基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

遗传算法优化的BP神经网络模型在遥感水深反演中的应用

针对传统BP神经网络模型在遥感影像水深反演中存在的缺陷,本文引入主成分分析(PCA)与遗传算法(GA),构建新的GA-BP神经网络模型,该改进模型利用GA对BP神经网络模型的权值与阈值进行优化并将优化值作为BP神经网络模型初始值。将该改进模型用于遥感影像水深反演实验中,结果表明,较单一的BP神经网络模型,该改进模型的收敛速度具有较大提升,水深反演精度也更高。

基于遗传算法与组合优化模型的蔬菜定价和补货决策

蔬菜类商品的销售不仅会受到市场与商品质量的影响,还会受到季节性、天气和供需变化等因素的影响,故其在销售过程的定价与补货决策中会面临许多的挑战。本文则针对蔬菜类商品的定价与补货决策问题,建立逐步回归模型、灰色预测模型和组合优化模型,利用相关系数和遗传算法进行求解。

基于BP人工神经网络与遗传算法的航速优化

为了进一步提高船舶能耗效率,本文提出一种基于BP人工神经网络与遗传算法的航速优化技术路线。首先,介绍常见油耗模型的构建方法;其次,利用BP人工神经网络建立目标船舶的油耗模型。模型预测的平均绝对误差为2.3%,准确度和泛化能力基本满足工程应用要求。最后,利用遗传算法,并基于历史气象数据对目标船舶的航线做分段航速优化。计算结果表明,航速优化后目标船舶的航行时长不仅能减少1.35天,燃油损耗还可节省10.1%,由此说明对航行船舶做分段航速优化是一种可行方案。

基于多目标遗传算法的屏蔽泵叶轮水力优化

为改善屏蔽泵叶轮综合水力性能,搭建了ANSYS-Workbench与iSIGHT联合优化平台,采用优化拉丁立方设计对叶片骨线、前后盖板及叶缘厚度等共28个备选参数进行敏感性分析.基于各参数对目标函数影响程度,确定叶片前盖板及骨线处等9个参数作为最终优化输入参数,选取Kriging代理模型与非支配排序遗传算法NSGA-Ⅱ对效率及扬程迭代寻优,最终依据不同权重分配给出2种叶片优化方案.通过数值模拟验证,优化方案1与方案2在额定工况下效率分别提升1.98%和2.83%,扬程分别提升15.73 m和13.39 m,运行区间水力外特性均有明显提升.研究结果表明:前盖板参数z 3对效率及扬程影响最大,分别达到-18.99%与-30.10%;使用Kriging代理模型的预测精度最高,总误差E 0值为3.393%;在0.83 Q BEP~1.12 Q BEP运行区间,方案1与方案2的扬程明显高于原方案,方案1在最优流量工况的优化效果最为显著,达13.89%.

基于地形网格化和遗传算法的MLAT基站选址研究

针对不同多点定位(Mulilateration,MLAT)地面站的布站方式对定位精度影响的问题,提出一种基于地形实际计算最优布站方式的方法。该方法结合实际地形因素,构建地形网格化模型生成初始可选站点,通过XDraw算法计算地面基站的覆盖性对初始站点进行初筛,再结合遗传算法计算最优布站组合。最后选取不规则图形区域进行选址实验验证,在选址区域内随机生成地形,通过初筛减少初始可选点,得到布站方式,并计算几何精度因子和多点定位均方根误差,与传统布站方式进行比较。实验数据表明,该方法计算得出的布站组合与传统布站方式相比,多点定位均方根误差要比传统布站中最小的菱形布站减小4.0159 m,且该方法可用于实际考虑地形因素的MLAT最优基站选址。

基于遗传算法的隔震支座优化设计方法

结合我国现有的结构设计规范,对隔震层支座自动设计问题,结合第三代非支配排序遗传算法制定了隔震支座优化设计方法。提出精细化剪切模型作为本次优化的计算模型,与以往的层剪切模型不同的是,将隔震层的各个隔震支座单独建立,可一次性获得满足偏心率的隔震支座布置方案。上述算法在大型通用有限元软件ABAQUS进行了程序实现。对一个5层的框架隔震结构进行优化设计,结果表明本文提出的方法是有效的,可操作的。

