多目标演化算法的对比研究

多目标演化算法已成为优化技术研究的一个重要方向，介绍了多目标演化算法的分类方法，给出了其基本流程。按时间顺序详细介绍了现有的九种典型多目标演化算法的实施过程，对比了这些算法的优缺点，并讨论了与多目标演化算法相关联的一些问题如约束的处理、算法的收敛性等。     

一种求解武器--目标分配问题的新方法

提出了一种求解武器-目标分配问题的新方法.阐明了将武器-目标分配问题作为组合优化问题,采用遗传算法进行求解,并针对问题特点,给出了基于系统信息的启发式操作方法及适合的操作算子.仿真结果表明,此方法可以明显提高问题求解的速度及精度.     

应用改进多种群遗传算法的多星成像目标规划方法

针对目前多星成像目标规划求解算法容易陷入局部最优解,且对于大区域目标及规划时间周期较长时不能尽快规划出较优的成像方案问题,提出一种改进多种群遗传算法的多星成像目标规划方法。以成像规划方案周期最短、覆盖率最大为目标函数建立模型;利用改进的多种群遗传算法对模型进行求解,采用移民算子种群在多种群之间关联及更新种群,保留每代进化中的最优成像方案。利用多星对区域目标成像验证了所提出的方法,结果表明:此方法能够较好地用于模型的建立及求解,有效地规划出目标函数较优的成像方案。     

遗传算法在机翼气动优化设计中的应用

把最优化方法与机翼的气动力求解相结合,进行跨音速机翼的气动优化设计。采用最优化方法为遗传算法,机翼的气动力由三维欧拉方程的数值解来提供。与基准机翼相比较,优化设计的机翼其气动性能有较大幅度的提高,表明遗传算法在机翼优化设计中的可行性和有效性     

Ada动态测试中遗传算法的参数编码方法

介绍了将遗传算法应用在Ada程序结构测试中,被测单元参数按照遗传算法的运算规则进行编码的原则与方法.首先,介绍了包括枚举类型和变长数组的基本数据类型的参数编码方法.由于Ada语言允许使用动态数据结构类型的参数,如何在一个较高自动化的动态测试工具中实现对动态数据结构的自动测试,成为首要关注的问题.因此文中着重介绍了Ada程序的动态数据结构在遗传算法中的编码方法.     

高校排课中的遗传算法

采用了鲁棒性较好的遗传算法,对院校的必修课给出了染色体编码和适应度函数,并采用了自适应的杂交和变异概率,程序运行结果良好。     

求解TSP问题的遗传算法

无人侦察机的巡航问题,如果不考虑其它约束条件,实际上是一个 TSP 问题。目前还没有求解 TSP 问题的比较有效的实时算法,我们首先利用改良圈算法求得一个较好的初始种群,再应用遗传算法就可以实时地求得一个较满意的解。     

基于双层规划的机场场面运行规划研究

当今国内民航业迅速发展,大型机场航空器起降架次稳定增多,场面运行情况也随之更加复杂,这对机场场面运行规划提出了更高的要求。综合考虑停机位指派和滑行道调度两个优化问题,引入双层规划模型,上下层模型分别以停机位与机型的匹配度最高、滑行时间最短为优化目标,采用遗传算法进行求解,并以上海浦东机场为实例进行场面运行规划。结果显示,优化后的方案在近机位利用率与滑行时间上都得到了改进,验证了模型的有效性。