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。     

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。     

关于遗传算法模糊控制的研究

在控制对象的数学模型由于受非线性的时变的影响很难精确确定时，模糊控制是一个比较好的方法，但模糊控制规则易受人的因素的影响而归纳得不完善，并且不能自学习影响了模糊控制的效果。遗传算法可以搜索整个空间，不易陷入局部最优解，不受搜索空间的性假设的约束。可以解决非常困难的寻优问题，本文提出关于遗传算法的模糊控制，使控制规则得到优化，从而改善了控制性能。仿真实例表明这种方法是可行的。     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足,提出了一种改进的遗传算法。首先,采用栅格法对机器人路径规划进行建模。然后,提出一种生成初始种群的方法和精英策略,设计出自适应变异概率,提高了算法的求解质量。同时,在规划过程中,将全局路径规划与局部路径规划相结合,并且根据机器人与动态障碍物碰撞类型的不同,提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法,能够有效地指导机器人在动态环境中实现避障,获得无碰最优或次优路径。     

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。     

基于遗传算法的高速磨削用量的优化

在满足所要求的加工精度的前提下，高效率一直是磨削生产追求的目标。用遗传算法对高速磨削用量进行优化，可解决这个非线性问题，并且速度快，不易陷入局部最优解，可满足高生产率的要求。优化结果表明，生产率可提高８．３％，体现了这种算法的可行性     

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。     

最小二乘影响系数法的优化改进

阐述了柔性转子高速动平衡的最小二乘影响系数法和加权最小二乘法的基本原理，在此基础上提出了基于遗传算法的最小二乘法，并对考虑平衡质量受限时的最小二乘法进行简化修改后得到了限制配重的最小二乘法。比较分析这几种方法的适用性，进行了算例分析。结果表明，在对平衡配重量及平衡后的残余振动值要求不同时，应该分别采用不同的改进最小二乘法。其中基于遗传算法的最小二乘法，综合了以上改进最小二乘法的适用性，使平衡配重量和残余振动值均达到了优化。     

基于遗传算法的参数优化在控制器设计中的应用

本文详述了遗传算法作为一种随机搜索算法在控制器设计参数优化中的应用。从遗传算法基本原理入手，结合工程实际，论述了遗传算法在PID控制器设计、鲁棒控制器设计、最优控制、系统参数辨识、模糊逻辑控制系统和神经网络控制中的应用成果。讨论了影响遗传算法的因素，并提出了改进的策略。     

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。     

求解装箱问题的遗传算法

本文提出了两种求解装箱问题（ＢｉｎＰａｃｋｉｎｇ）的遗传算法。一种是简单遗传算法,它采用等长度字符代码编码方法,使用常规的遗传操作算子。另一种是混合遗传算法,它综合运用解装箱问题的ＦＦＤ（ＦｉｒｓｔＦｉｔＤｅ－ｃｒｅａｓｉｎｇ）近似算法和简单遗传算法。试算结果表明,由这两种遗传算法所得到的装箱方案较一些近似算法所得到的装箱方案都要好。     

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.     

改进的混沌遗传算法

混沌和遗传算法的结合产生了混沌遗传算法.通过分析其本质,发现其中存在很大的重复性操作,本文对此算法进行改进.计算机仿真表明:改进后的算法具有更好的快速寻优能力.     

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。     

并行遗传算法的研究评述

并行遗传算法是遗传算法研究中的一个重要方向,受到了研究人员的高度重视。本文系统地综述了各种并行遗传算法的构成原理,介绍了其典型应用情况,并指出了需进一步研究的课题。     

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。     

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。     

遗传算法在飞行冲突解脱中的应用

随着空中交通流量的增加，我国的空中交通系统面临着越来越严重的航线拥挤，飞行冲突变得日益严重。自由飞行是解决这一问题的有效方法，即允许飞行员选择最合适自己的飞行航线和飞行速度，其优势显而易见，但同时增加了管制员管制监控的难度 ，基于遗传算法的自由飞理论能有效地解决这一问题。本文论述了该方法在飞行冲突解脱中的应用。     

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。     

基于遗传算法与DSM的产品结构分解聚类方法

产品结构的分解聚类在产品开发中有着重要的地位,在用设计结构矩阵(D es ign structure m atrix,DSM)对产品结构进行建模的基础上,通过遗传算法实现了产品结构分解聚类的智能化和分解聚类结果的最优化。在算法的设计过程中开发了一种对DSM进行二维编码的方法,并给出了在二维编码基础上的多点杂交和基本变异方法。在构造适应度函数时,综合考虑了DSM模型中各元素之间的联系、聚类的数目以及各聚类中元素的数目。最后以某摩托车发动机为例,用该算法实现了产品结构DSM模型的智能化分解聚类,验证了该算法的可行性。