遗传算法及其应用实例

简述了遗传算法的过程和应用问题。主要讨论了遗传算法的基本概念、数据的转换工作和确定适应度计算函数的作用,从代码举例说明遗传算法的选择和交叉的基本用法。     

基于IGA的机械臂时间最优轨迹规划

针对传统机械臂轨迹规划效率较低的问题，课题组提出了对传统遗传算法初始种群的选取及种群的变异策略改进的方法。该方法以三次B样条插值曲线作为轨迹规划的基础，以各关节运动角速度、角加速度、角加加速度作为运动约束，使用改进型遗传算法（improved genetic algorithm，IGA）进行时间优化，可以得到满足运动约束条件的时间最优运动轨迹。课题组以自主研发的QFB140机械臂作为研究对象，采用改进型D H参数进行标识，并导入MATLAB进行仿真。结果表明：IGA在时间优化上有了较大提升，进一步实现了时间最优轨迹规划，提高了工作的效率。     

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.     

基于改进的遗传算法的快速图像相关匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷,提出了一种基于改进的遗传算法的匹配方法,算法的主要改进手段是,用自识别交叉算子进行交叉操作,避免种群过早成熟。实验结果表明,与基本遗传算法相比,基于该算法的图像匹配具有运算量小、匹配精确等优点,且算法稳定。     

一种改进的多目标微遗传算法

本文在回顾多目标进化算法发展的基础上,首次引进一种新的交叉算子(多个体交叉)对已有的微遗传算法进行改进,提出了一种多亲微遗传算法(MPMGA).通过理论分析和实验测试中度量距阵值的比较两方面说明,多亲微遗传算法在一定程度上提高了MGA的效率,增加了解群的多样性,使解在Pareto目标域上的分布更加均匀,解的精度也有所提高.     

二元判决图变量排序新方法

从遗传算法入手,利用已有的几种启发式变量排序方法的结果作为最初的染色体群体,并适当加入随机变量顺序,然后按照遗传算法的方法进行运算,经过多代循环找到近似最优解。实验结果表明,该方法比已有的启发式方法更有效,能够在全局范围内搜索最优解,对BDD的变量编序和遗传算法的运用具有参考价值。     

关于进化遗传算法的几点改进

分析了进化遗传算法存在的缺陷即当解在边界上时求解精度不高同时变异算子过于复杂实际应用时容易出错提出了新的交叉算子和变异算子计算结果表明新方法成功地解决了进化遗传算法存在的问题且计算效率高     

一种基于机器码存储的改进遗传算法的应用研究

提出了一种基于机器码存储的改进遗传算法，适于优化大型多变量问题。开发的C 基本位操作算子，使此算法仍可沿用传统二进制遗传算法的交叉变异操作。这一算法在内存和时间上占优势，是一种稳健的、全局搜索能力较强的优化算法，并在建立河北省某地区的年降雨神经网络预测模型的实践中得到了验证。     

考虑产品型号的作业车间调度

为降低生产成本、缩短产品生产周期和均衡设备的利用率，课题组提出考虑产品型号的作业车间调度方案。基于产品型号构建单件产品最大加工时间最少、所有产品总加工时间最短的多目标数学规划模型，设计了2层遗传算法求解各种型号产品每道工序加工设备的选择方案。在遗传算法设计过程中，为简化染色体的编码，采用以工序数和产品型号数为基础的编码方式，避免染色体的基因个数随着产品数量成倍增长；另外，交叉操作考虑了染色体基因数量较多的因素而采用分段多点交叉，确保算法的收敛速度。最后通过具体案例对模型的可行性和算法的有效性进行了验证，并结合企业实际的生产计划设计出加班次数最少的调度方案。结果表明提出的方法能够缩短产品的生产周期，从而降低企业的生产成本。     

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。     

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.     

多车场集送一体化车辆调度问题及其遗传算法研究

针对物流配送中的多车场一体化车辆调度问题提出了智能处理方法,采用了基于自然数的一体化配送对路径表示方式,用里程约束来控制车场的插入,以增加惩罚的方式加入时间窗约束。并且根据具体约束情况设计了改进的遗传算法,采用了动态染色体、改进的交叉和变异法、内部扰动和外部扰动等技术,提高了遗传算法的优化效率和优化效果。介绍了此算法的原理,给出了具有一个代表性算例试验结果和结果分析。试验结果表明了此方法对优化有里程和时间窗约束的多车场一体化车辆调度问题的有效性。     

设施布置问题的非线性目标规划模型及其遗传算法

由于设施布置问题实际上是一个极其复杂的多约束多目标的优化问题 ,本文将其建模为一新的非线性目标规划模型。为更快更好地求解这一模型 ,本文采用了一种新的遗传算法。它不仅能有效处理不等面积及固定设施问题 ,而且有希望解决多层布置问题。     

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．     

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。     

用遗传算法优化神经网络权值

神经网络模拟大脑的生理机制,通过大量简单神经元的互连,实现信息的智能自动化处理,但是神经网络权值与结构的设计往往依靠经验获得.遗传算法具有全局搜索问题解的特性,用遗传算法优化神经网络权值,为神经网络的设计和训练提供了新的途径。实验表明,该方法是可行的、有效的.     

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。     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

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。     

电路模拟吸收体的遗传算法设计(英文)

提出了一个应用遗传算法的电路模拟多层吸收体的新设计、遗传算法自动综合各层的电磁参数和厚度以及金属电路屏的各参数,并同时提供几个设计方案。当应用遗传算法对特宽带吸收体设计时,其迭代过程出现波动和在带内出现不好的结果。为了克服这些缺点,文中引入了两项技术,使其工作特性明显地改善。设计实例表明在无金属基底的吸收体情形,电路模拟吸收体比普通设计优越得多,在厚度更小和用更少材料下能在特宽带内获得低反射。