基于改进混合遗传算法的贴片机贴装路径优化

贴片机的贴装路径是贴片机贴装速度提高的瓶颈。在深入研究了贴装路径优化问题的基础上,提出了一种三链的混合遗传算法。该算法根据拱架式贴片机的贴装数学模型,通过元器件拾取序列、贴放序列、喂料器排列三个子序列,设计了三链的染色体能同时解决贴装顺序优化问题和喂料器分配问题。计算结果表明,该算法能明显缩短PCB的贴装时间。优化效果较采用遗传算法和邻近算法更为明显。     

基于混合遗传算法的弹箭气动参数优化

弹箭气动参数是影响弹箭飞行运动的重要因素.在弹箭气动参数优化过程中,传统优化方法容易陷入局部最优解.为此,提出了混合遗传算法用于弹箭参数优化.它将传统模拟退火方法与遗传算法全局搜索能力相结合.仿真结果表明,混合基因算法比单一算法优化效果好.     

基于多目标混合遗传算法的变幅三铰点优化

以变幅油缸，转台，吊臂受力最小，基本工作臂长度最短为液压伸缩臂式起重机变幅三铰点机构设计的多重优化目标，建立优化设计的数学模型。利用MATLAB遗传算法工具箱求解寻求问题的最优解，多目标优化的处理采用混合遗传算法。     

一种混合遗传算法在PID参数优化中的应用

针对常规遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,设计了一种混合遗传算法,即在全局搜索的遗传算法中引入局部搜索的单纯形算法,并将其应用于PID参数寻优.仿真结果表明,此混合遗传算法寻优设计的PID控制器可以有效地提高寻优精度和收敛速度,具有很好的动态品质和稳定性.     

基于混合遗传算法的汽车动力总成悬置系统多目标优化

简述了动力总成悬置系统优化的能量解耦法和最小传递率优化方法。在此基础上,针对动力总成悬置系统的6自由度模型,使用一种新的并列分层多目标优化混合遗传算法,运用MATLAB对动力总成悬置的刚度进行了优化。结果表明,优化算法能够有效地完成优化工作并且可以使悬置系统的能量解耦率和传递率有明显的提高。     

一种面向成本优化的生产计划调度算法

建立了一种车间层的生产计划的成本优化模型,该模型是一个在时间约束、可重复使用和不可重复使用资源约束下的多模式项目调度问题;给出了解的定义,设计了一种时间可行的成本优化调度算法,通过改进成本优化调度算法达到时间一成本双优的目的;给出了模拟试验结果。     

一种基于混合遗传算法的车间生产调度的研究

车间生产调度问题(Job-shop scheduling problem,JSSP)属于NP完全问题,现在多使用现代优化算法来解决此类问题.本文将模拟退火算法、禁忌搜索算法的思想融入到遗传算法中,提出了模拟退火-交叉机制和禁忌搜索-变异机制,形成了一种适用于解决车间调度方面问题的新的混合遗传算法.三种算法取长补短,使得遗传算法局部搜索能力差和易早熟的缺点得以改善.同时运用这种混合遗传算法对经典车间调度问题进行了仿真.     

基于混合遗传算法的经费分配多目标规划研究

为了探索新的经费分配方法和管理模式,建立了一种新的多目标非线性规划优化模型,提出了基于正交试验的新型混合遗传算法来求解该问题。对求解过程中的选择算子、交叉算子和变异算子等进行正交试验,具体是通过交叉、变异来产生后代,后代与父代组成一个扩大群体,然后对这个群体的个体单独进行正交试验,并以正交试验的结果代替试验前个体,再通过排序选出最好的群体组成下一次遗传的父代,得到的种群个体明显优于基本遗传算法的个体。仿真结果表明,该算法收敛寻优能力强,并能产生很多次优解,是一种高效稳定的方法。     

基于混合遗传算法的动态车间调度系统的研究

分析了生产工艺计划与车间调度系统的集成原理，提出将CAPP模块与基于周期和事件驱动的滚动窗口调度有机地相结合，从而实现工序分段设计的CAPP系统和基于周期和事件驱动的滚动窗口再调度策略的生产调度系统的集成。在建立集成模型的基础上，对算法进行研究，把简单遗传算法（SGA）和模拟退火算法（SA）有机结合，使算法优化机制融合和优化结构互补，形成高效的混合遗传算法，使集成系统能适应连续加工过程中复杂的环境变化并高效地完成实时处理，减少突发事件造成的工序大范围的重新设计。实例验证了系统的可行性和有效性。     

