基于改进遗传算法的微波吸收材料优化设计

针对标准遗传算法也称简单遗传算法(Simple genetic algorithm,SGA)在宽频带高吸收微波吸收材料优化过程中收敛速度十分缓慢且非全局收敛的不足,应用新的选择策略,并引入收敛因子和进程因子对种群进化的交叉概率和变异概率进行自适应调节,用Visual C 语言编写了可自适应调节参数的改进遗传算法的微波吸收材料优化设计软件,通过枚举法验证算法是全局收敛的。应用该软件对现有微波吸收材料电磁参数库进行微波吸收材料结构优化。结果表明：应用两层微波吸收材料,内层材料0．9mm,外层材料2．7mm,总厚度3．6mm,即可实现在8～18GHz全频段内反射率小于-15dB。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

并行多种群自适应遗传算法在COW集群上的实现

为改善标准遗传算法的求解效率,提出一种基于6模糊控制器的并行多种群自适应遗传算法。利用MPI(Messagepassinginterface)技术建立了一个COW(Clusterofworkstation)集群,将算法在该硬件平台上进行了实现。3机COW集群的仿真实验结果在演示算法设计可行性的同时,表明该算法的求解效率明显优于用于对照的单种群算法,具有在解决组合优化问题上广泛应用的可能。本文还对影响并行算法的参数进行了探讨。     

复合材料层合结构铺层顺序优化设计的免疫遗传算法

本文利用生物免疫系统对抗体浓度调节原理,提出了一种用于组合优化的免疫选择概率算子,同时考虑了抗体调节加权系数随搜索进行动态变化。对给定的复合材料层压板,以几何因子为优化对象,应用免疫遗传算法进行了铺层顺序的优化。应用四种不同遗传算法,对算例的优化结果进行了统计分析,结果表明:本文算法的成功率高,首次获全局最优解的迭代次数少,并能使种群收敛于全局最优解。     

基于翼型反设计的遗传算法

遗传算法有时收敛太慢或收敛困难.在翼型反设计问题中,算法的计算效率很重要.给出了翼型的非均匀B样条曲线表示,设计了遗传操作算子,引入一种简单、易实现、高效率的随机逼近算法--Simultaneous Perturbation Stochastic Approximation(SPSA)算法,将SPSA算法作为一种快速局部优化方法和遗传算法的整体搜索策略结合起来,为翼型反设计提出了一种快速高效优化算法.并用该算法分别对NACA2412和NACA0016翼型进行了反设计,取得了令人满意的结果.     

基于六模糊控制器的自适应遗传算法

遗传算法的性能主要取决于算法对满意解的搜索和优化的能力。本提出的自适应遗传算法可以自动均衡搜索和优化关系。该算法采用六个模糊控制器对符号编码遗传算法的遗传操作实施动态参数控制。对旅行商(TSP)问题的求解结果表明该算法在解决类似于TSP的组合优化问题时具有比标准遗传算法更好的性能。     

一种基于年龄和性别特征的遗传算法

提出了一种基于年龄和性别特征的遗传算法。标准遗传算法（SGA）已经被成功的应用到很多进化优化问题上，但是对于复杂的多模态函数寻优时，会出现早熟收敛现象。为了解决这个问题，结合自然界最常见的有性繁殖现象，赋予了遗传个体年龄和性别特征，提出了基于年龄和性别特征的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子。对不同年龄和不同性别的个体赋予不同的进化控制参数，克服了早熟收敛问题且保持了群体的多样性，使算法能顺利的收敛到全局最优值。     

基于分布式并行遗传算法的PID参数整定

针对基于简单遗传算法(SGA)进行PID整定在收敛性及初值敏感度方面的缺陷,提出了基于分布式并行遗传算法(PGA)的PID参数整定方法。该方法可以将不同遗传操作的优点加以整合,通过并行运算提高整定效率,能够更有效地进行参数优化。选用典型被控对象仿真,并分别进行收敛性分析与初值敏感度分析。仿真试验表明与SGA相比PGA提高了局部搜索空间的微调能力,降低了对初值的敏感度,寻优效果也大为改善,从而说明了这种方法的可行性,为PID参数整定方法提供了一种新的尝试。     

