双变异率自适应遗传算法研究及其应用

针对标准遗传算法的不收敛性，提出一种双变异自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，增加种群的多样性，提高算法的全局收敛能力。实例证明：改进算法具有很好的寻优能力和效率。     

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。     

基于改进NSGA-Ⅱ的停机位预分配优化

随着民航运输业的发展,航班密度不断增加,大型机场的近机位资源紧张问题日益突出,降低了航班保障效率。为了探索大型枢纽机场停机位预分配问题综合有效的解决方法,从航空公司、机场和旅客的实际情况出发,建立多目标停机位分配优化模型,并设计了改进的带精英策略的非支配排序遗传算法（Non-dominated sorting genetic algorithms-Ⅱ,NSGA-Ⅱ）对模型进行求解,得到一组Pareto前沿解。。在交叉和变异操作阶段,对种群个体以指数形式自适应地调整交叉率和变异率,以此提高算法的收敛速度和优良解的多样性。实例验证结果表明,该模型和改进算法相较于人工分配和传统NSGA-Ⅱ算法对停机位指派的优化结果更为突出,尤其在靠桥率和被使用的停机位数量方面;同时利用性能评价指标对比两种算法,发现改进型NSGA-Ⅱ算法更适合停机位预分配问题的求解。     

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。     

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。     

确定性的遗传算法

针对遗传算法效率普遍较低的缺陷，采用了确定性交叉和确定性变异的策略，同时提出了一种新的遗传算子－Hamming-decreasor算子，以加快速传算法中码值相关相差较小而Hamming距离很大的二进制码串之间的转换，在此基础上，构建了一个新的遗传算法－确定性的遗传算法，初步的数值试验表明，新算法是有效的和鲁棒的。     

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.     

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。     

面向机器人原位加工的大型飞船舱体变位姿态优化方法（英文）

在利用机器人实施大型飞船舱体的原位加工时，对舱体旋转变位次数与机器人整体加工性能的关注引入了一双目标优化问题。本文基于机器人刚度特性和非支配排序遗传算法，提出了一种舱体变位方案优化方法。首先，设计了以机器人笛卡尔刚度为基础的特征加工质量评价指标，并建立了原位加工过程模型。其次，为应用非支配排序遗传算法，提出了一种加工过程的双染色体编码方法及相应的交叉变异算子。此外，通过修复算子处理频繁出现的非法编码，保证了算法的寻优效率。仿真及实验研究的结果表明，适当增加舱体变位次数能够有效提升机器人的加工性能，并在工质量和时间成本上实现综合优化。     

A REAL-VALUED GENETIC ALGORITHM FOR OPTIMIZATION PROBLEM WITH CONTINUOUS VARIABLES

提出一种用于连续变量函数优化的遗传算法。它由一种简单、适应面广的动态刻度适应值和选择算子、杂交与变异算子，以及这些算子相应的自适应概率组成。该算法经两个常用函数检验，并在图象识别的神经网络权值训练中得到应用。实验结果表明，该算法是一种快速有效的全局优化算法。