求解最大团问题的均匀设计抽样免疫遗传算法

针对遗传算法在最大团求解中保持群体多样性能力不足、早熟、耗时长、成功率低等缺陷,依据均匀设计抽样理论对交叉操作进行重新设计,结合免疫机理定义染色体浓度设计克隆选择策略,提出求解最大团问题的均匀设计抽样免疫遗传算法。仿真算例表明,该算法在解的质量、收敛速度等各项指标上均有提高,与DLS-MC、QUALEX等经典搜索算法相比,对部分算例能得到更好解。

均匀设计抽样混合遗传算法求解图的二划分问题

遗传算法(GA)的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用均匀设计抽样(UDS)的理论和方法,对遗传算法中的交叉操作进行重新设计,并在分析图二划分问题特点的基础上,结合局部搜索策略,给出了一个求解图二划分问题的新遗传算法,称之为基于均匀设计抽样的混合遗传算法。最后将该算法与简单遗传算法和佳点集遗传算法进行比较。通过模拟比较,可以看出新算法不但提高了算法的求解速度和精度,而且避免了常有的早期收敛现象。

基于均匀设计抽样的改进遗传算法在回归模型中的应用

通过对佳点集遗传算法优缺点进行分析,利用均匀设计抽样(UDS)的理论和方法,对遗传算法中的交叉操作进行重新设计,提出一种改进的遗传算法。新算法将变量选择和变换选择并行实施,并结合统计信息准则处理回归模型选择问题。仿真实验表明新算法在求解精度、解的稳定性等方面有较大的提高。

基于均匀设计抽样遗传算法求解背包问题

众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向.以此结论为基础,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为均匀设计抽样遗传算法.最后将均匀设计抽样遗传算法应用于求解背包问题,并与简单遗传算法和文献[2]中的佳点集遗传算法进行比较.通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其它方法常有的早期收敛现象.

均匀设计抽样在遗传算法中的应用

众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。而遗传算法中的交叉操作就是在高适应度模式中寻找最优解的操作。文章以此结论为基础,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,使其能随机、均匀地搜索高适应度模式空间,能有效提高搜索的效率。称这样得到的新的遗传算法为均匀设计抽样遗传算法。最后将均匀设计抽样遗传算法应用于求解函数优化问题,并与简单遗传算法和佳点集遗传算法进行比较。通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了早熟现象。

一种求解TSP问题的均匀设计抽样混合遗传算法

旅行商问题是经典的NP-hard组合优化问题,在许多领域有着重要应用。近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想。基于理想浓度模型的机理分析,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在旅行商问题特点的基础上,结合2-opt局部搜索策略,给出了一个解决旅行商问题的新的遗传算法。通过将该算法与简单遗传算法和佳点集遗传算法进行实例仿真比较,可以看出新算法在求解旅行商问题上提高了求解的质量、速度和精度,而且避免了其它方法常有的早期收敛现象。

遗传算法初始种群与操作参数的均匀设计

通过对遗传算法初始种群与操作参数设定问题的研究,认为初始种群的分布状态与算子操作参数的选取直接关系遗传算法的全局收敛性与搜索效率,对初始种群与各操作参数进行合理设定是应用遗传算法进行寻优计算的重要问题.同时,遗传算法的初始种群必须科学地表征解空间的信息,操作参数也必须兼顾多样性与快速性相互协调设置.基于优化设计思想提出应用均匀设计方法同时确定遗传算法的初始种群及其他操作参数的方法.利用均匀设计的等价准则提出一种简化计算的近似获得均匀初始种群的方法,仿真实例验证了这种方法的可行性、有效性.

均匀设计法、神经网络和遗传算法结合在内高压成形工艺参数优化中的应用

内高压成形技术是以轻量化和一体化为特征的一种空心变截面轻体构件的先进制造技术。目前,内高压成形技术越来越受到人们的关注,特别是汽车制造企业。管材的内高压成形过程与很多因素有关,其中施加在管件内部的压力与轴向进给量之间的配比关系尤为重要,对两者的匹配关系进行优化是内高压成形面临的重要课题。传统的优化方法需要大量的模拟计算,耗时多且不易掌握。针对这一问题,该文提出了将均匀设计法、神经网络和遗传算法相结合进行参数优化,既利用了均匀设计试验的均匀可靠性,又运用神经网络的非线性映射、网络推理和预测功能,最后发挥遗传算法的全局优化特性,得出了最优结果,并直接为实际生产提供了可靠的参数依据。

基于均匀设计的多目标自适应遗传算法及应用

提出一种多目标遗传算法 ,将均匀设计技术应用于适应度函数合成和交叉算子构造 ,以提高遗传算法的空间搜索均匀性、子代质量和运算效率 .分析和实验结果表明 ,该方法可缩短算法运行时间和得到分布较均匀的Pareto有效解集 ;配合基于元件标称值的网表级高效编码方案和考虑基因位差异的遗传概率调整策略 ,可实现模拟电路自动设计 ,通过单次运行即获得对应不同偏好的多种实用化设计结果 .

