基于免疫算法的拱架式贴片机贴装过程优化

提出一种免疫算法来优化带多头的拱架式贴片机贴装过程。通过设计合理的问题编码、免疫算子以及参数,对贴装过程进行优化求解,并与遗传算法进行比较。以4贴片头的贴片机为例,对13个案例进行计算,得到免疫算法解的质量均要比遗传算法提高5%~10%,且每个实例的平均计算时间减少10%~25%。结果表明免疫算法比遗传算法更加有效。     

基于伞布搜索法的贴片机贴装顺序优化算法

以多贴装头直列式贴片机为研究对象,对喂料器已指派情况的元件贴装顺序优化问题提出了一种新的基于伞布搜索算法(SS)的优化算法.首先介绍了SS算法初始种解的生成方法以及如何保证初始种解的多样性的方法.其次讨论了待评估解的改良算法的设计思路和实现方法.其后提出了SS算法种群参考解集的生成和合并规则以及重复解的判定方法.最后将本文提出的SS算法与GA算法用38块评估板进行比较,结果表明算法SS比GA优化效果更好.     

基于模拟退火算法的PCB走线优化分配

文章针对PCB走线自身的特点，提出了基于模拟退火算法。MATLAB仿真表明，该算法具有较高的控制精度和良好的动态特性，同时也具有较好的实时性和有效性，能有效提高PCB走线布局的效率，达到提前完成项目和减少多层电路板的目的。     

多功能贴片机程序优化方法

贴片机是SMT生产线中的核心设备,其生产效率的高低将影响着整条生产线的产出,因此提高其生产效率具有十分重要的意义。相比较于高速机,多功能贴片机程序优化的原则更为复杂,制约的条件也更多。该文着重探讨了多功能贴片机程序优化的思想、方法与经验,以供相关技术人员参考。     

基于一种混合遗传算法的移动机器人路径规划

移动机器人路径规划问题一直是机器人学研究的核心内容之一,而遗传算法作为智能仿生学算法在路径规划中得到了广泛的应用。针对传统遗传算法存在局部搜索能力差的问题,文中研究在已知环境下运用一种基于遗传算法和模拟退火算法相结合的技术对移动机器人进行最优路径的规划方法。算法采用栅格法对环境建立模型,同时在遗传算子中添加插入算子和删除算子以优化路径。Matlab仿真实验结果表明,该算法相对于基本遗传算法的收敛速度,搜索质量等有了明显的提高。     

基于TSP问题的混合遗传算法研究

文章在介绍遗传算法和混合遗传算法思想的理论基础上,分析了遗传算法的主要优缺点和改进算法的有效性原则,利用模拟退火算法的局部寻优能力提出了一种改进的遗传模拟退火算法。结合两者的优点,对其中的选择、交叉和变异操作进行了改进,并将其运用到TSP问题的求解之中。同时,给出了算法的具体实现过程,并进行了仿真实验,证明了混合算法的有效性。     

基于混合遗传算法的关系数据库多连接查询优化策略

改进了基于模拟退火遗传算法的代价评估的计划查询优化策略.其基本思想为:将多连接查询按遗传算法步骤求解,其中选择操作采用最优选择法、交叉和变异操作采用自适应算子,然后对其结果进行退火操作以产生下一代.     

应用于贴片机贴装顺序优化的遗传算法的比较和改进

元件贴装顺序优化是决定贴片机生产效率的关键问题,传统的解决贴装顺序优化问题的方法有遗传算法,蚁群算法,SS(伞布搜索法)等。使用较多的还是遗传算法。遗传算法中包含选择算子、交叉算子、变异算子,且编程思想简单,但容易出现局部最优,过早收敛等情况。在此,通过对遗传算法在贴装顺序优化应用的结果比较找到一种更适合的遗传算法,使之拥有较快的收敛速度和全局优化性。     

基于改进混合遗传算法的信道分配研究

用遗传与模拟退火相结合的混合算法对信道分配问题进行研究,并通过加入"寻优式爬山"与大规模基因突变两种优化方法对混合算法进行改进,克服了一般遗传算法收敛速度慢以及易于陷入局部最优解的缺点。给出了算法的实现流程,并针对几个典型信道分配问题对一般遗传算法、遗传与退火混合算法、改进后的混合算法进行仿真。仿真结果证明改进算法较其他2种算法至少节省80%的时间,并具有更好的稳定性,是解决信道分配问题的一种很好的算法。     

基于混合遗传算法的正交相位编码波形设计

提出一种混合遗传算法来设计可以应用于MIMO(多输入多输出)雷达系统的正交相位编码信号.该算法将模拟退火的思想引入遗传算法并加入了最优保存策略、小范围竞争择优交叉操作和过滤相同个体并动态补充新个体的操作,避免了遗传算法中的早熟问题,增强了算法的全局搜索能力,提高了算法的收敛速度.仿真结果表明,该算法可行且高效.     

