列车编组对桥梁振动和乘坐舒适性的影响

利用三角级数法模拟了轨道的不平顺，采用列车编组和桥梁组合的模型，建立了车桥耦合振动方程。对不同列车编组作用下桥梁的竖向振动和车体加速度进行了研究，结果发现列车编组对桥梁的振动和乘坐舒适性影响很大。通过改善列车编组的方法可以提高车桥耦合振动中车辆的动态性能。     

基于完全自适应策略的遗传算法

为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法.自适应策略不仅基于进化阶段,同时基于个体,特别采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

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。     

突然消失的地铁列车

1975年某天21时16分,俄罗斯首都莫斯科一辆满载着乘客的地铁列车离开白俄罗斯站向前驶去,本来只需间隔14分钟便可到下一站红色布莱斯诺站,然而,14分钟很快过去了,红色布莱斯诺站却始终没有见到这辆列车进站,     

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.     

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。     

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。     

测试图形生成的遗传算法研究

提出了一种用于组合电路测试图形生成的遗传算法。该算法把被测电路的测试生成问题转化为计算一种约束函数的最优解，可充分利用电路的结构信息。为故障节点生成测试时易于操作，且无需经过故障模拟，就可保证对所有可测的单固定型故障及多故障有较高的故障覆盖率。     

基于遗传算法的轴心轨迹测试方法研究

用遗传算法由ＩＭＥ信号计算和构造轴心轨迹,运算过程浮点操作少便于单片微机编程实现,与ＩＭＥ测量原理结合实现高精度宽量程传感器可用于转子辆心轨迹的在线测试与诊断。     

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。     

动态变异遗传算法

遗传算法是根据达尔文生物进化理论而提出的一种优化算法。该文提出了一种新的遗传算法,理论分析显示,它不仅能保持遗传种群的多样性,而且能快速收敛。计算机仿真实验证明了改进后的遗传算法能够有效地克服不成熟收敛、进而搜索到全局最优解,并将这种新遗传算法用于BP网络的拓朴结构的优化和连接权值的训练,实例表明了该算法的有效性和可行性。     

一种求解JOB SHOP问题的新型混合遗传算法

针对一般车间（JOB SHOP）的作业排序问题设计了一种新的混合遗传算法,该算法将遗传算法和启发式方法相结合,利用遗传算法优化每台机器的首工序,并确定每台机器的优先工序,借助仿真,按照启发式方法安排每台机器的后续工序。通过算例比较,表明该算法具有良好的求解性能。     

一种改进的遗传算法进化有限状态机

提出了一种改进的遗传算法,针对有限状态机中输出矢量与状态转移相关的特性,将配置有限状态机的染色体分解为状态转移基因和输出矢量基因进行分阶段的进化实验。实验结果表明同传统的进化算法相比,这种分阶段进化的遗传算法降低了有限状态机进化过程中的复杂度,有效地提高了进化性能。     

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。     

幻方的遗传算法构造初探

首先介绍遗传算法,并针对一个古老的数学问题——幻方提出了一种基于遗传算法的幻方构造新方法.     

基于免疫克隆选择算法的市域快速轨道交通列车开行方案优化研究

为描述城市轨道交通市域线多交路运营的开行方案问题,在满足客流需求和车站折返能力、车底配置数、旅客容忍等待时间等约束条件下,构建了以企业运营成本最小和列车承载率最佳的双目标优化模型。给出了求解该模型的自适应免疫克隆算法的求解设计和步骤,并结合算例证明了算法的有效性。     

市场机制——遗传算法的一种经济学解释

遗传算法近年来被应用于主流经济学的研究,并用来数量化分析一些经济问题的动态特性和随机特性。本文主要讨论什么使得GA(Genetic Algorithm遗传算法)可以看作是一种市场机制的模型。遗传算法中每次二进制串的转化基本包含了两个随机过程:1、多样化产生过程(复制、交叉、突变产生新的经济策略的过程);2、多样化限制过程(选择操作减少不同的经济策略的数量)。因而GA可以被看作是经济社会当中的市场机制(用作信息揭示机制)。同时,对遗传算法在经济机制设计中的应用进行了展望。     

面向时滞测试生成的改进遗传算法(英文)

在提出的无冒险的时滞测试能量函数的基础上,对传统的遗传算法进行了改进,即在搜索中根据进化程度对群体尺寸进行调整来加速收敛,用于时滞测试生成。实验证明该方法是一种较有发展前途的算法。