基于均匀设计的多智能体遗传算法研究

将均匀设计方法、多智能体系统与遗传算法相结合,提出了一种多智能体遗传算法.设计了基于均匀设计表的均匀种群初始化方法和均匀交叉算子,并将其引入算法中.算法通过智能体与智能体环境间的相互作用,以及智能体自学习提高自身能量,实现了复杂问题的全局优化目标.实验表明,该算法对于高维函数优化问题,尤其是高维多峰函数,具有很好的全局搜索能力和较快的收敛速度,能够避免陷入局部最优.

遗传算法在FIR滤波器设计——频率抽样法中的应用

本文介绍了遗传算法在FIR滤波器设计———频率抽样法中的应用 .用遗传算法确定过渡带样本值 ,解决了传统方法 (查表法 )不能保证数据是最优的问题 .本文还对标准遗传算法进行了适当的改进 .给出了FIR数字低通、带通滤波器设计的两个例子 .实验结果说明通过遗传算法设计的FIR滤波器性能较查表法得到了改善 .

基于均匀设计的遗传算法及其应用

均匀设计属于ＭｏｎｔｅＣａｒｌｏ方法的范畴，基于该方法对遗传算法进行改进，并给出在橡胶产品设计中的应用实例．实验结果表明本文提出的遗传算法在求解大规模优化问题中是行之有效的．

均匀设计在遗传算法中的应用研究

通过分析均匀设计和遗传算法的内在关系 ,指出从某个角度上可以把均匀设计看作是遗传算法的一种特例 ,并针对遗传算法初始参数众多、难配置的问题 ,提出了利用均匀设计优化配置选择参数的方法 ,在一定程度上可以避免遗传算法参数配置的盲目性 .仿真试验结果证明了该方法是合理。

基于均匀设计和遗传算法的离心压缩机叶片优化设计

将均匀设计、CFD技术、回归分析方法与遗传算法相结合,发展了一种离心压缩机叶片优化设计方法。均匀设计用来生成试验样本点几何信息,各样本点性能评估分析则借助CFD技术完成,回归分析方法用于对样本点的信息进行函数逼近,最后由遗传算法对回归分析得到的逼近函数进行全局寻优。以极大化等熵效率为目标函数,将该优化方法应用于某离心压缩机叶片优化设计。结果表明:与初始叶轮相比,优化后叶轮的等熵效率有了一定的提高,说明该优化方法是有效的。

均匀试验设计在遗传算法中的应用

介绍了在遗传算法中运用均匀设计产生初始种群的方法 ,指出由于遗传算法的交叉机制是完全依赖于初始种群的 ,所以初始种群的多样性对于遗传算法的收敛性是至关重要的 .

基于均匀设计和遗传算法的神经网络软测量模型及应用

运用基于均匀设计 (UD)和遗传算法 (GA)的神经网络 (NNs)构造法 ,构建一个能够用于木糖醇补料分批发酵过程的、可超前预测和实时估算木糖醇浓度的软测量模型。实验表明 ,该模型可实现在线预估和软测量。

遗传算法在单目标混料均匀设计优化实例中的应用

目的探讨遗传算法及混料均匀设计方法在处方优化中的应用。方法结合文献实例,利用SAS9.0软件对混料设计数据进行Scheffe多项式模拟,并利用Genetic algorithm platforms v1.0软件对混料均匀设计实例进行单目标寻优。结果经过遗传算法进行单目标寻优结果良好,优化数据中各组分配比依次XA=2.0%,XB=68.8%,XC=24.9%,XD=0.5%。最大包封率为88.70%,优化结果高于文献中预测包封率75.36%。试验优化结果稳定和准确,实用性强,效率高,拟合精度高,理论值与实测值吻合较好。结论在遗传算法的理论基础上进行混料均匀设计各组分配方寻优,遗传算法程序可靠,效果良好,可用于混料均匀设计数据的的单目标寻优。

基于遗传算法和非均匀有理B样条表达的产品外型创新设计

为更直观地进行产品外型的创新设计,将遗传算法与非均匀有理B样条表达方法相结合,提出一种产品外型创新设计方法。定义了同类型产品,并基于非均匀有理B样条理论提出一种适用于同类产品外型的统一表示方法。该方法把产品外型的约束条件分成绝对约束和相对约束,分别代表必要的几何约束和客户需求。应用遗传算法作为进化过程,得出一种产品外型创新设计的实现算法。以汽车前引擎盖外型的创新设计过程为例,对该算法进行了验证。实例结果表明,该算法可以快速有效地实现产品外型的创新设计。

随机化均匀设计遗传算法

众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向.以此结论为基础.利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为随机化均匀设计遗传算法.最后将随机化均匀设计遗传算法应用于求解函数优化问题,并与简单遗传算法和佳点集遗传算法进行比较.通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其它方法常有的早期收敛现象,

基于有限元和遗传算法的厚壁线圈均匀梯度磁场优化设计

以可产生较大磁场和梯度的厚壁型Maxwell线圈为研究对象,探讨了线圈的截面参数和间距对目标场梯度大小和均匀度的影响。基于传统厚壁型线圈设计思路的不合理性,采用COMSOL和MATLAB软件实现有限元计算和自适应混合遗传算法的混合编程,并以线圈体积作为优化目标函数,磁场梯度和均匀度作为约束条件,实现了厚壁Maxwell线圈结构参数的优化设计。保证了磁源体积最小的同时,使其在目标区域产生的磁场满足强度、梯度和均匀度等参数要求。