基于变长度编码遗传算法的铣削深度分配优化

根据某企业车辊机架大轴向铣削深度的实际需求,在满足铣削总深度及加工精度要求下,为实现对轴向铣削深度分配方案的智能决策,建立了刀具失效累计率和铣削总时间为优化目标的分配数学模型。通过对轴向铣削深度分配进行可变长度编码,对遗传算子交叉、变异的重新改写,并采用加权方法处理优化结果。结果表明:与传统平均分配方式相比较,采用变长度编码的遗传算法所获得的目标值最高减少16.5%。该方法可提高企业生产效率,降低企业成本。

用遗传算法对局域信息争当少数者博弈模型演化

本文设计了两种不同的局域信息争当少数者博弈模型的演化模型,分别用均匀交叉与变长度的遗传算法对模型经纪人的策略进行优化。通过数值模拟发现采用均匀交叉的遗传算法可以使模型某方人数的约化方差迅速下降,系统功能得到改善;而采用变长度的遗传算法则使模型某方人数的约化方差开始下降而后进入振荡模式,同时经纪人的局域信息策略长度分布趋向于以短长度策略为主的近似稳态自组织分布形式。

基于改进遗传算法的岩体结构面产状聚类分析

根据产状对结构面进行分组是研究岩体结构的重要环节。传统分组方法通常需要依靠地质经验,缺乏客观性,而现有的聚类方法也存在一些缺陷。基于变长度字符串遗传算法,提出了一种改进的K均值算法,实现了岩体结构面产状的自动聚类。该方法的核心思想是使用遗传算法为K均值算法选择恰当的聚类中心,克服了K均值(K-means)算法受初始聚类中心影响,易收敛于局部最优解的缺陷。由于使用了变长度字符串,该方法能够在聚类过程中自动确定最佳结构面组数,同时提供最优的分组结果。针对产状数据,提出了一种新的变异方法,该方法利用C++语言实现,并被应用于浙江省某地下水封洞库结构面产状数据的分析,得到较为合理的分组结果,证明了该方法的有效性。

动态模糊聚类及其在变压器故障诊断中的应用

理论分析和实践表明,电力变压器绝缘故障与油中特征气体组分含量及特征气体组分比值密切相关。提出一种基于遗传算法的动态模糊聚类算法,有效融合特征气体组分含量及组分比值两类故障信息,完成对变压器故障的动态聚类分析。该算法采用实数编码方案,染色体长度可变,不同的长度对应于不同的故障类别数;并采用一种新的适合于变长染色体的交叉和变异算子。与特征气体法、三比值法进行对比实验,表明该算法具有较高的判定正确率。