神经网络优化计算的新方法

本文在Hopfield神经网络优化方法的基础上，根据模拟退火算法逃离局部最优解的原理，提出了一种神经网络优化计算的新方法．通过调整神经网络的连接权，网络的演化不仅可以逃离目标函数的局部最优解，而且可以改善目标函数的局部最优解．实验结果表明，新方法求解最优解所需的计算时间比模拟退火算法少得多．     

基于遗传算法的微波电路优化方法

根据遗传算法的基本理论,并结合微波电路优化设计的特点,对传统遗传算法的部分操作提出了改进措施。将其与DFP算法相结合,研制出能够较好收敛到最优值的算法。应用于微波电路CAD中,证明了其有效性和实用性。     

一种新的基于混合蚁群算法的聚类方法

建立了聚类分析问题模型，分析了K-均值算法、模拟退火算法和基本蚁群算法的优缺点。对蚁群算法作了改进．思路是K-均值方法混合，利用K-均值方法的结果作为初值。经过比较测试，两种混合蚁群算法的效果都比较好．特别混合方法二的效果最好。     

基于遗传模拟退火算法的DNA多序列比对研究

针对生物信息学中DNA多序列比对问题,提出了一种基于遗传算法和模拟退火算法相结合的求解算法:在遗传模拟退火算法中,利用模拟退火算法针对遗传算子进行改进来提高算法的效率,由遗传算法进行全局搜索,模拟退火算法用于局部寻优,防止遗传算法的早熟收敛。通过与经典比对算法ClustalX和经典遗传算法进行比对研究,结果表明该算法是有效的。     

基于整数规划的PCB贴装时间优化算法

PCB组装时间取决于2个因素：包含元件的吸料器位置和元件的贴放顺序。综合考虑这2个因素，提出基于整数规划的PCB组装时间优化模型，并论证可转化为TSP和MWMP问题，从而利用已有算法求得模型的近似最优解。     

最小化拖期任务数并行机调度问题的一种基于知识的遗传算法

本文研究了最小化拖期任务数并行调度问题,提出了一种基于知识的遗传算法,并在问题的描述、遗传算法编码、初始种群的产生办法、交叉方法、变异方法等方面作了研究,不同规模问题的数值计算结果表明了本文提出的基于知识的遗传算法优于目前为止最好的启发式算法和普通的遗传算法,并且能适应于较大规模的并行机调度问题。     

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。     

基于混合遗传算法的多目标问题规划

遗传算法在问题优化中的应用已有了许多研究，但对于大型多目标规划问题而言，由于其问题特性和计算量大而限制了遗传算法的应用。为探索新的问题求解方法，提出了一种基于遗传算法和梯度算法的问题优化混合算法。用梯度法每次迭代得到的结果来改进遗传算法的群体，而用遗传算法的最优个体与梯度算法的迭代解相比较，选择其中的最优点作为梯度法下一步迭代的初始点。通过保持迭代过程的最优解，加快了搜索速度，并保证收敛于全局最优解。算例表明该方法兼具遗传算法的全局搜索能力和梯度算法的局部搜索的特点，且具有良好的工程适应性。     

遗传算法多极值函数优化及其在MUSIC算法中的应用

本文就遗传算法解决多极值函数优化问题的方法进行了分析总结,提出了一种基于多生境排挤机制的改进算法,并将其应用到ＭＵＳＩＣ谱的谱峰搜索过程中。实验证明,改进后的方法较原算法计算效率更高,能够在一次搜索过程中同时确定目标函数多个极值点的位置。对于ＭＵＳＩＣ谱谱峰搜索问题,计算量较等步长遍历搜索节省在两个数量级以上．