基于混沌遗传算法和图论分析的BIM模型协作与决策优化

受到BIM模型信息交换模式缺陷的影响,数据协作与决策分析过程中局部数据交换不够完整,在时间约束下的任务项目决策不充分,造成BIM模型整体效率降低,输出结果偏差较大。为了解决这一问题,引入混沌遗传算法与图论分析方法,提出了1种BIM模型协作与决策优化方法,选择合适的Logistic映射关系,引入混沌遗传算法,结合在不同目标函数下的偏差权重,优化规模适应度最大值,提高BIM模型协作参量之间全局最优解的更新速度;建立BIM模型协作参量与决策参量对应子项目的一阶线性常微分方程,利用最小二乘式,求解未关联融合的相关参量;结合协作参量与决策参量优化结果,完成BIM模型协作与决策优化。实验结果表明,该优化方案应用后,协作性能变化的整体指标状态在可控范围内,且全局可靠性测试曲线平滑,波动幅度较小且平缓,波动频率具有规律性。整体切实有效,优化效果稳定可靠,具有较高的研究价值与市场推广价值。

基于多种群混沌遗传算法的GEO目标服务任务规划

面向地球同步轨道(geosynchronous Earth orbit,GEO)空间目标碎片清除、燃料加注等不同在轨服务需求,研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先,建立了多任务混合的燃料最优双层任务规划模型,外层为目标服务序列规划,内层为轨道机动规划。随后,针对该连续-离散混合变量组合优化问题,提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm,MGCGA),采用混合编码表征决策变量,引入立方混沌映射算子提高初始种群质量,多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后,参考实际GEO目标构建了典型算例,规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。

基于改进型混沌遗传算法的分布式光伏储能输出最大功率点追踪方法

针对当前分布式光伏储能输出最大功率点追踪过程受多峰特性影响而导致追踪效果不佳的情况,提出了基于改进型混沌遗传算法的分布式光伏储能输出最大功率点追踪方法。该方法首先通过构建光伏储能电池等效模型及分析光伏储能电池特性基础上,将时间、光照强度和环境温度作为输入,建立基于径向基函数(Radial Basis Function,RBF)神经网络的分布式光伏储能最大功率点追踪模型。其次,在遗传算法中引入混沌因子,形成改进型混沌遗传算法。经过参数设置、种群初始化、添加混沌因子以及交叉和变异等操作后,利用该算法求解基于RBF神经网络的分布式光伏储能最大功率点追踪模型。最后,利用该模型输出分布式光伏储能输出最大功率点追踪结果。实验结果表明:该方法追踪分布式光伏储能输出最大功率点时,具备较好的收敛性和逼近性;可在不同环境温度和光照强度情况下,有效追踪布式光伏储能输出最大功率点,应用效果较为显著。

混沌遗传算法及其应用

本文利用混沌运动的遍历性 ,提出了一种求解优化问题的混沌遗传算法 ( ChaosGenetic Algorithm,简称 CGA) ,该算法的基本思想是把混沌变量加载于遗传算法的变量群体中 ,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度。研究结果表明 ,该方法效果显著 ,明显提高了优化计算效率。

混沌遗传算法(CGA)的应用研究及其优化效率评价

利用混沌运动的遍历性 ,提出了一种求解优化问题的混沌遗传算法 (CGA,Chaos Ge-netic Algorithm) .该算法的基本思想是把混沌变量加载于遗传算法的变量群体中 ,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度 .研究结果表明 ,该方法效果显著 ,明显提高了优化计算效率 .本文将“平均截止代数”和“截止代数分布熵”作为评价指标 ,对混沌遗传算法 (CGA)的优化效率进行了研究 ,定量地评价了 CGA的优化效率 ,通过与遗传算法 (GA)进行比较 ,进一步说明了 CGA的优化效率高于 GA.

基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.

复杂函数优化的混沌遗传算法

将混沌融入遗传算法提出了混沌遗传算法 ,该方法利用混沌运动的随机性、遍历性、对初始条件的敏感性等特性进行群体的混沌初始化和最优个体的混沌变尺度载波寻优 .典型复杂函数优化的仿真结果表明该方法较遗传算法具有更快的收敛速度和更小的计算量 ,是复杂函数优化的有效手段 .

基于混沌遗传算法的电力系统无功优化

针对遗传算法在求解大规模电力系统无功优化问题中存在的收敛速度慢、易早熟的缺点,提出了一种新的无功优化算法——混沌遗传算法CGA。该方法结合混沌优化所具有的遍历性、随机性和规律性的特点,在遗传进化过程中引入混沌移民算子,通过混沌移民操作维持群体中染色体的多样性,以克服传统遗传算法中由于近亲繁殖所导致的早熟问题,确保算法的全局收敛性,加快计算速度。通过对某地区42节点系统进行仿真计算,该方法相比于简单遗传算法,计算速度提高了45%,收敛到全局最优的概率提高了1.25倍。

基于混沌遗传算法的PID参数优化

随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域,各种先进PID控制器参数整定方法层出不穷,给PID控制器参数整定的研究带来了无限活力和契机;然而很多先进的PID参数整定方法并没有像预期的那样产生完美的控制效果。将遗传算法和混沌优化方法智能集成,利用混沌序列的"遍历性、随机性、规律性"的特点生成初始种群,在遗传操作中加入混沌细搜索,大大提高了局部搜索能力,能有效防止遗传算法陷入局部最优和发生早熟现象,仿真表明,混沌遗传算法优化结果相当理想,效果令人满意,优于常规的遗传算法。

