基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

面向安全服务重组多目标优化的粒子群遗传算法

遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率.     

粒子群优化算法及其与遗传算法的比较

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向。将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型。仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能。     

基于量子遗传算法的回焊炉参数设定

针对传统的表面贴装工艺不能适应高质量和高效率生产的问题,提出了一种基于量子遗传算法的回焊炉参数设定方法来优化回焊炉的炉温曲线。为求解回焊炉内温度分布情况,建立炉温曲线模型;在满足约束条件的情况下,建立以覆盖面积最小、对称程度最高为目标的优化模型。为提高算法效率与炉温曲线质量,求解过程采用量子遗传算法,并与其他算法进行比较分析。仿真与求解结果表明:采用量子遗传算法求解收敛速度快且结果更优,使用所述模型与算法确定回焊炉工艺参数可以得到更优的炉温曲线,提高回流焊产品的质量,降低生产成本,满足当前电子产品更新迭代快、竞争激烈的需求,增强企业核心竞争力。     

基于关系网络的新型学习控制

设计了一种不同于传统智能算法如自适应控制与模糊控制等的智能控制算法,该算法基于目标输入关系网络, 借鉴强化学习的思想,采用输出试探与评价进行学习,是一种模型无关的控制算法,该算法可以与随机优化算法结合,通 过实验,验证了其在控制过程中有效性,并通过与遗传算法结合,验证了与遗传算法相结合的该智能算法的控制效果。     

图像情感语义分类及检索研究

提高情感语义映射和检索的准确率是图像检索的研究主题。在情感语义映射模型中,将图像的形状七阶矩和颜色矩作为模糊神经网络的输入,对网络的权值和阈值进行二进制编码,作为遗传算法的染色体串,通过遗传算法寻优得到情感语义映射效率最高的个体编码。在检索模型中,用遗传算法对图像匹配算法进行优化,直接找到最适合匹配的子模板坐标。相比传统的序贯相似检测算法,模型大大提高了图像匹配的效率。通过查全率与查准率的对比结果可知,经遗传算法优化后,图像情感映射和检索的性能均得到了明显提升。     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的 Job shop生产调度问题 ,建立了基于模糊规划理论的不确定 Job shop调度模型。在采用两种模糊运算的基础上 ,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法 ,通过仿真数据说明了所建模型及算法的有效性 ,并就结果进行了讨论     

基于遗传算法和差分进化的高速冲床运动学优化

提出一种可以实现自身动平衡的高速冲床的新型传动机构。针对优化算法的缺陷,提出一种遗传算法与差分进化相结合的混合算法,并阐述了该算法的流程。将该机构简化,进而建立其优化模型。利用混合算法对其进行优化,得出优化前后冲压滑块的运动学特性比较图。结果表明,优化后的结构在高速冲压时具有更好的输出运动特性,表明该算法是一种非常切实有效的优化算法。     

盾构刀盘刀具布置优化算法比较

盾构刀具作为掘进过程中的切削工具,选型与布置影响着盾构的使用性能。结合直径Φ8 810 mm的盾构刀盘实例,将质心分布重合、破岩刀间距、最优切削效率、布刀位置不干涉等约束转化为数学不等式,建立带约束的数学优化模型;确定径向载荷、倾覆力矩最小为目标函数;对比分别采用传统优化算法、标准遗传算法、多目标遗传算法优化计算后刀盘受力情况。研究结果证明采用优化算法优化刀盘刀具布置的可行性。优化后倾覆力矩及径向不平衡力均减小,多目标遗传算法布置方案明显优于另两种优化方案,在今后解决刀具优化布置问题时可作为首选。     

基于遗传模糊算法爬壁机器人避障仿真研究

为解决爬壁机器人壁面作业过程中的避障问题,课题组提出了基于遗传算法优化的模糊控制算法。首先,建立了爬壁机器人在壁面的运动模型,求解出机器人运动学方程;利用平面栅格的方式进行描述机器人运动路径的规划;采用遗传算法对爬壁机器人模糊避障控制进行优化,并给出具体优化步骤。利用MATLAB进行仿真实验,仿真结果表明：与遗传算法进行比较,基于遗传算法优化的模糊控制在准确避开障碍物的前提下,能够更好地跟踪起点和目标点的连线,并规划出从起始点到目标点之间更短的路径。     

一种改进的混合遗传算法及其应用

将遗传算法和模拟退火算法进行了有机结合,并采用一种自适应的交叉和变异概率,提出了一种改进的混合遗传算法--自适应的模拟退火遗传算法.通过旅行商问题的仿真实验,对比遗传算法和模拟退火算法的实验结果,这种混合遗传算法改进了传统遗传算法的性能,并且提高了整个算法的收敛速度,拥有更好的优化性能.     

