／互补性以及进行融合的分级结构不确定的情况下，以近似最优的方式对传感器数据进行融合。     

基于改进遗传算法在无功优化中的应用

遗传算法是一种基于自然选择和遗传机制的搜索算法,适合于求解电力系统无功优化问题。对基本遗传算法进行改进,建立了以有功网损为目标函数的电力系统无功优化计算的数学模型。算法对IEEE14节点系统进行了无功优化计算,结果证明了算法的正确性和有效性。     

基于改进遗传算法的配网无功优化

针对配电网无功优化问题进行研究。以配电网络有功网损最小为优化目标,使用连接权重将配电网中的有功网络损耗、电压稳定性、补偿设备投入容量等多目标优化变为单目标优化。利用具有全局搜索能力的免疫算法与遗传算法相结合,从而提高了遗传算法的稳定性和适应性。最后通过IEEE 14节点的配网无功优化实例对所研究的改进遗传算法的优化模型进行分析。研究结果表明,使用改进遗传算法后的有功损耗相比常规遗传算法下降了0.28 MW,损耗降低率提高了1.37%,并且迭代次数明显降低,提高了优化的速率。     

改进的量子遗传算法及其在WMSN覆盖优化中的应用

对量子遗传算法进行了研究。量子遗传算法只使用一个最优染色体来指导种群的进化,极易陷入局部最优,本文对此进行了改进,提出使用多个精英染色体来指导整个种群的进化。讨论了精英染色体的产生、维护与作用,并在此基础之上提出了一种基于精英组的量子遗传算法(elite groupbased quantum genetic algorithm,EQGA)。最后,将EQGA应用到无线多媒体传感器网络的覆盖优化问题中。对比测试表明,EQGA求出的解比遗传算法和量子遗传算法求出的解都要好。     

基于改进遗传算法含风电场的配电网无功优化研究

针对基本遗传算法容易陷入"早熟",编程实现比较复杂,且交叉率与变异率大多依靠经验值等问题,提出了一种基于GA的改进的遗传算法,交叉概率与变异概率采用随个体适应度的值变化而变化的自适应取值方法,并且对控制变量采用随机多点交叉方式.研究了含风电场并网后对配电网网损的影响,分析了双馈风机的无功出力能力,将双馈风机作为控制变量参与到系统的无功优化中.并对风场的随机性与间歇性的特点,引入了风场随机出力的场景模型.以网损最小为目标函数,应用改进的GA算法对含风电场的IEEE33节点配电系统中进行了无功优化计算,并和基本遗传算法进行了对比,结果表明改进的GA有更好的全局寻优能力和搜索性能,证明了该算法的有效性.