利用遗传算法进行稠密视差图估计

提出了一种利用遗传算法解决立体匹配问题的方法以获得稠密的视差图。与以往方法不同．本将立体匹配问题看作一种多极值的优化问题——从一组可能的视差图中找到最合适的一个。在大量的优化算法中，已经证明对于具有广阔搜索空间的全局优化问题，遗传算法是一种潜在的有效方法。从这个思想出发．本把每一个视差图看作是一个进化个体．并把视差值作为染色体进行编码．因此该算法中．一个个体将会包含大量的染色体。然后，把一些匹配约束转化形成目标函数，利用遗传算法去搜索待解决问题的全局最优解。另外，为了减少匹配上的不确定性以及时间消耗，中还采用了从粗糙到细致的层次化匹配策略(coarse—to-fine strategy)。最后给出合成图与真实图的匹配实验结果．以验证该方法的性能。     

基因遗传算法的多目标优化问题的研究与应用

在把遗传算法应用到科学和工程研究领域解决多目标优化的问题之前,已经有许多非常优秀的方法,但是这些方法在处理高维、大尺度、多模型等复杂的问题上还有许多不足之处。对多目标遗传算法应用于处理复杂问题进行了示例,得到的解是一个最有解集合.由于多目标遗传算法在处理复杂问题时具有较强的空间能力,对于解决现实生活中的复杂问题是可行的。     

基于六模糊控制器的自适应遗传算法

遗传算法的性能主要取决于算法对满意解的搜索和优化的能力。本提出的自适应遗传算法可以自动均衡搜索和优化关系。该算法采用六个模糊控制器对符号编码遗传算法的遗传操作实施动态参数控制。对旅行商(TSP)问题的求解结果表明该算法在解决类似于TSP的组合优化问题时具有比标准遗传算法更好的性能。     

基于改进的状态空间模型进化算法的航班优化调度

单跑道进离港航班优化调度是将某一时间窗内进离港航班看作一个整体,对进离港航班进行统一优化排序,属于典型的组合优化问题。改进的状态空间模型序号编码进化算法（MOSEA）采用序号编码,不使用交叉算子,且通过构造状态进化矩阵来实现基因换位等遗传算子功能,使种群不断地进化,并结合选种池的选择操作实现种群的优胜劣汰。MOSEA算法将问题的解答过程表示为离散状态空间模型的动力学过程,突破了遗传算法的计算模式,简化了遗传操作,并研究了其在航班进离港优化调度中的应用。仿真实验表明：MOSEA算法与遗传算法、先到先服务（FCFS）航班排序相比,航班总延误时间分别降低了22.13%、32.06%,且运算速度更快。     

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。     

基于三维高分辨率CFD解法的气动优化研究

采用以高分辨率MUSCL格式为核心的三维CFD解法，与自动化网格生成技术等结合，构建了适用于各类亚、超音速气动优化问题的气动造型数值优化系统。分析表明，遗传算法对采用三维高分辨率CFD解法的优化来说工作量太大；通过多激波系超音速进气道优化设计和跨音速翼型阻力最小化的比较显示，基于目标函数梯度的F1etcher-Reeves法的优化速度比不使用梯度信息的Powell法快了近一倍。研究表明．梯度法是相对更适合气动优化系统的非线性优化方法。本文使用梯度法成功地对三维跨音速机翼进行了优化设计，获得了升阻比明显高于原始超临界机翼的设计方案。     

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。     

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。     

基于遗传算法的无传感器永磁同步电机控制优化

基于实数编码遗传算法．实现对无传感器永磁同步电机(PMSM)控制器参数的选取和优化．速度的估计采用扩展卡尔曼滤波(EKF)方法,以PMSM转子速度的测量值与估计值的偏差信号作为遗传算法自适应度求取的依据,实现协方差矩阵中参数的在线调整,节约了系统协方差参数的求取时间,提高了估计器的估计精度。基于dSPACE的快速控制原型工具验证了该方法的有效性。     

一种基于改进遗传算法的模糊建模方法

针对复杂系统的模糊建模问题，提出了一种改进遗传算法的模糊建模方法。首先在标准的T—S模糊模型基础上，提出了扩展的T—S模糊模型。然后采用改进的遗传算法优化扩展的T—S模糊模型参数和规则数。最后．通过数字仿真结果验证了算法的可行性和有效性。     

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6σ设计的复合推力高速直升机总体参数多目标优化

针对复合推力高速直升机总体设计阶段总体参数的选择问题,提出一种提高可靠性和鲁棒性的基于6σ设计的改进多目标遗传算法优化方法。采用叶素理论和数值积分的方法分析计算了复合推力高速直升机气动及飞行性能,并以此为基础建立了约束函数和初步目标函数模型;将6σ设计融入改进的多目标遗传算法中,构造最终目标函数;在给定有效载荷设计要求下,对复合推力高速直升机总体参数进行了多目标优化设计。该方法获得了所需的Pareto解,优化后的复合推力高速直升机飞行性能相对原机有了较大改善,算例结果表明该方法有效可行。     

基于基因算法与博弈论的气动高升力优化

A multi-objective evolutionary optimization method (combining genetic algorithms(GAs)and game theory(GT))is presented for high lift multi-airfoil systems in aerospace engineering.Due to large dimension global op-timization problems and the increasing importance of low cost distributed parallel environments,it is a natural idea to replace a globar optimization by decentralized local sub-optimizations using GT which introduces the notion of games associated to an optimization problem.The GT/GAs combined optimization method is used for recon-struction and optimization problems by high lift multi-air-foil desing.Numerical results are favorably compared with single global GAs.The method shows teh promising robustness and efficient parallel properties of coupled GAs with different game scenarios for future advanced multi-disciplinary aerospace techmologies.     

基于基因算法与博弈论的气动高升力优化(英文)

讨论了基于基因算法与博弈论的组合优化算法在高升力气动优化问题中的应用。引入基因算法与博弈论相结合的分布式组合算法 ,可以将复杂的优化问题分解为几个简单的局部优化问题。文中论述了组合优化算法的构造方法 ,并应用于高升力多段翼型气动优化。与传统基因算法的数值计算结果进行了比较 ,表明本文构造的方法具有高效收敛性及强的鲁棒性 ,可广泛应用于先进气动设计问题。     

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。     

用遗传算法求解非同序作业排序问题

多机不同序作业排序问题是ＮＰ－完备问题中难度较大的一类，本文给出了该问题的数学描述及遗传算法设计方法，通过实例计算和分析表明，ＧＡｓ的解明显优于传统算法，且能有效地适用于在规模加工过程中的ｊｏｂ ｓｈｏｐ排序的优化问题。     

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。     

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。     

基于翼型反设计的遗传算法

遗传算法有时收敛太慢或收敛困难.在翼型反设计问题中,算法的计算效率很重要.给出了翼型的非均匀B样条曲线表示,设计了遗传操作算子,引入一种简单、易实现、高效率的随机逼近算法--Simultaneous Perturbation Stochastic Approximation(SPSA)算法,将SPSA算法作为一种快速局部优化方法和遗传算法的整体搜索策略结合起来,为翼型反设计提出了一种快速高效优化算法.并用该算法分别对NACA2412和NACA0016翼型进行了反设计,取得了令人满意的结果.