订单型企业多目标生产计划的制定及其调度

针对制定订单式小批量生产计划问题,提出了一种使用动态随机投入产出函数来制定多目标生产计划的方法。针对生产调度问题,提出了联合使用最长加工时间优先(LPT)与遗传算法(GA)的混合遗传算法(HGA)来求解混合流水线的调度,并给出了一种新的编码方法,选择了相应的交叉和变异方法。研究结果表明,该计划制造方法能较好地满足订单型企业的随机性要求,而且生产计划编制效率高。该编码方法在保证染色体合法性的同时也保证了算法本身的随机性。某轧辊厂的实际案例分析结果也验证了所提出的订单型企业多目标生产计划的制定及其调度方法的可行性。     

多目标遗传算法的混合动力传动系参数优化

对基于超级电容的混合动力客车(hybrid  electric bus,HEB)进行了混合动力传动系多目标参数优化设计。通过CRUISE建立HEB整车仿真模型和传动系多目标参数优化模型,以等效燃油消耗量和加速时间为优化目标,同时运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)和iSIGHT优化软件对HEB传动系参数进行多目标优化,并进行了HEB性能仿真分析。结果表明,与优化前相比,优化后的等效燃油消耗量降低了
7.8%,连续换挡加速时间减少了6.5%。
     

遗传算法在混合动力汽车控制策略优化中的应用

提出了一种基于浮点数编码遗传算法的混合动力汽车控制策略参数优化新方法。以一辆实际混合动力汽车样车的逻辑门限控制策略为例，分析并建立了控制策略参数优化的有约束非线性规划模型，其目标函数包含最小化油耗和排放。提出了采用稳态进化模型和浮点数编码遗传算法的参数优化方法，用于求解一组最优的控制策略参数。仿真结果表明，该方法可以找到一组全局最优的参数，将其用作离线参数优化，可以大大缩短控制器的实车标定时间。     

基于混合退火遗传算法的圆柱蜗杆传动模糊优化设计

针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法.在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能.并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计.     

插装式比例节流阀多目标遗传算法结构优化

提出了插装式比例节流阀先导级结构参数优化设计方法。在插装式比例节流阀非线性数学建模的基础上,通过仿真研究了先导级结构参数的改变对整阀动态特性的影响规律。为提高设计效率,充分考虑了优化过程中各参数的约束条件。提出了基于多目标遗传算法的插装式比例节流阀结构优化方法,以提高其动态特性。对优化前后的整阀动态特性进行了验证。研究结果表明:基于优化设计方法设计的整阀动态特性显著提高。     

基于模糊理论、遗传算法和神经网络的切削参数混合智能优化

提出一种基于模糊理论、遗传算法和神经网络的混合智能优化技术,给出优化目标的优化数学模型,详细叙述了遗传算法的寻优过程,模糊理论的应用及神经网络的训练和学习获取优化切削参数的技术,并给出各种优化目标下的切削参数混合智能优化与普通搜索方法的对比实例。     

基于遗传算法的深海集矿车避障路径规划方法

本文主要研究和利用遗传算法实现深海集矿车避障路径规划的方法。将连续的路径离散化，并用随机数模拟各路径种群。把二维的路径转化为一维，生成简单的路径基因，提出了物理意义明确的适应函数和相应的变异算子，从而引导遗传算法快速收敛于最优解。实验仿真表明，该算法能够快速、稳定的搜寻到所需的最佳路径。     

基于遗传进化算法的机器人全局路径规划

研究了机器人在已知环境下用遗传进化算法进行最优路径搜索的方法。在此方法中，把二维编码简化为一维编码，提高了搜索的速度；把障碍物作为排斥子，提出了简单、确定的适应度函数；最后提出了对路径的转折节点处进行平滑处理的方法。仿真实验证明了该方法能够得到机器人行进的最优化路径。     

混合遗传算法进行离心叶轮优化设计

利用自适应交叉遗传算法和生物生长算法的特点，提出一种新的优化方法——混合生物生长自适应交叉遗传算法。该方法既充分利用了遗传算法全局寻优和生物生长法快速收敛的优点，又弥补了遗传算法收敛速度过慢和生物生长法过分依赖结构初始形状的不足。为了验证优化方法的正确性和合理性，对某三维离心叶轮进行优化设计，结果表明，混合算法较单纯采用遗传算法收敛速度快，且可得到形状优化最优解。     

基于遗传算法的拆卸序列规划研究

为得到满足实际需要的产品拆卸序列方案,减少人工输入所带来的不便,利用联接矩阵和干涉矩阵,构建了产品拆卸序列的数学模型;利用干涉矩阵和联接矩阵,产生满足几何约束条件且经过初步优化的拆卸序列;利用基于拆卸序列规划的遗传算法,优化了上述拆卸序列;通过实例验证了此种基于遗传算法的拆卸序列规划方法的可行性及实用性。