一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

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。     

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。     

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。     

改进遗传算法在桁架结构优化设计中的应用

文章针对简单遗传算法的早熟现象及不能处理带有复杂约束的优化问题,提出了一种基于乘子法与伪并行遗传算法的改进遗传算法,并将其应用于桁架结构优化设计中.计算结果表明改进遗传算法全局寻优能力强.     

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。     

基于网络的高速切削参数优化和管理系统

对高速加工中切削参数优化的理论和方法进行了研究,并对来自生产现场、实验室以及资料收集的数据进行了检验、评价和应用。提出了一种基于遗传算法的切削参数优化算法。与通常的优化算法相比,该算法计算量小,计算速度快,能适应自动化制造系统对优化切削数据快速响应的要求。切削实验表明：应用经过优化的切削数据,不仅提高了机床的利用率,减少了切削时间,而且提高了工件的加工质量。在上述理论研究的基础上,开发了切削参数优化和管理系统。该系统的完成提高了整个数控加工中心的生产率。     

A REAL-VALUED GENETIC ALGORITHM FOR OPTIMIZATION PROBLEM WITH CONTINUOUS VARIABLES

提出一种用于连续变量函数优化的遗传算法。它由一种简单、适应面广的动态刻度适应值和选择算子、杂交与变异算子，以及这些算子相应的自适应概率组成。该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。实验结果表明，该算法是一种快速有效的全局优化算法。     

机载光电跟踪系统基于遗传算法的模糊控制器优化设计研究

分析了机载光电跟踪系统的构成，并对机载光电跟踪系统的最主要成部分－陀螺平台框架系统设计了基于GA（遗传算法）的模糊控制器，由于遗传算洒可以搜索整个空间，不易陷入局部最优解，不受搜索空间的限制性假设的约束，因此本文通过遗传算法对模糊控制器的控制规则，参数以及量化因子和比例因子进行了优化，在对模糊控制器设计的过程中，为了提高模糊控制的精度并加速遗传算法的收敛速度，还采用了变论域的方法，通过对系统详细的仿真研究，验证了基于GA的模糊控制器设计的良好控制效果。     

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。     

双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

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。     

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。     

自适应遗传 PID 算法在风洞风速控制中的应用

风速控制是风洞的核心控制部分,风速控制系统的优劣直接影响风洞性能指标,为了完成 FDxx 风洞的风速控制系统,设计了一种基于自适应在线遗传算法的 PID 参数整定方法,在风洞气源资源有限的情况下,快速建立流场,确保流场稳定时间。首先对控制参数进行联合编码,在种群个体进化前期采用锦标赛精英保留策略,后期采用基于轮盘赌非线性选择方法,加快算法收敛速度,同时避免了算法过早陷入局部最优,交叉选用单点交叉,变异采用均匀取反法,动态调整过程为了减小甚至避免超调,采用误差绝对值及误差和误差变化率加权方式设计目标函数,并采取了惩罚措施,即一旦产生超调,将超调量作为最优指标的一项,现场测试验证了算法的可靠性及实用性。     

Ultrasonic Computed Tomography Imaging Method of Concrete Materials Based on Simulated Annealing Genetic Algorithm

Stability and accuracy of the imaging results are still unmet practical demands for ultrasonic computed tomography(CT)of concrete material.To address these issues,a CT technique based on simulated annealing genetic algorithm(SAGA)is presented in this work.Firstly,a natural weight matrix with clear physical meaning is introduced in the inverse algorithm and then a quadric broadening objective function is formed according to the propagation characteristics of ultrasound in concrete.After that,the simulated annealing(SA)searching is added to speed up the inverse process and to improve the convergence and stability of the algorithm.Finally,the optimal inverse imaging results have been achieved by variable ectopic adaptive genetic algorithm.The numerical simulation experiments have shown that the usage of the correct priori information and the excellent characteristic of SAGA in searching the global minimum value of the function have produced accurate and effective results with stable numerical values.The imaging resolution is improved and the imagining results reflecting the inner defections of the tested objects are more reliable and accurate.     

Identification of Magnetic Bearing Stiffness and Damping Based on Hybrid Genetic Algorithm

Identifying the stiffness and damping of active magnetic bearings(AMBs)is necessary since those parameters can affect the stability and performance of the high-speed rotor AMBs system.A new identification method is proposed to identify the stiffness and damping coefficients of a rotor AMB system.This method combines the global optimization capability of the genetic algorithm(GA)and the local search ability of Nelder-Mead simplex method.The supporting parameters are obtained using the hybrid GA based on the experimental unbalance response calculated through the transfer matrix method.To verify the identified results,the experimental stiffness and damping coefficients are employed to simulate the unbalance responses for the rotor AMBs system using the finite element method.The close agreement between the simulation and experimental data indicates that the proposed identified algorithm can effectively identify the AMBs supporting parameters.     

绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。     

基于容流匹配的进离场航班调度优化模型和算法

综合考虑机场的空中等待航班数量、空域容量、场面容量以及机场起飞需求等约束条件,以可变的优先级为调配手段,以总延误时间最短为目标函数,建立了一个新的基于容流匹配的进离场航班调度优化模型。引入合作型协同进化遗传算法,设计了用一对代表个体形成合作团体的新选择方式,有效解决了传统遗传算法种群多样性低、易早熟等问题。仿真结果表明,该模型能够在满足机场容量限制的同时,有效降低航班的总延误时间。     

基于原-对偶内点算法的电力系统无功优化

原-对偶内点算法很好的继承了牛顿法的优点,并能将函数性约束和变量性约束一并处理。应用该方法求解电力系统无功优化问题时能有效处理目标函数中的大量不等式约束。IEEE 14节点节点系统的仿真结果表明,该算法收敛快、鲁棒性好。