二重结构编码遗传算法在传感器配置中的应用

讨论了模态实验中传感器的配置问题 ,以模态置信度矩阵的最大非对角元为目标函数 ,重点研究了组合优化问题中的遗传算法 ,针对组合优化中约束条件的满足问题提出了二重结构编码遗传算法 ,并将这种方法应用于海洋平台的传感器配置中 ,与序列法作了比较 ,取得了较好的优化效果。

基于树型二重结构编码遗传算法的服务选择

提出了Web服务语法业务流程树的概念,并结合基于QoS的Web服务全局选择的特点,研究了一种用于组合服务QoS优化的基于树型二重结构编码的遗传算法GATD。该方法建立在服务语法业务流程树先序遍历序列编码的基础上,采用二重编码方法处理用户的QoS约束条件,不仅能够有效地选择出满足用户QoS需求的服务资源,而且可以较好地支持服务运行时快速再规划。

二重结构编码遗传算法及其在贷款组合优化决策中的应用

对于综合考虑贷款收益和风险的贷款组合配给决策模型 ,算法上是一类背包问题 ,但它有其特殊性 .采用二重结构编码的遗传算法 ,结合贪心算法和局部搜索算法 ,可以提高这类问题求解的效率 ,并在运算时间和解的精度上取得较好的平衡 .

基于二重结构编码遗传算法求解背包问题的研究

针对背包问题传统的解决方法有动态规划法、分支界限法、回溯法。传统的方法不能有效地解决背包问题。文中提出二重结构编码的遗传算法解决背包问题,是一种适合于在大量的可行解中搜索最优解的有效算法,在约束条件的处理上结合贪婪算法,既加快了算法的收敛速度,又克服了传统方法容易陷入局部最优的特点,提高了搜索效率。通过计算机仿真试验结果表明,二重结构编码的遗传算法比基本遗传编码有更好的近似解,充分证明了使用二重结构编码的混合遗传算法来求解背包问题的有效性和实用性。

基于二重结构编码遗传算法的传感器优化配置

传感器的优化配置是一类组合优化问题,针对此问题,文章以应变模态保证准则SMAC为优化原则,以SMAC矩阵的最大非对角元为目标函数,针对满足传感器数量不变的约束条件问题,提出改进的二重结构编码遗传算法,并通过现有文献中的算例验证本文所提算法的高效性。算例结果表明,该遗传算法优化结果优于现有的遗传算法,将其应用于复合材料板模型损伤诊断的传感器优化配置是可行的。

基于二重结构编码遗传算法的连续刚构桥传感器优化布置

目前工程实践中的桥梁传感器布置多根据经验确定,现行规范对传感器优化布置也没有明确的理论与方法,基于此,提出基于二重结构编码遗传算法的传感器优化布置方法,即采用二重结构编码进行种群的选择、交叉和变异,在选择时采用最优保存策略,交叉时采用自适应部分匹配交叉,变异时采用自适应逆位变异的算子转化。该方法弥补了计算机应用于大型结构时数据冗长、储存空间不足的缺陷,并且搜索到最优解。通过对一个连续刚构桥工程的实例分析,证明了遗传算法在搜索能力、计算效率和可靠性方面明显优于有效独立法,但收敛速度仍需进一步完善。

基于二重编码的遗传算法求解连接增强问题

连接增强问题是个组合优化问题,遗传算法适合解决组合优化问题,一般的遗传算法都采用一重编码方法,这里采取二重编码方法来解决连接增强问题,采取了自适应方法来调整交叉和变异概率,模拟实验中比较了二重编码遗传算法和一重编码的遗传算法的性能。

二重结构编码算法求解背包问题的分析及改进

给出了背包问题的数学模型,分析了解决该问题的二重结构编码的混合遗传算法,在此基础上通过引入价值密度的概念并与局部搜索算法相结合对算法进行了改进,并通过大量的数值试验充分证明了改进后的二重结构编码算法的有效性有了一定的提高。

基于改进遗传算法的桥梁结构传感器优化布置

为了解决桥梁结构健康监测中的传感器优化布置问题,提出一种基于二重结构编码遗传算法的传感器优化布置方法。首先改进了编码方法,采用二重结构编码进行种群的初始化、交叉和变异,然后选择时采用最优保存策略,交叉时采用自适应部分匹配交叉,变异时采用自适应逆位变异。该法克服了传统遗传算法应用于大型结构时收敛速度慢且易陷入局部最优的缺陷,大大加快了收敛速度,并确保能够搜索到最优解。最后通过一个桥梁工程的实例分析,证明了该法在搜索能力、计算效率和可靠性方面明显优于序列法,可广泛地应用于桥梁结构的健康监测。

基于自适应模拟退火遗传算法的传感器优化配置研究

针对传感器优化配置组合优化问题,提出了一种基于模态置信度准则MAC的优化算法——自适应模拟退火遗传算法。以模态置信度MAC矩阵的最大非对角元的值极小为目标函数,针对满足传感器数量不变的约束条件问题,提出了二重结构编码遗传算法,并将传统的模拟退火算法改良后,作为一个独立的算子置于遗传算法进化过程中;为了避免出现过早收敛的现象,引入了自适应交叉和变异概率。算例结果表明该混合算法对传感器数目与位置同时实现了优化,得到了满足不同精度要求的传感器优化配置方案。

