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。     

基于小生境遗传算法的风电场布局优化

基于小生境遗传算法对风电场内风力机机组的布局进行优化。在优化过程中,考虑等风速同风向和变风速变风向两种简化的入流模式,采用修正的Jensen尾流模型模拟机组之间尾流的相互干扰效应,以单位发电量所消耗的成本最低为目标,使用小生境遗传算法优化风电场机组的排布。文中给出了优化后的风电场布局轮廓图、风电场机组台数、总发电量、目标函数值以及风电场的效率。通过与以前的相关研究对比分析,表明本文的方法取得了较优的结果,可为将来真实风场的风力机排布提供参考依据。     

基于小生境遗传自适应RBFN的歼击机故障认定方法

在模式识别领域中,如何实现更高精度的分类一直是个核心问题。本文提出了将自适应RBF神经网络与小生境遗传算法相结合的方法,其中自适应RBF神经网络通过对样本判断,自动实现对RBF网络添加新的隐层节点或者将样本归于已存在的隐层节点所属的类;小生境遗传算法用于寻找最优的网络宽度值。两者相结合最后确定一个隐层节点数与类别数相同的俭省的网络。用歼击机故障数据进行仿真,比较结果表明此方法能实现更高精度的故障认定。     

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。     

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。     

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。     

基于全局近似函数的薄壁结构耐撞性多目标优化

以圆锥形薄壁金属管为对象进行耐撞性优化研究,并对几种全局近似函数构造模型精度与适用性进行讨论。以薄壁管的多个几何参数为设计变量,以质量比吸能、长度比吸能、最大冲击载荷为目标函数,通过对比几种不同方法构造的近似模型精度,发现依据各个目标函数的非线性强弱程度不同,可以采用相对应的构造方法获得精度最高的近似模型。最后结合普适性最好的RBF法对圆椎管进行多目标的耐撞性优化,并给出设计空间中的Pareto解集与Pareto曲面,提供了多种侧重不同耐撞性指标优化的设计方案。     

遗传算法在含连续/离散变量结构优化中的应用

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题。本文探讨了如何将遗传算法应用于含连续／离散设计变量的结构优化问题。着重讨论了连续／离散混合变量的编码方法和减少适应度函数计算次数的ｍ ｉｃｒｏ ＧＡ 技术。将遗传算法应用于数学考题和十杆结构尺寸／材料混合变量优化问题。两个算例表明,遗传算法能比较有效地解决含连续／离散混合设计变量的优化问题。     

基于博弈的多目标弹药调度策略优化研究

针对作战部队弹药调度策略问题,综合考虑不同作战部队对弹药调度时间因素和安全因素需求程度的差异,通过博弈模型对多目标问题进行度量,进而结合遗传算法对弹药调度策略进行优化。仿真结果表明,本文构建的博弈模型能够更加合理地为不同环境下具有差异化需求的弹药调度策略进行优化。     

利用格雷互补序列降低多载波CDMA信号的峰平比

多载波CDMA信号峰平比比较高，影响到功放的功率效率，这已经成为限制多载波CDMA技术应用的一个关键因素。本文分析表明，多载波CDMA信号的峰平比与编码序列频谱幅度特性有关，采用格雷互补序列(Golay complementary sequences))能有效降低信号的峰平比。数值分析和仿真结果表明，对于任意长度格雷互补序列的多载波信号，其峰平比上限为6dB，并且峰平比随序列长度的变化波动很小。而长度为15，31，63的m序列多栽波信号的峰平比分别为9．47，12和15．06dB，并随序列长度的增加而增加。格雷互补序列多载波信号的峰平比性能明显优于m序列。     

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.     

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。     

适用于欺骗问题优化的分段遗传算法

为了有助于克服遗传算法中的模式欺骗性问题，本文基于遗传算法在不同阶段运行性能的不同，并且借鉴新达尔文主义中生物进化的选择机理，分析和探讨了一种适应性分段遗传算法，并且通过试验证明了该方法的有效性。     

复合材料层压板热屈曲优化设计的自适应免疫遗传算法

复合材料层压壁板的热屈曲优化问题是高速飞行器结构设计的重点考虑内容。通过对免疫遗传算法引入自适应交叉和变异,构造了一种自适应免疫遗传算法(AIGA),并将该算法应用于考虑强度约束的层压板热屈曲铺层顺序优化设计。并将算法的优化结果与简单遗传算法(SGA)、免疫遗传算法(IGA)的优化结果进行了比较,结果表明该算法收敛速度快,优化解的质量最好,并有效的克服了SGA易于早熟收敛,IGA收敛缓慢的缺点。同时研究了抗体调节系数对AIGA算法性能的影响。     

遗传算法在DH106动力箱可靠性优化设计中的应用

本文考虑随机因素的影响，建立了DH106动力箱可靠性优化设计的模型。采用惩罚函数法将约束优化转化为无约束优化。将遗传算法用于DH106动力箱可靠性优化设计的求解，利用交叉和变异来搜索，在较大程度上避免了优化搜索停止在局部优化解上，优化效果十分明显。     

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。     

羊毛精纺织物服用性能优选的多属性模糊决策

本文应用多属性目标决策的方法,评判不同规格毛织面料的"满意度",客观地提供一个重要的优选辅助依据。     

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。