遗传算法及其在电力系统无功优化中的应用

遗传算法是基于自然选择规律的一种优化方法,算法能成功地解决无功变量中的离散问题,避免常规数学优化方法的局部最优现象。本文阐述了遗传算法的特点以及遗传算法与其它算法相结合的算法在电力系统无功优化中的应用。     

免疫遗传算法的研究及其应用

遗传算法作为一种生物进化计算模型,在优化计算中得到了广泛应用,但其存在的缺陷,影响了其在一些问题求解中的正确性和有效性。将生物免疫算法与遗传算法相结合,提出一种改进的免疫遗传算法（IGA）,并用IGA对PID参数寻优,仿真结果表明：该算法大大提高了控制的动、静态性能。     

混合威布尔分布参数估计的L-M算法

混合威布尔分布模型常用来分析具有多种失效模式的机械系统或零部件的可靠性寿命数据,为提高混合威布尔分布未知参数估计的精度,利用非线性最小二乘理论,建立了小子样条件下两重混合威布尔分布参数优化估计模型,将L-M算法用于优化求解。以概率图参数估计法的结果作为迭代初始值,提高了迭代求解的速度。计算实例表明利用该方法估计混合威布尔分布参数是可行的,而且能够获得较精确的结果。     

基于改进GA的四杆机构优化分析

选取四杆机构的最小跟踪误差和传动角与直角的偏差最小为其优化目标,建立四杆机构优化模型,并利用遗传算法对四杆机构进行优化分析。对传统遗传算法的交叉概率与变异概率进行了改进,以克服其容易陷入局部最优的缺点。通过实验分析表明,不同的权系数对优化目标具有不同的影响,所提出的改进算法比传统的遗传算法具有较高的跟踪精度和较好的运动性能,更适用于四杆机构的优化。     

一种换热器网络优化新方法

基于遗传算法和神经网络的多层感知器模型的有机结合,提出一种优化换热器网络的新算法和一种新的编码方法－基因矩阵,这种算法根据遗传适应度（目标函数）的大小,以随机搜索方式寻找在求解区域的最优解,采用神经网络多层感知器模型实现换热器网络的结构优化和参数变化。经过遗传－感知模型优化并与外逼近算法做了比较,表明采用此法优化多维、多峰、非凸的换热器网络也具有很好的适应性。     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

基于遗传算法的多源多周期采购决策优化

为了降低供应链网络采购成本同时避免单源采购的风险，课题组研究了多源采购中多周期和多原料的供应链订单分配问题。考虑价格折扣和采购量的约束，建立了以期望成本最小化为目标的非线性规划模型，并采用遗传算法进行优化计算。设计了遗传算法双层编码染色体及相应的遗传算子，以MATLAB为平台进行优化。将算例分别采用遗传算法和启发式算法进行计算，计算结果验证了所设计的遗传算法是有效的。该研究可以协同优化多制造商对多供应商的订单分配问题，降低采购风险。     

二型模糊系统在音频信号分类中的应用

针对数字音频信号分类问题提出了基于二型模糊集合理论的C均值聚类算法,并在此基础上应用跳跃基因遗传算法对聚类得到的初始模糊模型进行优化,最后采用向量相似性测度准则对优化后的模糊规则集合进行简化,得到最终的模糊分类器模型。与传统的一型模糊集合相比,二型模糊集合可以掌控更多的不确定性信息。基于二型模糊集合理论的C均值聚类算法对样本分布不均匀、结构不规则的样本集的聚类效果更精确。实例仿真结果对比显示,应用二型模糊C均值聚类算法的音频信号分类器比应用一型模糊C均值聚类算法的分类器得到的分类结果更准确。