基于改进遗传算法的非线性励磁系统参数辨识

将大变异遗传算法应用于非线性发电机励磁系统的参数辨识,利用其较强的全局寻优能力辨识出发电机励磁系统参数估计值。其原理为:当某一代中所有个体集中在一起时就以一个远大于通常变异概率的概率执行一次变异操作,随机、独立地产生许多新的个体,使种群脱离早熟。比较每代中所有个体的最大适应度与平均适应度的接近程度,判断当代中所有个体的集中程度;对当代适应度最高的2个个体不进行大变异操作,以保证具有最大适应度的个体不被破坏掉。采用Matlab的Simulink模块建立仿真模型,算例试验结果表明,基于大变异遗传算法的励磁系统参数辨识方法速度快、精度高。

一种改进的双种群遗传算法

提出一种新的双种群遗传算法.两个子种群的交叉、变异以及复制操作互不相同.在一个子种群中,高相似个体之间具有相对高的交叉率,遗传操作得到的新个体替代上代种群的最劣的个体.在另一个子种群中,低相似个体之间具有相对高的交叉率,变异操作采用大变异算子,遗传操作得到的新个体替代上代种群的与其最相似个体.两个子种群之间的移民使新的算法获得了良好的局部搜索能力和全局探索能力.实验结果说明:本文的算法要优于单一种群遗传算法和两个子种群的多种群遗传算法.

基于ANSYS的遗传算法在水工弧形钢闸门优化设计中的应用

提出了自适应概率的大变异操作,并以大型有限元软件ANSYS为工作平台,利用APDL语言直接实现了遗传算法,改善了遗传算法在小群体规模时容易出现的“早熟”现象,并成功地应用到水工弧形钢闸门的优化设计中,取得了理想结果,为遗传算法在大型实际工程优化中的应用提供了成功的例证.

一种用于矩形排样优化的改进遗传算法

矩形排样优化属于NPC问题,在工业界有着广泛的应用,如布料切割、金属下料和新闻组版等。提出了一种基于环形交叉算子和环形变异算子的自适应遗传算法,并将改进的自适应遗传算法和IBL启发式布局算法相结合,有效地解决了矩形排样优化问题。对比实验结果表明,环形交叉算子和环形变异算子对遗传算法是有效的,所提出的改进混合自适应遗传算法能够在一个较短的时间内找到满意解。

模拟退火自适应大变异遗传算法及其应用

为了克服遗传算法易陷入局部最优或早熟问题,提出了一种模拟退火大变异遗传算法,采用了大比例优秀个体保护策略,以保证算法的收敛性。应用该算法求解旅行商问题的仿真实验证明了它能较快地收敛到最优解或准最优解。

基于改进的混合基因算法的FIR数字滤波器设计

研究了利用模拟退火遗传算法来设计F IR数字滤波器的方法。针对算法在寻优过程中,易陷入局部最优解和搜索缓慢的特点提出了改进方法,该方法充分利用了遗传算法的并行化抽样过程和模拟退火算法中控制算法的收敛性,不仅优化了时间性能,避免出现收敛的“早熟”现象,而且在一定程度上提高了算法的搜索性能。最后结合F IR低通数字滤波器的设计给出了仿真结果。

改进遗传算法搜索性能的大变异操作

遗传算法是一种模仿自然界生物进化过程中选择和遗传的机理而构造出的一种优化搜索算法．但是，简单遗传算法的收敛速度较慢，稳定性较差．针对这些问题，本文提出了一种被称为“大变异”的改善遗传算法性能的操作，在文中分别讨论了该操作的思路，实现的方法，井给出了它的有效性的数值实验证明．

遗传算法种群多样性的度量

针对遗传算法的过早收敛问题，从种群个体、基因两个方面给出了遗传算法种群多样性的度量方法，并在此基础上提出了一种基于大变异操作的遗传算法．实验结果表明该方法在问题求解的精确度以及收敛性方面取得了很好的效果．

基于网络化控制模型的改进无功优化算法

针对网络具有前向通道数据丢包的情况,提出一种基于网络化控制模型的改进无功优化算法。首先将网络化控制模型引入无功优化实时控制,实现了基于网络化控制模型的无功优化问题建模,并分析了网络数据丢包对于无功优化算法的影响;进而针对网络前向通道中数据丢包问题,提出利用历史控制量进行去冗–保持处理的改进优化方法;最后以定向变异遗传算法为例,针对IEEE 118节点系统进行了无功优化仿真分析。结果表明:当系统的网络前向通道中存在不可控输出量时,利用该方法不仅能保证系统达到近似的最优状态,而且其收敛性和求解速度都得到提高。

应用改进遗传算法优化天基光学监视平台轨道

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道倾角进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约1个量级。

适用于大数据的遗传优化算法研究

针对传统遗传算法对高维度数据或大数据易陷入局部最优的问题,提出了一种基于网格小生境与分级多种群共同演化的增强遗传算法.首先,采用基于网格的小生境算法建立主种群,主种群独立进化,将低适应度的样本迁移至子种群中.按照低适应度样本的适应度范围建立分级的子种群结构,各子种群内的样本独立演化,低适应度子种群的样本可进化并迁移至高适应度种群或返回主种群,从而防止具有一定竞争力的样本过早死亡.对比实验结果表明,本算法对高维度数据具有较好的优化效果,优于同类型遗传算法.

