基于改进实数遗传算法的函数全局优化

将一种改进的实数遗传算法用于函数全局优化。改进的算法建立在对基本实数遗传算法搜索特性判断的基础上。文中对实数遗传算法的基本操作进行了简单的讨论和选择 ,将一种混沌序列作为刺激因素加入到算法中 ,并将区域划分与取舍的思想应用到算法结构改进中。数值实验显示 ,新方法对寻找复杂问题的全局解、提高搜索精度方面较基本实数遗传算法有较大改进。     

混沌遗传组合算法在复杂曲面零件加工定位中的应用

针对复杂曲面零件加工时难以精确定位的问题,利用数控机床对毛坯测量,然后将测量值和CAD模型理论值进行匹配计算,从而将标准零件模型嵌入到毛坯中,实现工件的定位.对于求解转换矩阵这一非线性问题,设计了混沌遗传组合算法,该算法可有效减小遗传算法陷入早熟的概率,有助于搜索到全局最优解.最后通过试验证明该算法可实现对转换矩阵的求解,将理论模型嵌入到零件毛坯中,使加工余量得到优化.     

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。     

基于生产成本的作业调度

提出了一个基于净现值的调度指标，该指标充分考虑到影响调度决策的各项费用．如在制品库存费用、机床工时费、直接工人的工资、工件提前或拖期完工造成的损失等。然后以遗传算法为工具，研究了作业调度问题，设计了一种很实用的算法。该算法采用基于工序的编码方法把调度编码成染色体，并通过遗传操作来搜索最佳染色体。解码算法根据工序在染色体中的次序和最短加工时间一紧迫度规则得到调度。仿真结果表明该方法是可行的。并有一定的优越性。     

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。     

用于多峰函数优化的改进跳跃基因遗传算法

跳跃基因是维持生物大脑神经细胞多样性的主要原因,因此在遗传算法中引入跳跃基因操作能够提高算法的全局搜索能力。然而,标准跳跃基因遗传算法的随机跳跃过程容易破坏较优性能染色体的基因。针对此问题,提出了一种改进跳跃基因遗传算法。在改进方案中,适应度越高的染色体上的跳跃基因,能以越高的概率朝性能比它差的染色体上跳跃,以提高进化速度。并且,在适应度函数中引入密度函数,以保持染色体的多样性。通过对经典多极值测试函数的寻优仿真表明,改进跳跃基因遗传算法能够更有效地提高遗传算法对复杂多峰函数最优解的求解速度与精度。     

基于对极几何约束的景象匹配研究

提出了一种图像配准方法来解决实时图与基准图空间不对准问题。它是利用随机采样算法估计基本矩阵，恢复实时图与基准图之间对极几何．然后基于对极几何约束．剔除误匹配点．得到精确匹配控制点，计算出全局仿射变换，从而对实时图进行校正。该方法的特点是精确、稳定和全自动。采用真实图像实验结果表明，该方法是行之有效的。     

基于实值编码遗传算法的起重机伸缩臂结构优化

实值编码遗传算法(RCGA)的染色体空间和问题解空间是同一个空间，较好地解决了二进制编码遗传算法(BCGA)存在的求解精度和冗余代码等问题；给出了改进的交叉和变异操作算子；RCGA自然集成工程领域知识．弥补BCGA语义的不足．就实现而言．RCGA可有效继承常规数值算法的代码。因此，RCGA更适合有连续变量的复杂的工程数值优化问题。本文建立了多工况的基于惩罚的RCGA模型用于起重机伸缩臂的优化设计，该模型比常规方法更符合工程实际，优化结果令人满意，证明RCGA在工程设计中有实用意义。     

基于改进蝴蝶优化算法的无人机3-D航迹规划方法

针对基本蝴蝶优化算法（Butterfly optimization algorithm,BOA）在进行无人机（Unmanned aerial vehicle,UAV）三维航迹规划时存在的搜索速度慢、搜索精度低以及易陷入局部最优等问题，提出一种改进的蝴蝶优化算法（Improved butterfly optimization algorithm,IBOA）。在全局搜索阶段提出对数自适应惯性权重策略和动态更新调节策略，提高了算法全局搜索能力和搜索精度。同时，在局部搜索阶段，提出一种动态概率余弦选择策略，增加位置更新多样性，避免陷入局部最优。首先，为检验改进算法与基本算法的寻优性能，在部分标准多元函数上进行仿真对比。对比结果表明，改进算法对复杂函数具有较强的寻优能力，能在更短时间内找到全局最优解。然后，在二维路径规划仿真中对比了改进算法与PSO算法性能，从对比结果看，IBOA具有更优的规划效果。接着，利用山峰模拟函数对UAV三维航迹规划进行建模，将改进算法应用到航迹规划中，利用MATLAB仿真对比了不同复杂度环境下的航迹规划效果。仿真实验表明：相同实验条件下，该优化算法较BOA综合适应度值减...     