一种求解成组多播路由问题的新型优化算法

基于蚁群系统提出一种求解成组多播路由问题的新型优化算法。该算法在综合考虑Q oS(Q ua lity of ser-v ice)路由中所有约束条件的同时,也充分考虑各个约束条件自身的独立特性,并根据对不同约束条件的满足程度,在迭代过程所处的不同阶段,自适应地调整路由选择策略。实验证明算法所得的解不但较高程度地满足各个约束条件,而且多样性好、收敛速度快,能满足实际网络服务质量要求。     

浮点数与格雷二进制混合编码的遗传算法

本文提出了一种结合浮点数编码和格雷码编码的混合编码遗传算法。该算法有机结合了浮点数编码和格雷码编码的优点，不易陷入早熟收敛且局部搜索能力强，收敛速度快。本文对一系列典型函数进行了优化计算，试验结果证实了这种混合编码遗传算法的有效性和优越性能。     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

近似技术在遗传算法和结构优化设计中的应用

在传统结构优化设计中．基于近似技术和灵敏度分析的结构重分析技术可以显降低结构有限元分析的次数。本提出了一套适于遗传算法应用的近似模型——分段近似模型。该分段近似模型可以极大地降低结构有限元分析的次数，并且可以提高遗传算法的收敛性，从而提高遗传算法的计算效率。本通过两个实例验证了该分段近似模型的有效性。     

基于遗传算法的纤维增强复合材料层合板刚度设计方法

基于遗传算法,提出了一种带刚度要求的纤维增强复合材料层合板设计方法。以层合板的各层铺设角和厚度为设计变量、刚度为设计目标、制造工艺性为设计约束,将纤维增强复合材料层合板的刚度设计问题处理成一种离散的叠层顺序优化问题,采用遗传算法求出满足给定刚度要求的层合板设计。最后,通过算例验证了设计方法的有效性。     

基于遗传算法的大气层外拦截弹拦截优化

提出了一种同时考虑大气层外拦截弹中段和末段飞行过程的拦截优化方法.首先建立了大气层外拦截弹中段和末段飞行的动力学模型,并设计了速度增益中制导律和鲁棒变结构末制导律;然后确定了影响拦截性能的优化控制参数及其约束条件,以拦截过程的燃料消耗质量和脱靶量最小为组合性能指标;最后采用具有全局最优性的遗传算法对这一拦截优化问题进行了仿真研究,并与复形调优算法的结果进行了比较.仿真结果表明,遗传算法与传统优化方法相比在解决大气层外拦截弹带约束复杂非线性组合优化问题时,能更好地收敛到全局最优值,并能有效降低大气层外拦截的燃料消耗和脱靶量.     

Assembly Line Balancing Based on Double Chromosome Genetic Algorithm

Aiming at assembly line balancing problem, a double chromosome genetic algorithm （DCGA） is proposed to avoid trapping in local optimum, which is a disadvantage of standard genetic algorithm （SGA）. In this algorithm, there are two chromosomes of each individual, and the better one, regarded as dominant chromosome, determines the fitness. Dominant chromosome keeps excellent gene segments to speed up the convergence, and re cessive chromosome maintains population diversity to get better global search ability to avoid local optimal solu- tion. When the amounts of chromosomes are equal, the population size of DCGA is half that of SGA, which significantly reduces evolutionary time. Finally, the effectiveness is verified by experiments.     

基于IOCDGA的模糊目标柔性作业车间调度优化

具有模糊目标要求的柔性作业车间调度，是柔性作业车间调度的扩展，它能够满足生产实际中对成本、生产周期及交货期等多方面指示的要求。与多目标调度相比，它还能够处理非精确指标要求问题，并且可以满足关键零件的特殊要求。为了实现对具有模糊目标柔性作业车间调度优化，提出了一种具有个体优化群体多样性的遗传算法（IOCDGA），以加快收敛速度，避免早熟问题。该算法针对文中的编码方法，定义了群体平均差及熵，用来表示群体的多样性指标。通过多样性指标控制交叉率和变异率，该算法的进化侧重于单个或少数个体达到最优，而不是传统GA中的全部个体均为最优。计算结果表明，该算法可行，并减少了迭代次数。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快