遗传算法在风洞实验优化中的应用研究

为了提高风洞实验效率,降低实验成本,缩短实验周期,笔者探讨了将遗传算法引入到风洞优化实验中,实现了基于遗传算法的多段翼型实验规划.通过遗传算法对多段翼型的迎角及各段的偏转角度、重叠量和缝道宽度进行编码,由实验提供适应度值.对两段翼型的研究表明应用遗传算法规划风洞实验能够减少实验次数约40%.种群数为染色体长度的2倍时,算法能较好的搜索到最优值.初始群体值对算法的收敛性及计算效果基本无影响.此外,也模拟计算了4段翼型风洞实验,提高实验效率大约为87%~93%,可见遗传算法仍然有效且在大规模风洞实验中更有应用价值.     

基于退火惩罚混合遗传算法求解生产批量计划问题

针对以获得最低生产成本为目的的批量生产计划问题，提出了该问题的混合整数规划模型，首先，根据单级多资源批量计划问题的特点提出了问题的数学描述，；然后根据该数学问题的复合性，利用遗传算法的随机搜索和进行化过程寻找问题的全局最优解，为了防止适应度函数的过早收敛，引入退火惩罚因子对适应度函数进行处理，使得获得全局优解的可能性加大，实验结果表明，该方法能获得比传统遗传算法更为理想的近似最优解。     

航空发动机PID控制参数优化的改进遗传算法

提出一种基于参考模型特征指标的P ID控制参数寻优算法。采用遗传算法(GA)优化某型涡扇发动机P ID控制参数,以理想二阶系统作为参考模型,将其与实际闭环系统输出差值平方的时间积分作为系统的适应度函数。设计过程中只需选择二阶系统的自然频率和阻尼比就能准确地实现期望的动态和稳态性能。与传统的基于系统性能指标加权的适应度函数相比,新的适应度函数计算方法避免了加权系数与系统响应形式没有明确对应关系的缺陷。新方法所选参数物理意义明确,算法简单,易于实现。     

基于现场可编程门阵列实现二维光栅优化设计算法

提出了一种基于现场可编程门阵列实现的遗传算法对二元光栅直接进行二维优化设计的方法。采用二次多项式函数描述二元光栅曲面的面形,给出了基于现场可编程门阵列的遗传算法优化光栅的解决方案;以多项式系数为优化设计对象,选用了适合本设计的硬件实现编码、选择、交叉、变异算子、适应度计算算法,同时引进了精英保存策略来提高程序的健壮性和加快收敛速度。算法充分考虑硬件处理的并行性和流水线特点,利用Verilog HDL语言编程,在Altera的cycloneⅡEP2C50器件上实现。结果表明,该算法对二元光栅优化设计计算速度比软件实现的快四十倍以上,有效提高了二维二元光栅优化设计的速度。     

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。     

注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

基于遗传算法的飞机着陆调度

使用遗传算法对飞机着陆进行优化调度。算法以所有飞机的排列次序作为个体编码,适应度函数的构建综合考虑了飞机的各种约束条件,通过选择、交叉、变异得到优化输出。仿真结果表明遗传算法用于飞机着陆调度可行、有效。     

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。     

基于遗传算法的连续结构拓扑优化分析

结构拓扑优化设计是结构初始方案设计的重要方法。采用遗传算法，用染色体基因映射结构离散化后的单元体，通过改变基因代码实现连续结构的拓扑。在优化过程中，利用遗传算法的全局收敛性等特点进行结构优化．通过有限元技术对结构进行建模和分析。为了消除结构拓扑优化分析中的铰接和棋盘格现象，提高优化分析效率．改善优化分析结果．在结构拓扑优化分析中引入了结构约束的概念和渐进结构优化的思想。算例分析表明．本文提出的方法是合理、有效的。     

基于改进防碰撞策略的两端式双堆垛机出入库优化研究

针对大型自动化立体仓库出入库路径优化调度难的问题,在采用两端式双堆垛机出入库调度模型的基础上,提出改进的防碰撞原则,避免两堆垛机同时运行时碰撞;并结合最优防碰撞边界检验机制,在保证防碰撞的前提下,为两堆垛机划分了最佳的工作区域。提出一种新型改进遗传算法（New improved genetic algorithm,NIGA）,能够根据种群适应度值的集中分散程度,来调整遗传算法的进化结构,从而有效提高算法的收敛速度以及跳出局部最优的能力。运用NIGA算法对双堆垛机的调度路径进行优化,并在算法的每一次迭代中嵌入改进的防碰撞原则和最优防碰撞边界检验机制,最终得到两端式双堆垛机出入库优化的最优解。仿真实验结果表明该策略可以有效防止两堆垛机发生碰撞,大型立体仓库货物出入库的效率有了明显提高。     

基于模糊罚函数的分布式并行遗传算法及其应用

本文将模糊理论用于优化中,提出了一种基于可行度的模糊罚函数法,并采用分布式并行遗传算法进行寻优操作,该方法可以将不同遗传操作的优点加以整合,通过并行运算提高优化效率。将基于模糊罚函数的分布式并行遗传算法应用到多目标结构优化中,仿真试验表明取得了很好的寻优效果。     

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。     

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.     

集成主动转向功能的电动助力转向参数优化(英文)

建立了融合主动转向功能的电动助力转向系统(新型EPS系统)动力学模型和整车三自由度转向模型;提出了新型EPS系统转向路感、转向灵敏度和转向稳定性的概念及量化公式;并根据多元函数有约束优化问题的特点设计了遗传算法。以转向路感为优化目标,以转向稳定性和转向灵敏度为约束条件,对EPS系统参数进行了多参数变量优化设计。仿真结果表明:应用多目标遗传算法进行EPS系统参数优化可在保证系统具有较好的转向稳定性和转向灵敏度基础上,有效提高了系统的转向路感,为新型EPS系统的设计和优化提供了理论基础。     

弹跳机器人的弹跳序列规划问题研究

传统轮动式与爬行式机器人难以直接越过大的障碍物或沟壑 ,野外行动能力有限 ,需要研制弹跳机器人。为了快速并顺利地越过障碍物 ,应根据自身获取的或用户输入的地形信息规划出弹跳动作序列。本文分析了弹跳机器人与连续移动式机器人路径规划方法的区别 ,总结出影响弹跳运动规划过程的几个因素。调整影响系数后 ,在简化地形的基础上实现了弹跳序列的启发式搜索算法。结果表明 ,通过适当调整参数 ,该算法可以得到安全高效的弹跳动作序列     

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。