一种求解TSP问题的改进遗传算法

TSP问题是一类经典的NP完全组合优化问题，传统的优化方法由于计算复杂性过大而难以求得全局最优解。遗传算法等智能优化算法在求解这类组合优化问题中表现出了强劲的潜力。作者利用遗传算法对TSP问题进行了研究分析，针对几组benchmark数据进行了仿真实验，在实验的基础上探索了遗传算子和遗传参数的优化设计，实验结果证明了遗传算法在解决TSP问题上的可行性和有效性。     

遗传算法对多层旋波媒质本构关系的优化(英文)

运用遗传算法对连续变化的多层旋波媒质的本构关系进行了优化,设计了新的编码方案,用波分法对与编码相应的多层旋波媒质的电磁散射特性进行计算,通过进化筛选,得到了由多层旋波媒质材料构成的具有较好吸波性能的本构关系曲线。结果表明遗传算法在优化设计中的编码灵活,具有全局搜索等优越性.     

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。     

离心泵内部流场性能优化

为了提高离心泵的工作效率，课题组根据设计要求对其进行水力计算，利用CFturbo软件对离心泵进行三维造型设计，将模型导入ANSYS ICEM进行网格划分，利用FLUENT求解器对不同流量工况进行数值模拟计算，比较不同工况下的流场分布。此外，通过数值模拟方法对水泵进行扬程、轴功率和效率等性能参数计算，并将结果与CFturbo的预测值进行对比，结果显示二者的性能曲线趋势基本一致，运用遗传算法对离心泵的水力性能进行优化，对比优化前后的性能曲线，结果表明优化后离心泵的工作效率得到提高。     

含约束条件遗传算法在连续催化重整优化操作中的应用

介绍了通过惩罚函数法解决含约束条件遗传算法的实现问题。分别采用内点法和外点法,将有约束优化问题转化为无约束的优化问题,再利用Matlab编制遗传算法程序。通过对连续催化重整优化操作过程仿真计算,证明该方法具有快速收敛且优化结果好的特点。     

基于遗传算法的导弹弹射内弹道参数优化数值仿真

为了正确研究导弹弹射过程中火药燃烧、物质流动、能量转换以及导弹运动的规律,需要建立弹射内弹道数学模型并进行数值仿真求解,对内弹道模型参数的优化是建立内弹道模型的重要部分。应用遗传算法建立了一种内弹道模型参数优化的计算方法,完成了对5个待定参数的寻优计算。优化目标为理论计算值与实验值的吻合程度。实验结果表明:优化后的参数可以有效提高内弹道数学模型的精度和可预见性,从而验证了将遗传算法应用到内弹道参数优化中的可行性和有效性,为正确地仿真导弹弹射过程和精确计算导弹飞行轨迹提供了理论依据。     

电子科技大学计算电磁学实验室对计算电磁学的研究进展(英文)

介绍了电子科技大学计算电磁学实验室近年来在计算电磁学领域取得的一些进展和成果。在数值计算方法方面,针对传输、辐射和散射问题,提出了一些新的和改进的时域数值方法和频域数值方法,在保证计算精度的同时提高了仿真的计算效率。在电磁建模方面,提出了知识人工神经网络方法和新型传输线方法,作为高效的CAD工具,其能实现准确和快速的电磁建模。在电磁优化方面,采用跳跃基因遗传算法和空间映射方法对天线和微波无源器件进行了高效率的优化。     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

不确定条件下新产品供应链零部件供应商选择的优化研究

本文运用可信性理论建立了模糊需求条件下新产品供应链配置的模糊机会约束规划模型，对模型的求解进行了分析，并用遗传算法进行求解。算例分析表明，运用本文提出的方法可以从供应商的选择、阶段库存和客户服务水平三个方面对模糊需求条件下的新产品供应链进行配置优化。     

基于利益相关者多方满意的城市交通PPP项目特许价格调整模型研究

合理的特许价格是城市交通基础设施PPP项目健康可持续发展的关键,仅从私营机构角度考虑投资者利益对特许价格进行调整缺乏科学性。鉴于此,文章从利益相关者多方满意角度,选取了城市交通基础设施PPP项目特许价格调整影响因素,利用遗传算法和神经网络优势互补原理构建了特许价格调整模型,并运用该模型对某城市地铁PPP项目特许价格调整进行了实证研究,结论表明基于利益相关者多方满意的遗传优化改进型BP网络模型计算的特许价格调整结果精度较高,该方法科学合理可行。     