基于遗传算法和分选识别需求的频段驻留时间优化设计

为有效提高信号接收系统前端截获概率并加快系统调试进度,提出了一种基于遗传算法和分选识别需求的频段驻留时间优化设计方法。该方法首先基于窗口函数模型获得前端截获概率计算公式,其次将优化频段驻留时间最大值问题抽象为约束条件下的非线性优化问题,并基于遗传算法进行迭代优化,最后结合辐射源信号正确分选和识别需求优化频段驻留时间最小值,从而得到最优频段驻留时间范围。结果表明,该优化设计方法可实现频段驻留时间范围的最优化,在提高系统前端截获概率的同时可解决现场调试费事费力问题,加快系统调试进度,适用于实际工程应用。

基于多目标遗传算法的固定蜂窝板辐射器性能优化

针对某低轨卫星高散热性与减重需求,提出一种蜂窝板辐射器的优化设计方案。研究表明,外贴热管能够提高辐射器散热能力与表面温度均匀性。以热管-管路布局参数作为设计变量,利用优化拉丁方试验法生成72套样本组合,并采用误差最低的径向基函数(RBF)构建代理模型,仿真结果表明,基于带精英策略的非支配排序遗传算法(NSGA-II)迭代得到的最优方案提高散热能力超过1/4,表面温度均匀性改善65%且辐射器总质量降低32%。通过绕轨运行热控能力分析得到,优化方案的散热器具有优异的散热性能以及显著的减重优势,可为固定式空间辐射器的设计提供参考。

基于小生境遗传算法与径向基代理模型的短期风电功率预测

为提高短期功率预测精度,以赋予风电被电网资产更大规模消纳的优势,建立一种基于主导特征影响因素和小生境遗传算法改进的径向基代理模型的滚动式短期(0~72 h)风电功率预测模型。首先,基于罚函数和排挤机制的小生境技术对传统基本遗传算法进行改进,以径向基代理模型(RBF)作为建模基础,利用改进后的遗传算法以反传误差极小为目标函数对RBF模型的连接权值进行优化,借助其寻优能力来获取最佳权值,以达成对RBF网络的改进和二次训练;然后,基于主导特征气象因素,结合改进的RBF模型最终建立N-SGA-RBF风电出力预测模型,对风电场连续3日0~72 h输出功率进行预测;最后,对N-SGA-RBF模型、RBF模型以及BP模型做预测结果趋势变化、各采样点绝对/相对误差分布、发电预测预报准确率和合格率的对比。以新疆东部某风电场实测数据进行算例验证分析,仿真结果表明,所建预测模型具有较高的精度。

基于遗传算法的卧式加工中心阶梯轨式立柱的多目标优化

立柱是影响机床整机刚度的薄弱环节,其性能直接影响卧式加工中心的加工精度,因此文章提出了一种卧式加工中心阶梯轨式立柱的多目标优化设计方法。首先,基于Ansys对整机进行仿真发现立柱是影响整机静动态性能最薄弱的环节,并当主轴箱处于立柱最上沿处时立柱的刚度最差;其次,选择立柱跨距、立柱高度差、丝杠面宽度、上导轨面宽度作为设计变量;再次,以立柱导轨面X向和Z向变形范围、一阶固有频率以及质量作为评价指标,利用多目标遗传算法寻求最优解,基于此通过灵敏度分析对设计变量圆整并进行仿真验证;最后,结果表明,优化后的立柱导轨面Z向最大变形减小了7.37%,Z向变形范围减小了11.57%,X向变形范围减小了2.41%,一阶固有频率提高了1.4%。

基于遗传算法的多设施选址问题研究

文章采用数学建模和遗传算法相结合的方式对考虑货物分配的多设施选址问题进行求解,并且在研究中运用正交实验法优化参数设定,在算法中运用轮盘赌选择法保证染色体的多样性,运用精英保留策略防止优良基因的丢失,最终达到使企业物流以更低成本和更高效率运作的目的,所给出的算例验证了算法在求解上述问题的有效性。

基于云自适应遗传算法的野营器材运输路径优化

针对野营器材运输投送过程中存在的及时性不强、精准性不高和匹配性欠佳等问题,论文围绕现代联合作战保障和现代军事物流体系建设,综合考虑野营器材运输投送中的时间要求、经济成本和风险制约,构建运输路径优化模型,并采用基于云自适应遗传算法优化求解,以期制定合理的野营器材运输方案,供野营器材保障决策参考。

