求解作业车间调度问题的一种自适应遗传算法

针对作业车间调度问题,提出了最小化空闲时间的处理过程及其变异算子,设计了一种自适应遗传算法.该算法根据个体的特征确定交叉和变异次数,并根据种群特征不断修正种群.经典的调度基准问题测试表明:自适应措施能够有效保持种群的多样性,可以采用非常小的种群规模;最小化空闲时间的变异算子缩小了算法的搜索空间,大大提高了搜索效率.     

基因表达式编程种群多样性自适应调控算法

为了解决基因表达式编程GEP种群多样性控制问题,提出了一种新的带权种群多样性的自适应调控方法。设计了带权的种群多样性测度方法,详细分析了选择、交叉及变异算子对种群多样性的影响。提出了初始种群的多样化算法DAIP,以保证初始种群多样性的最大化。设计了自适应的交叉和变异算子,提出了种群多样性自适应调控算法APDTA,使种群在进化过程中维持合适的种群多样性,进而提高进化效率。实验验证了APDTA的有效性。     

路由选择的一种新遗传算法

提出了应用于QoS路由选择的一种新遗传算法,该算法给出了基于跳数优先原则的初始种群生成办法,以及邻近交叉和前向变异两个关键算子。算法的主要优点表现为初始种群生成独立于网络拓扑的度量参数,交叉产生了多样性新个体,以及变异有效抑制算法退化等。对随机生成的不同规模的网络拓扑结构进行仿真,结果表明该算法是有效的。     

四轮式移动机器人非完整运动控制

针对四轮式机器人做非完整运动时系统的非完整性的问题,将四轮式机器人运动规划转化为非线性控制系统的优化问题。提出了对优化变量进行浮点数编码的改进遗传算法,使系统控制精度得到改善。同时将改进的遗传算法采用最优个体保留策略,设计交叉参数和自适应变异参数,确保算法具有良好的收敛性。通过数字仿真实验,证明了该方法的对四轮式机器人非完整运动规划问题具有可操作性。     

优化汽车故障诊断神经网络的改进遗传算法

为了优化汽车故障诊断神经网络的权值和网络结构,改进并设计了遗传算法.在保证种群多样性的条件下,将种群规模降低到最小;引入BP算子,与交叉和变异算子共同竞争,自适应调整运算概率;引入个体间的广义海明距离用于保持种群的多样性,引入连接权的敏感度用于优化网络结构.算法对比测试表明,改进后的遗传算法能够在优化权值的同时优化网络结构,减少了内存占用量,保证了种群的多样性,提高了算法的运行速度和收敛效果.     

面向绿色制造的柔性作业车间调度优化

针对面向绿色制造的柔性作业车间调度问题,建立了以完工时间最优、能量消耗和环境影响最小为目标的调度模型,并采用遗传算法对模型进行求解。根据模型特点,采用机器染色体和工序染色体两种编码,并对初始种群的形成机制进行改进,采用精英策略和锦标赛法进行种群选择,两种染色体分别进行交叉和变异操作。最后通过实例对改进的遗传算法进行测试,并与其他方法的测试结果进行比较,验证了该算法的可行性和有效性。     

基于宗族进行裂变选择的自适应遗传算法

提出了一种改进的自适应遗传算法,在选择算子中引入裂变选择的思想,避免种群中超级个体的出现,维持了种群的多样性。该算法改造了交叉算子和变异算子,提高了算法的收敛速度,避免早熟。同时,提出了在宗族中构造子代种群的思想,提高了算法的寻优效率。仿真函数优化的结果验证了该算法能有效地维持种群的多样性并迅速找到最优解。     

基于最小一乘的GA-SVR用电量预测

基于最小一乘准则和交叉验证思想下,提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准,提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优,加快了训练时间,提升了预测精度,同时,交叉验证方法的采用,又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明,其预测精度要优于传统的支持向量回归模型和一般的粒子群优化支持向量回归模型。     

快速遗传算法研究

提出了一种称为广义自适应遗传算法的快速遗传算法,它首先产生均匀分布的初始种群,其次根据种群模式的状况决定是否引入“高品质”移民,最后自适应地进行交换和变异运算。其搜索性和全局收敛性比现有的许多遣传算法都有明显的改善,并通过仿真说明了该改进遣传算法的有效性。     

参数对简单遗传算法性能的影响

研究了遗传算法对优化结果的影响，并给出了参数对优化结果的曲线。说明N（种群大小）、（杂交率）、（变异率）对迭代次数及优化结果均有一定影响，从而为改进遗传算法的提出给予理论上的支持。     

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.     

