基于模拟退火遗传算法的自动化立体仓库路径优化

为提高自动化立体仓库出入库操作的效率,提出了将遗传算法和模拟退火算法相结合的路径优化策略,遗传算法的每个染色体都代表一组货单组合,遗传操作包括选择、交叉、变异3种类型。为获得适应度函数,建立了货位分配优化的目标函数,并在适应度函数中融入模拟退火算法,以提高遗传算法的收敛速度。仿真和工程应用结果均表明,该方法能大大缩短堆垛机的运行时间,提高自动化立体仓库的使用效率。     

离散变量结构优化设计的改进遗传算法

提出一种整数编码的改进遗传算法,它采用(—1,0,1)局部寻优算子,并提出寻优基点的选取策略,提出了重要约束罚项的概念来处理不同组合相同适应度的问题,以此来改善遗传算法后期收敛速度慢和不成熟收敛的问题。通过算例表明,这种算法对于离散变量的结构优化可以取得较快的收敛速度和较好的收敛结果。     

基于改进遗传算法的系统可靠性分配优化

为了实现系统可靠性分配的优化,以研制成本为目标函数,通过修正广义成本函数,建立系统可靠性分配优化模型。结合可靠性单元的复杂度、技术成熟度、工作时间、使用环境实现广义成本的定量评估。根据模型特点,改进基本遗传算法进行问题的求解。通过多种群进化策略减少未成熟收敛的发生,构造带有惩罚项的适应度函数实现多个约束条件的融合,并选择适当的遗传算子提高遗传算法效率。通过算例证明新算法在模型求解方面具有更高的搜索效率。     

一种基于改进遗传算法的神经网络优化算法研究

遗传算法是目前优化搜索算法中应用比较广泛的一种,但基本遗传算法存在收敛速度慢、易于陷入局部最优等缺点。针对上述问题对遗传算法(GA)的选择算子进行改进,在最优保存策略的基础上将每代种群按照适应度由小到大排序,平均分成前中后3段,按照0.6、0.8、1的比例进行选择;从尾段中随机抽取个体来补足种群由于选择操作而损失的个体;既利用了最优保存策略的全局收敛特性同时也保持了种群的多样性;用改进的遗传算法调整神经网络的权值形成了新的改进遗传算法优化BP神经网络(IGA-BP);通过与选择算子为适应度比例选择算子的GA-BP网络进行比较,结果表明算法改进后缩短了收敛时间同时减少了运行误差;最后将该改进算法应用于水泥回转窑的故障诊断中,验证了算法的可行性。     

基于AGA-WOA算法融合的移动机器人路径规划

传统遗传算法的缺陷在于搜索过程耗时较长,容易出现局部最优解.为解决这一问题,本文提出改进适应度函数的方式对遗传算法进行改进,并将鲸鱼优化算法与改进后的遗传算法结合.AGA-WOA融合算法利用鲸鱼优化算法提高遗传算法算子的优良性,可降低搜索范围,降低传统遗传算法的工作量,尽力规避出现局部最优解的情况.     

桥式起重机箱型主梁的改进遗传算法优化设计

在遗传算法原理的基础上,首先对遗传算法中的选择算子进行改进优化,将优胜劣汰的思想融入到遗传算法中,从而保障最优基因能迅速地遗传到后代,加速收敛。然后通过时刻改变惩罚项和障碍项动态调整适应度函数,避免算法止于局部最优。最后,将改进的遗传算法应用于桥式起重机箱形主梁的优化设计中。     

基于改进遗传算法的悬臂起重机悬臂梁优化设计

针对悬臂起重机材料冗余量大、生产成本高的问题,在深入研究优化设计算法的基础上,通过分析悬臂起重机悬臂梁的受力情况,结合悬臂梁多采用工字钢的特点,将离散变量结构优化技术与遗传算法相结合,提出了基于改进遗传算法的悬臂起重机悬臂梁优化设计方法,构建了离散变量结构优化的数学模型和适应度函数,实现了悬臂梁结构的优化设计,验证了该优化设计方法的有效性,降低了生产用钢量,对工程应用具有一定的指导意义。     

遗传算法中适应度函数的改进术

遗传算法引导搜索的主要依据就是个体的适应度值,因此适应度函数的设计显得尤为重要。本文兼顾保持种群的多样性和算法的收敛性,提出了一种基于指数变换的、指数系数可随进化代数动态调整的非线性适应度函数。以两个典型的测试函数为例,在相同的遗传操作和参数下,分别采用本文提出的适应度函数、线性拉伸变换及一般的指数变换适应度函数进行优化计算,计算结果表明采用提出的新适应度函数能极大地提高算法的优化精度、收敛速度和收敛概率。     

微遗传算法及其在混流泵叶轮优化设计中的应用

提出了一套针对多参数复杂工程问题的微遗传优化算法,该算法能够在使用较少遗传个体的前提下,高效搜索出解空间中的全局最优解.其中心思想是,在基本遗传算法理论的基础上,添加了多重优势个体选择策略、重启动策略等优化策略,并对基本遗传算子进行改进,同时加入了小生境、保留最优值技术,提高算法性能.采用二元理论对混流泵叶轮进行设计,选取叶轮进出口边沿轮缘流线长度与速度矩分布函数首项系数为优化变量,以水泵效率作为目标函数,使用微遗传算法进行优化设计,结果表明:微遗传优化算法高效实用,水泵效率较优化前有明显提高.     

一种求解作业车间调度问题的改进遗传算法

针对最小化最大完工时间为优化目标的作业车间调度问题,提出了一种改进的遗传算法。设计了一种新的适应度函数来提高个体的区分度;采用轮盘赌法并结合精英保留策略来选择个体;对优先工序交叉法进行了扩展,在迭代时随机选取进行交叉操作来提高种群的多样性;采用互换法进行变异操作。然后,通过动态交叉与变异概率来提高算法的寻优能力和收敛速度,分析了动态概率调整函数的五种不同形式对算法性能的影响。最后,以Ft06基准算例验证了算法的有效性与可行性。