基于多目标遗传算法的灌区水土资源优化配置

针对我国水土资源紧缺的问题,构建灌区水土资源优化配置模型,对于保障灌区高效绿色发展和农业可持续发展战略实施具有重要意义。基于多目标遗传算法(NSGA-II),综合考虑灌区社会经济发展和生态要求,建立了以单方水利用效益和生态绿当量最大为目标的优化模型。以江苏省来龙灌区为例,提出社会经济效益最大、生态效益最大和耕地增加率最大的水土资源优化配置方案。(1)以社会经济效益最大或耕地面积增加率最大为目标时,来龙灌区主要手段是将水域及水利设施用地转变为耕地及城镇村及工矿用地,灌区水域及水利设施用地配水比例下降,耕地和城镇村及工矿用地配水比例上升;单方水利用效益分别提高9.85%和0.54%,但生态绿当量降低5.52%和0.98%。(2)以生态效益最大为目标时,通过土地整理将田埂或设施农用地转变为园林草地和水域及水利设施用地,灌区水资源分配占比与现状相同;单方水利用效益和生态绿当量分别提高0.26%和0.38%。(3)3个优化配置方案的需水量都增加,但未超过来龙灌区的可供水量。该研究可为灌区生态建设和农业可持续发展提供有效的决策支撑。

基于遗传算法的不规则天然气管道支承件位置避振优化

以多支承的天然气管道为研究对象,在有限元建模过程中通过引入弹簧单元来模拟管道支承件的力学特性。在避振优化部分,以管道系统1阶固有频率最大为优化目标,将支承件位置转换为节点编号作为设计变量,支承件的可移动范围作为约束条件。通过遗传算法不断修正管道系统刚度矩阵,从而得到合理的管道支承件位置。

基于改进遗传算法的选煤生产配煤优化

选煤厂产品质量控制是其可持续发展的重要手段。为提高选煤工艺的技术水平,增强选煤厂产品竞争力,提高经济效益和减少资源浪费,以山西华泰洗煤厂为例,对传统的配煤方式进行优化设计,并基于退火算法和遗传算法建立了新型工艺参数优化模型。结果表明,基于改进遗传算法的选煤生产配煤优化显著提高了选煤效率,调整模型参数有助于对不同选煤厂的不同煤源煤质特征的原煤进行洗选。

基于遗传算法的建筑节能集成优化设计初探

为探索建筑节能集成优化设计的有效方法,基于遗传算法进行深入研究。通过建立针对建筑节能优化设计框架、模块化设计思路及设定明确优化目标和约束条件,详细分析了遗传算法在建筑节能设计中的应用,包括选择、交叉和变异操作、算法迭代与收敛性分析。研究结果表明,通过合理设置适应度函数和算法参数,遗传算法能有效优化建筑设计,显著提升了建筑能效性能,为建筑节能集成优化设计提供了一种新工具。

基于多种群进化小生境遗传算法的电力立体式仓储仓位多目标优化配置方法

针对传统电力立体式仓储仓位配置中存在关联性和灵活性不足的问题,提出一种基于多种群进化小生境遗传算法的电力立体式仓储仓位优化配置方法。首先,对物资进行关联性分析,通过聚类方法将物资科学分类,以提高仓储操作的效率和准确性。然后,基于物资的聚类结果和特性设定约束条件,以物资出入库时间和类内物资距离最小化为目标,构建了仓位优化配置目标函数。最后,引入多种群进化小生境遗传算法进行求解,在仓储仓位搜索空间中更好地保持可选配置方案的多样性,避免过早收敛,在全局范围内寻找最优解,实现电力立体式仓储仓位的优化配置。实验结果表明,所提方法能够提高仓储效率、满足物资管理需求,且在具有更高优化程度的同时保持较高的关联性与灵活性。

基于遗传算法的单配送中心路径优化探讨

物流配送路径是整个车间物流配送系统的核心。以节约物流配送时间为出发点,针对单一型号的产品生产线建立一个单配送中心配送模型。因此,在综合分析考虑各种影响因素,如生产站点的配送量、最早配送时间和最晚配送时间的基础上,文章采用遗传算法对配送路径进行模拟优化,得到最优物流车辆配送数量以及对应的路径,从而达到节约成本的目的。

基于启发式遗传算法的地下采场作业计划优化模型

针对地下矿山空间受限、设备资源有限以及生产任务重的特点,从相邻工序时间间隔最短及生产总时间最短的角度,构建了预控顶中深孔分段空场嗣后充填采矿法的生产计划优化模型,并采用启发式算法加速的遗传算法求解该模型。以赞比亚某铜矿的实际数据为例,对启发式遗传算法和普通遗传算法求出的染色体适应度进行比较分析。结果表明:相比普通遗传算法启发式遗传算法的求解收敛速度更快,经优化后矿山设备平均利用率为64.8%,平均出矿量为3631.19 t/d,既能满足开采需求,又能有效缩短作业时间间隔,保证作业安全要求。该算法能够快速有效地解决井下多设备协调问题。