基于GAs/PSO组合算法的水轮机调速系统PID参数寻优

提出了一种基于GA s/PSO组合算法的P ID控制器参数自整定方法,这种方法兼有遗传算法(GA s)和粒子群算法(PSO)的优点。组合算法种群由GA s和PSO的最佳个体迁移形成,其中GA s采用了实数编码和变异概率自适应,PSO算法采用了带指数衰减的惯性因子的速度更新算法,以加快收敛速度。通过对水轮机调速系统P ID控制器参数寻优仿真比较表明,该组合算法寻优性能比单独的GA s和PSO表现更为优异,且所得系统具有更好的动态性能。     

遗传算法在模糊控制规则优化中的实现

介绍了遗传算法的基本原理及实现步骤,结合气调温度模糊控制器的实例,讨论了其在模糊控制规则优化中的实现,即遗传编码、交叉运算和变异运算。该优化算法为模糊控制器的设计提供了一个正规的可遵循的方法。     

基于改进麻雀算法的卷绕张力控制系统

为了在卷绕系统中建立稳定的张力控制系统，课题组使用自抗扰控制器设计了控制系统。提出采用麻雀算法(SSA)优化整定自抗扰控制器的参数。针对SSA以跳跃的方式寻优、已陷入局部最优和原点收敛性强的缺点，提出基于粒子群算法(PSO)的改进麻雀算法(PGSSA)；该方法引入了PSO的速度算子，修改麻雀算法的发现者和跟随者的位置来更新公式，增强麻雀算法的全局搜索能力。由于麻雀算法的种群多样性比较差，提出引入遗传算法的交叉和变异操作，以保证种群的多样性，避免PGSSA过早陷入局部最优。选择复卷机的收卷过程作为控制对象模型，利用MATLAB/Simulink软件平台，分别采用PGSSA和SSA对ADRC控制器和PID控制器参数进行仿真。结果表明：PGSSA的收敛速度和精度都优于SSA。ADRC控制器对扰动的反应速度和抑制能力、阶跃响应的性能指标优于PID控制器。     

模糊自适应PID对保险粉合成pH值的控制研究

保险粉合成过程pH值控制存在非线性、时滞性、不确定性问题,采用常规PID控制结合人工控制的方式无法实现参数自调整,对pH值的控制很难达到预期效果,为此,提出了模糊自适应PID控制方法。介绍了保险粉合成原理及反应方程式,分析酸碱中和pH值控制并确定系统的传递函数,设计了模糊自适应PID控制器,通过Matlab/Simulink进行仿真分析,并进行了实验验证,结果表明：模糊自适应PID控制与常规PID控制相比,具有超调量小、调节时间短、抗干扰能力强等优点,实现了对pH值的有效控制。     

在子集条件约束下的最大熵分布及其应用

介绍了有关熵的概念及计算方法,并将其应用于构建一类新的分布估计算法(EDAs)。该类分布估计算法用基于最大熵估计种群中的模式概率分布和从最大熵分布中抽样取代遗传算法(GA)的交叉和变异,产生新的种群。在该类算法中,二阶连接模式算法由于只使用了连接模式,在解决变量之间相互作用趋向于发生在串中相互靠近的变量之间的一类问题时,比遗传算法更好。     

基于改进遗传算法的单级多项目无能力约束生产批量问题研究

通过对单级多项目无能力约束生产批量问题(SMULP)模型进行分析，得出了一些重要的结论．分析了基本遗传算法的缺陷及其产生的原因．对该问题在遗传算法的编码、适应度函数、选择复制操作、交叉方法、交叉概率、变异概率和终止条件等各个环节进行了改进．采用VB6．0对SMULP改进遗传算法编程实现，能很好地与ERP软件集成．并对SMULP改进遗传算法进行了性能分析．     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

基于改进遗传算法稀化立体天线阵的优化设计

针对立体共形载体天线阵方向图的高旁瓣高成本优化问题,提出了一种基于惩罚函数下保证稀化率的改进型遗传算法降低阵元数防止栅瓣。以每层天线单元的栅格编号(ij)来设定变量位置,经GA选择、交叉、变异操作改进后植入含递增系数的惩罚函数,初始化种群基因降序,降低复杂度和防止区域早熟。在种群的稀化率满足约束条件下优化天线阵方向泛函,避免在优化过程中出现不可行解,并使阵列欧式间距达到最优切比雪夫间距。以最优目标函数降低旁瓣电平峰值,在俯仰和方位上易于电扫描,其仿真数据表明:GA稀化阵列的峰值电平比现有方法改善了1.07～1.37 dB,方位和俯仰方向的旁瓣电平和栅瓣数归一化后明显降低,能提高阵列主瓣的增益和方向性,降低阵元干扰,改善天线信号的稳定性和包络阵列的收敛性,提高雷达天线阵收发信号的穿透性。     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。