基于装配机械弹性车轮的车辆平顺性的油气悬架优化研究

为优化装配大径向刚度机械弹性车轮的越野车行驶平顺性,使用一种装配单筒式油气弹簧的悬架,并利用量子遗传算法对其参数进行优化。在Matlab中首先建立了数学模型描述单筒式油气弹簧的刚度与阻尼特性,探讨了油气弹簧各参数对其性能的影响,并从中选取目标参数。之后建立了包含机械弹性车轮的4自由度半车模型,确定平顺性评价指标,使用量子遗传算法在C级路面白噪声输入下对其进行优化,通过多次计算进行对比,并在不同环境下验证了优化效果。结果表明:量子遗传算法能有效逼近最优值,算法具有较好的稳定性,优化后越野车的平顺性得到了提高。     

道路优化的求解算法

本文以遗传算法与神经网络算法为基础,提出了一个求解道路优化问题的解决方案。对路网优化设计实例表明,这一方法求解速度较快并具有较高的计算精度。     

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。     

基于灵敏度分析及改进遗传算法的悬架运动学仿真优化

针对某电动三厢轿车的麦弗逊式前悬架,在悬架KC仿真试验中出现的车轮跳动转向梯度偏大易造成不足转向度过大、车轮跳动外倾梯度过大易造成轮胎磨损的悬架运动学问题进行优化。优化策略为:首先采用灵敏度分析确定优化变量,即通过试验设计方法对设计变量及响应函数进行迭代计算,通过响应面法对数据进行数学回归分析,从而确定设计变量的灵敏度,进而确定优化变量;然后基于改进的遗传算法(NSGA-II),即在传统NSGA-II算法中加入了精英保持策略,对确定出来的优化变量进行多目标优化。优化结果表明,该方法去除了相关度较小的设计变量,提高了算法精度,缩短了计算时间。     

供应商参与下的产品方案多目标优化规划方法

针对现有供应商参与下的产品设计方法在零部件优化方面所存在的缺陷，提出了基于多目标优化的方法。以零部件的质量、成本和交货期为输入数据，构建了产品方案的多目标优化模型。基于Epsilon策略改进第二代非支配排序遗传算法后对优化模型进行求解，并获得了产品方案的Pareto前沿。以供应商参与下的数控机床研发问题为实例，进行仿真计算，结果表明所提出方法是可行的。     

基于遗传算法的城市给水管网优化运行研究

通过建立了城市给水管网的优化模型,笔者分别给出城市管网优化模型的目标函数和约束条件。讨论了利用遗传算法实现城市给水管网工况优化设计的方法,并以某城市给水管网为例,利用遗传算法对其运行进行了,优化设计,结果表明优化的给水管网具有更高的经济性和稳定性。     

主动悬架的滑模控制指数趋近率参数优化

针对车辆主动悬架滑模控制方法中按经验选取指数趋近率参数造成悬架控制效果未能达到预期的问题,提出一种滑模控制参数优化方法,消除了指数趋近率参数选取的随意性,提高了主动悬架的控制效果和控制精度。首先建立1/4车辆主动悬架系统模型,并根据滑模运动方程稳定的Hurwitz判据选择滑模面系数,使用指数趋近率改善滑模运动段的动态特性;其次分析滑模控制方法中按经验选取指数趋近率参数的缺点,并采用遗传算法对其进行优化。仿真结果显示:与被动悬架和滑模控制悬架相比,优化后的滑模控制悬架二次型性能指标分别减小了7.6%和35.6%,簧载质量加速度均方根值减小了13.3%和45.6%,表明运用遗传算法对滑模控制参数优化后的控制效果优于优化之前,证明了这种优化滑模控制方法的先进性。     

遗传算法在网络动态选路中的应用

根据安全传输的要求,提出了一种运用遗传算法来实现网络中动态寻路的方法.且结合运用遗传算法求解图的最小生成树的例子,对一个模拟网络拓扑结构的有权无向图进行了编码,为求解过程建立了相应的模型,并对该模型进行了分析.     

基于改进遗传算法的电力系统无功优化

在简单遗传算法的基础上，针对无功优化的动态、多目标、多约柬以及非线性特点，提出了基于简单遗传算法的改进算法．改进遗传算法中采用了个体适应度函数的线性变换、归一化的选择方法，以及定向变异策略的应用．以Ward＆Hale6节点标准测试系统为例对该算法进行了有效性验证．仿真结果表明，该方法对电力系统的无功优化效果良好．     

遗传算法在函数优化中的应用

对遗传算法作了简单的介绍，讨论了利用遗传算法求解函数优化问题的方法，最后给出了2个函数优化实例。