基于FPGA的并行遗传算法硬件实现的研究

遗传算法具有天然的并行性。FPGA(Field programmable gate arrays)本质上的并行特性使其很适合用于实现并行的遗传算法。结合两者的并行特性，本文提出了一种基于FPGA的并行遗传算法。选用了适合硬件实现的选择、交叉、变异算子，并将它们设计成流水线结构。整个设计采用了XILINX公司的XC2V1000型号FPGA芯片。算法利用VHDL语言来描述。实现后的测试表明，这种硬件遗传算法有效减少了运行时间，使其在一些实时性要求较高的场合得到很好应用。     

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。     

基于分布式并行遗传算法的PID参数整定

针对基于简单遗传算法(SGA)进行PID整定在收敛性及初值敏感度方面的缺陷,提出了基于分布式并行遗传算法(PGA)的PID参数整定方法。该方法可以将不同遗传操作的优点加以整合,通过并行运算提高整定效率,能够更有效地进行参数优化。选用典型被控对象仿真,并分别进行收敛性分析与初值敏感度分析。仿真试验表明与SGA相比PGA提高了局部搜索空间的微调能力,降低了对初值的敏感度,寻优效果也大为改善,从而说明了这种方法的可行性,为PID参数整定方法提供了一种新的尝试。     

并行多种群自适应遗传算法在COW集群上的实现

为改善标准遗传算法的求解效率,提出一种基于6模糊控制器的并行多种群自适应遗传算法。利用MPI(Messagepassinginterface)技术建立了一个COW(Clusterofworkstation)集群,将算法在该硬件平台上进行了实现。3机COW集群的仿真实验结果在演示算法设计可行性的同时,表明该算法的求解效率明显优于用于对照的单种群算法,具有在解决组合优化问题上广泛应用的可能。本文还对影响并行算法的参数进行了探讨。     

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.     

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.     

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。     

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。     

基于遗传算法的门式刚架优化设计

由于门式刚架梁柱截面尺寸选择的复杂性和设计变量的离散性,传统的优化方法得不到理想的优化结果。论文以《门式刚架轻型房屋钢结构技术规程》为基础,采用遗传算法,对门式刚架进行优化设计。运用MATLAB语言编制了结构优化程序,并开发了优化程序的图形用户界面。算例表明,该优化方法算法简便,编程简单,优化效果明显。优化程序的图形用户界面简洁明快,操作简单。     

非对称广义特征值问题的拟-Eberlein算法及其并行化

非对称广义特征值问题的并行计算,目前在国内外研究得很少, Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 和 Ｐ． Ｊ． Ｅｂｅｒｌｅｉｎ 曾分别研究非 Ｈｅｒｍ ｉｔｅ 矩阵标准特征值的并行拟 Ｊａｃｏｂｉ算法,１９８９ 年 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 和 Ｐ． Ｖａｎ Ｄｏｏｒｅｎ 在 Ｇ． Ｗ ． Ｓｔｅｗ ａｒｔ 的工作基础上提出了求解非对称广义特征值问题的拟 Ｊａｃｏｂｉ算法（简称 Ｃ Ｖ 算法）与并行拟 Ｊａｃｏｂｉ算法。文中以 Ｊ． Ｐ． Ｃｈａｒｌｉｅｒ 等人的工作为基础,提出求解大型非对称广义特征值问题的拟 Ｅｂｅｒｌｅｉｎ 算法与并行拟 Ｅｂｅｒｌｅｉｎ 算法, Ｃｈａｌｌｅｎｇｅ Ｌ 并行系统上的数值试验表明,不仅并行效率很高,且敛速远优于 Ｃ Ｖ 算法     

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。     

基因方法在网格结点位置优化中的应用

将基因方法应用于网格结点位置的优化中。文中首先简单介绍了基因优化方法中基于达尔文进化论和Ｍｅｎｄｅｌ基因理论的基本原理,其中包括插索空间表达、三个基因作用器（选择、交配和变异）等要点;然后着重阐述了相关偏微分方程的离散误差和三角形网格几何形状的适应度函数的定义、结点位置的二进制基因表达及基因方法的优化进程。离散误差是在二次非连续彭鼓包（ｂｕｍｐ）函数的空间中近似定义的,并且在点移动过程中相关解的二     

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。     

用遗传算法精确计算圆度误差

提出了一种应用遗传算法计算满足最小区域法的圆度误差的新思路,并对传统的遗传算法提出了一些改进。采用实数值编码,其计算结果精确度非常高,理论上可以获得全局最优解;保留上一代种群中适应度最好的个体到下一代,可以确保解的收敛性;对基于实数值编码的繁殖算子、交叉算子、变异算子给出了具体的操作方法。仿真结果表明,用改进的遗传算法求解圆度误差,简单明了,收敛速度快,在计算机上容易实现。     

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。     

基于基因算法与博奕论的翼型跨音速Euler方程气动优化

将基因算法与博奕论中的 Nash平衡相结合 ,构建了多目标基因优化算法—— Nash基因算法 (NashGAs) ,并对初始翼型为 NACA0 0 1 2二维翼型进行给定跨音速流动下的形状增升优化。计算中应用 Bézier曲线对翼型形状进行参数化 ,避免了非流线型的不合理形状产生 ;采用有限元非结构网格 AUSM+通量分裂格式Euler方程数值解进行个体适应度值评估 ;应用动态网格技术调整计算网络 ,节约了 CPU机时 ;最后给出了优化结果