基于双目视觉系统的测距研究

本文研究了双目视觉系统下的测距方法,并对比了不同的立体匹配方法所得到的视差计算的目标物距离的效果差异.结合计算时间和取得效果的差异,提出了一种基于距离测量准确率和时间的计算综合生成帧的方法,便于在不同的场景下选择合适的匹配算法.     

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.     

基于基因算法与博弈论的气动高升力优化(英文)

讨论了基于基因算法与博弈论的组合优化算法在高升力气动优化问题中的应用。引入基因算法与博弈论相结合的分布式组合算法 ,可以将复杂的优化问题分解为几个简单的局部优化问题。文中论述了组合优化算法的构造方法 ,并应用于高升力多段翼型气动优化。与传统基因算法的数值计算结果进行了比较 ,表明本文构造的方法具有高效收敛性及强的鲁棒性 ,可广泛应用于先进气动设计问题。     

基于基因算法与博弈论的气动高升力优化

A multi-objective evolutionary optimization method (combining genetic algorithms(GAs)and game theory(GT))is presented for high lift multi-airfoil systems in aerospace engineering.Due to large dimension global op-timization problems and the increasing importance of low cost distributed parallel environments,it is a natural idea to replace a globar optimization by decentralized local sub-optimizations using GT which introduces the notion of games associated to an optimization problem.The GT/GAs combined optimization method is used for recon-struction and optimization problems by high lift multi-air-foil desing.Numerical results are favorably compared with single global GAs.The method shows teh promising robustness and efficient parallel properties of coupled GAs with different game scenarios for future advanced multi-disciplinary aerospace techmologies.     

Cooperative Search of UAV Swarm Based on Ant Colony Optimization with Artificial Potential Field

An ant colony optimization with artificial potential field(ACOAPF)algorithm is proposed to solve the cooperative search mission planning problem of unmanned aerial vehicle(UAV) swarm. This algorithm adopts a distributed architecture where each UAV is considered as an ant and makes decision autonomously. At each decision step,the ants choose the next gird according to the state transition rule and update its own artificial potential field and pheromone map based on the current search results. Through iterations of this process,the cooperative search of UAV swarm for mission area is realized. The state transition rule is divided into two types. If the artificial potential force is larger than a threshold,the deterministic transition rule is adopted,otherwise a heuristic transition rule is used. The deterministic transition rule can ensure UAVs to avoid the threat or approach the target quickly. And the heuristics transition rule considering the pheromone and heuristic information ensures the continuous search of area with the goal of covering more unknown area and finding more targets. Finally,simulations are carried out to verify the effectiveness of the proposed ACOAPF algorithm for cooperative search mission of UAV swarm.     

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。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识，并结合粒子群算法，提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强，容易跳出局部最优陷井及启发式算法局部搜索能力强的优点，快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

防空武器系统作战布局优化

在评估防御体系的作战效能时,目标突防概率是人们关心的主要的性能指标.本文利用随机服务系统理论的状态分析和统计平衡分析,获得计算目标沿任意航迹突防概率的随机模型.模拟退火算法是基于Monte Carlo迭化求解法的一种启发式随机搜索法,该算法能通过模拟退火过程快速找到全局的最优解.结合计算目标突防概率随机模型与模拟退火算法,建立了定量解决武器系统作战布局优化问题的方法.算例的计算结果表明,这种方法很快找到火力单元理想的布局位置.这种定量的组网和布局方法比以往基于原则的手工布局更科学、更快速.     

脉冲燃烧风洞测力系统动态标定方法

针对脉冲燃烧风洞中的测力系统，提出了一种动态标定方法。利用力锤在模型表面上不同位置，沿不同方向施加一系列集中载荷，由输入载荷和天平输出辨识出该表面对应的单位脉冲响应函数（UIRF），再将各表面对应的UIRF加权得到系统的UIRF，加权系数由试验状态下各表面的压力分布确定。辨识某表面对应的UIRF时，通过将其参数化使反卷积问题转化为参数优化问题以回避问题的病态特性。求解参数优化问题时，先用遗传算法搜索到参数全局最优解的近似值，再以此作为单纯形方法的初值继续优化得到参数最优值。在ANSYS中模拟了动态标定过程，考虑了实际试验中输出应变含有较大噪声的情况，验证了这种动态标定方法的准确性。     

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。