基于遗传算法的传感器优化配置

讨论了以损伤诊断为目标的传感器优化配置问题,以模态置信度MAC矩阵的最大非对角元为目标函数,将目标函数的极小化问题转换为适应度函数的最大化问题,采用遗传算法对传感器的配置进行组合优化,针对满足组合优化中的约束条件问题提出了二重结构编码遗传算法,取得了满意的优化结果。算例表明,该方法应用于海洋平台模型损伤诊断的传感器优化配置是可行的,其结果优于序列法。

基于遗传算法的0/1背包问题求解

背包问题是一个典型的NP完全问题。该文给出了背包问题基于0/1规划的数学模型,提出了解决该问题的二重结构编码的混合遗传算法;该算法在传统遗传编码方式的基础上提出了一种改进的编码方式二重结构编码,在约束条件的处理上结合"贪心法",提高了搜索效率。最后的实例仿真,通过大量的数值试验,给出了传统遗传编码与二重结构编码的混合遗传算法计算结果的比较,充分证明了使用二重结构编码的混合遗传算法来求解背包问题的有效性和实用性。

开放式车辆路线问题的改进混合遗传算法

针对传统的遗传算法存在收敛速度慢,局部搜索能力差,易早熟的缺点,采用混合遗传算法进行优化求解开放式车辆路线问题。即采用二重结构编码,可以使问题变得更简洁,提高遗传法的搜索效率。用个体数量控制选择策略,以保证群体的多样性,用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优。最后,结合具体实例,通过实验计算证明了该改进算法的良好性能。

基于改进遗传算法的RGV动态调度模型

随着计算机技术以及自动化技术近几年来的不断发展与进步,轨道式自动引导车RGV的动态调度问题得到专家们的普遍关注。本文针对特定情况运用改进的二重结构编码遗传算法等对建立的模型进行求解,得到一个优化的RGV动态调度模型。通过求出每一组CNC数控机床的组合与所有CNC数控机床中最晚完成运算的时间的关系,再根据贪心算法的思想寻找部分最优解,而后将全部部分最优解归纳,用组合最优算法求出其中最优组合。

基于遗传算法求解背包问题

本文对0/1规划的背包问题展开讨论,提出了一种基于遗传算法的问题求解方法,给出遗传算子,并对模型进行了实验数据的结果分析。

改进混合遗传算法在车辆路线问题中的应用研究

物流配送车辆路线问题,是物流配送优化中不可缺少的环节。针对传统的遗传算法存在收敛速度慢,局部搜索能力差,易早熟的缺点,采用混合遗传算法进行优化求解。即采用二重结构编码,可以使问题变得更简洁,提高遗传法的搜索效率。用个体数量控制选择策略,以保证群体的多样性,用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏,保证算法能够收敛到全局最优。结合具体实例,通过实验计算证明了该改进算法的良好性能。

遗传算法在0-1一维背包问题上的应用研究

遗传算法是改进式启发算法,模拟自然界生物进化过程的计算模型。本文将多种改进的遗传算法应用于背包问题,并通过算例来证明该算法解决背包问题的可行性与有效性,以及评价各算法得优缺点。

基于改进遗传算法的满堂支架传感器优化布置

基于桥梁施工用的满堂支架杆件密集、整体受力复杂、不易确定传感器布置方案的困难,采用二重结构编码的改进遗传算法对满堂支架的传感器布置方案进行优化。在改进的遗传算法中,采用二重结构编码进行种群的初始化、交叉和变异,交叉时采用自适应部分匹配交叉,变异时采用自适应逆位变异,该方法克服了传统遗传算法应用于大型结构传感器优化布置时收敛速度慢且易陷入局部最优的缺陷。

基于改进遗传算法的三层框架结构传感器优化布置分析

本文研究的重点是基于改进遗传算法的三层框架结构传感器优化布置,运用二重结构编码进行种群的交叉、选择及变异,在操作期间分别采用的是部分匹配交叉、最优保存策略、逆位变异。总的来说,这种基于改进遗传算法的传感器优化布置方法能够得到最优解,且传统遗传算法所存在的收敛速度慢、数据冗长等问题都可以得到很好的解决。最后通过一个三层框架结构的实例分析,利用ANSYS建立有限元计算模型,可反映出该方法在可靠性、计算效率、搜索能力方面有着明显优势。

利用遗传算法优化误差扩散核参数的条纹二值编码方法研究

二值条纹投影图像在高速、高精度的三维面形测量领域应用广泛,而提高二值编码条纹的正弦性对于提高三维面形的测量精度具有积极意义。传统及改进的误差扩散核多采用普适的扩散核对条纹图像进行二值编码,较少考虑图像特征与投影离焦程度对相位提取精度的影响。首先利用遗传算法的思想来寻求更佳的误差扩散核系数,然后通过线性拟合来构建与离焦程度以及正弦条纹周期相关的优化目标函数,最后得到优化二值编码条纹正弦性的误差扩散核。仿真和实验分析结果表明,在不同尺寸的窗口下,不同周期有最小相位误差的误差扩散核且它们各不相同,证实扩散核对图像的二值编码质量与图像特征有关。实验进一步证明,大中小三种离焦程度下,所提算法的相位误差较普适的Floyd-Steinberg扩散法可分别减小43.86%、64.37%和50.10%,所提算法的相位误差较改进的Floyd-Steinberg扩散法可分别减小13.51%、18.48%和17.65%。