基于混沌遗传算法的水电站优化调度模型及应用

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解水电站水库优化调度问题的基于浮点数编码的混沌遗传(CGA)算法。该算法的思想是采用混沌优化进行改善初始种群质量和利用混沌退化变异算子代替常规算法中的变异算子,避免搜索过程陷入局部极值。与动态规划、常规遗传算法进行比较,文中实例计算结果表明,该算法计算速度快、收敛性好,提高了常规遗传算法的收敛速度和优化效果。

改进的混沌遗传算法

将遗传算法与混沌算法相结合,提出了一种新颖的基于猫映射的混沌遗传算法(CGA),解释了猫映射的遍历性,分析了猫映射的混沌分布优越性。该算法利用猫映射的初值敏感性扩大搜索范围,利用猫映射的遍历性进行混沌变量的优化搜索,从而减少了数据冗余,保持了种群多样性,有效地解决了局部收敛问题。理论分析和数值仿真表明,该算法具有更好的收敛性能。

基于混沌遗传算法的网格工作流调度应用

动态网格环境中,多QoS(服务质量)约束下的工作流调度问题是决定其任务执行成功与否及效率高低的关键。现有的网格工作流调度算法难以满足实际应用中的不同需求,同时算法欠优化,难以提供多种策略,由此提出了一种基于期限与预算两个QoS约束的改进型混沌遗传算法。首先,为避免算法出现收敛停滞将混沌机制引入遗传算法并对变异概率进行自适应处理。其次,提出时间和预算的线性结合概念,将目标函数转换为适应值函数。最终基于工作流调度中的平衡结构和非平衡结构测试了算法的有效性。

单车场关联物流运输调度问题的混沌遗传算法

提出了关联物流运输调度问题(Incident Vehicle Routing Problem,IVRP)概念,建立了单车场单车型的IVRP模型,并用混沌遗传算法求解关联物流运输调度问题.混沌遗传算法的基本思想是把混沌变量加载于遗传算法的变量群体中,利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐渐调整扰动幅度.研究表明,该方法能有效地解决关联物流运输调度问题.

求解0-1整数规划问题的混沌遗传算法

针对一类特殊的0-1整数规划求解问题提出一种混沌遗传算法。该算法采用幂函数载波技术提高混沌搜索的充分性与遍历性,以混沌搜索算法得出的优化个体作为遗传算法的新群体进行交叉、变异等操作,提高种群质量,同时增加种群多样性,改善遗传算法的早熟问题。该算法被用于解决片上网络映射A3MAP(architec-ture-aware analytic mapping)0-1整数规划问题。实验仿真证明,该算法的收敛速度和解的精度均优于A3MAP-GA。

AGC机组调配经济性的混沌遗传算法研究

AGC问题是互联电力系统经济有效运行的核心问题。以AGC机组的能耗费用最低为目标函数,提出了一种新的优化调配方法——混沌遗传算法。在遗传进化的过程中,引入混沌变量,维持群体中染色体的多样性,以克服遗传算法中的早熟问题,改善全局收敛性,提高计算速度。通过对某地区几个电厂的机组进行仿真计算,将结果与遗传算法得到的结果进行比较,表明混沌遗传算法应用于AGC机组的优化调度是合理可行的。

基于最小一乘和混沌遗传算法检测红外小目标

提出了一种基于最小一乘估计和混沌遗传算法进行背景预测检测红外小目标的方法.在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,利用混沌序列内在的伪随机性,将混沌引入到遗传算法得到混沌遗传优化算法,以此解决最小一乘估计中极值的选取问题.将原始图像与预测图像相减得到预测残差图像后,利用基于二维指数熵的图像阈值选取快速算法进行分割.给出了实验结果与分析,并与基于遗传算法的最小一乘预测、最小二乘背景预测的检测算法作了比较.实验结果表明,提出的算法具有更高的检测概率和更好的检测结果.

基于混沌遗传算法的区域交通计算机控制配时优化

充分发挥混沌理论和遗传算法各自的优势,开发了混沌遗传算法,混沌遗传算法能有效地改进遗传算法的收敛速度慢、早熟收敛和有可能陷入局部最优点的缺陷。分析了城市交通这个复杂大系统的混沌性,并将混沌遗传算法成功应用于城市区域交通计算机控制信号配时优化。采用TSIS5.1进行了仿真,仿真结果表明:混沌遗传算法比遗传算法的收敛速度大大加快,且车辆平均延误和平均停车率都比遗传算法和固定周期法有明显的降低。

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象.仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性.

基于混沌遗传算法的图像匹配

图像匹配是计算机视觉和图像分析中的一个基本问题。针对常规遗传算法存在的问题,提出了一种实现图像匹配的新的混沌遗传算法,实验表明,此算法具有更高的精度和速度,取得了满意的结果。

改进的混沌遗传算法及其应用

针对多目标干扰多参数波形优化设计问题中需考虑参数过多、高维等问题,给出一种基于实数编码的改进混沌遗传算法。引入An混沌随机数生成器以提高混沌序列的均匀性和随机性,提出将遗传操作中交叉得到的优秀个体与新群体竞争,提高收敛速度。改进后,混沌遗传算法的收敛性和全局搜索能力都有所提高,通过仿真证明了该算法的有效性和正确性。