一维全局最优问题的改进遗传算法

遗传算法是一种借鉴自然界生物自然选择和自然遗传机制的高度并行、随机及自适应的搜索算法，该算法对一般的全局最优有良好的鲁棒性。但是，对非线性较强的函数，简单的遗传算法的收敛速度较慢，稳定性差。本文提出了一种新操作：一点交换和两点交换相结合、普通变异和大变异相结合的操作。理论证明和数值计算结果表明，该算法是有效的。

基于遗传算法的公路桥梁钢筋混凝土受弯构件优化设计

探讨了遗传算法在公路桥梁钢筋混凝土受弯构件优化设计中的应用，并且针对简单遗传算法存在“早熟收敛”的缺陷，采用大变异操作来避免产生局部最优解。数值实验证明，与常规优化方法比较，遗传算法能从搜索空间中多点出发进行搜索寻优，寻优过程中仅涉及适应度函数的计算与评价，能很好地解决结构优化设计问题。

卫勤最短回路问题的遗传算法求解

本文采用了一种基于环形交叉算子和环形变异算子的改进遗传算法IGA(Improved Genetic Algorithm),同时在遗传算法中结合贪心策略来解决卫勤最短回路问题(SCPHS)。对比试验结果表明,本文给出的算法能够在一个较短的时间内找到一个满意解;相对于文献中给出的其它算法,该算法更加有效。

扰动机制下的遗传算法求解柔性作业车间调度

针对柔性作业车间调度问题,提出一种扰动机制下的遗传算法,该算法以最大完工时间最小为优化目标。为了克服传统遗传算法早熟的缺点,引入差异度阈值策略对传统遗传算法的结构进行动态调整,同时设计了灾变机制和大变异策略相结合的扰动机制,增强了算法的搜索性能。最后,通过基准案例进行测试并与其他算法的结果进行对比,验证了扰动机制下的遗传算法对于解决柔性作业车间调度问题的有效性和优越性。

基于混合遗传算法的车间生产计划调度

针对车间环境的动态随机性、多工序问题,研究了调度问题和算法的特征,提出了一种基于混合遗传算法的车间调度方案。在传统遗传算法的基础上,采用交叉算子、变异算子与启发式算子结合,实现了混合遗传算法,避免了传统遗传算法解的不可行性。再把紧急工序作为一个时域段,结合可变时域滚动机制,实现了可插入紧急工序的调度算法,使一道工序不需重新调度也可排入作业计划,避免了不可插入性,节省了时间,提高了效率。结合实例进行仿真分析,结果表明了调度的可行性、正确性、满意度。

多中心半开放式送取需求可拆分的车辆路径优化

针对多中心半开放式送取需求可拆分的车辆路径问题,构建了以车辆配送距离最短为目标的多中心半开放式送取需求可拆分的数学模型。设计大变异邻域遗传算法进行求解,采用二维染色体编码及顺序交叉策略,同时运用大变异策略和邻域搜索策略提高算法全局和局部的寻优能力,通过算例对比验证了所提模型与算法的有效性。算例实验表明,大变异邻域遗传算法在求解多中心物流配送车辆路径问题上求解质量较优、求解效率较高、求解结果较为稳定,同时验证了联合配送下多中心半开放式送取需求可拆分的配送模式优于独立配送下单中心送取需求可拆分的配送模式。研究成果不仅拓展了车辆路径问题,还可为相关快递物流企业配送优化提供决策参考。

一种基于GA的新型生物地理学优化算法研究

为了使生物地理学优化算法的优化能力得到进一步提高,提出了一种基于遗传算法的新型生物地理学优化算法。在迁移操作之前增加了选择操作,采用了"轮盘赌"的方法选择出迁移个体,以使适应度较高的个体可以优先得到迁移,并且变异操作结合了遗传高斯变异操作方法,从而更好地提升了算法的优化性能;在此基础上,从理论上详细推导了该方法的收敛性条件。使用了5种测试函数进行实验,结果证明了改进后的算法在优化结果和收敛速度方面要更优。

基于模拟退火遗传算法的FIR数字滤波器设计

研究了用模拟退火遗传算法来设计FIR数字滤波器,并针对算法在寻优过程中,参数搜索缓慢的特点提出了改进方法,该方法在一定程度上提高了算法的搜索性能.并结合FIR低通数字滤波器的设计给出了仿真结果.