自适应策略的混沌局部搜索遗传算法

提出了一种自适应策略的混沌局部搜索遗传算法(ACLSGA),它是遗传算法中每一代的所有个体经过一次遗传操作之后得到一个最佳个体,通过自适应策略决定是否在最佳个体附近进行混沌局部搜索。4个基本的测试函数优化结果表明:ACLSGA比具有精英保留选择机制的实数编码的遗传算法(RGA)的全局搜索能力强,收敛速度快。

一种自适应混沌局部搜索策略的遗传算法

提出了一种自适应混沌局部搜索策略的遗传算法(ACLSGA),它是遗传算法中每一代的所有个体经过一次遗传操作之后得到一个最佳个体,通过自适应策略决定是否在最佳个体附近进行混沌局部搜索。实验结果表明:ACLSGA比具有精英保留选择机制的实数编码的遗传算法(RGA)的全局搜索能力强,收敛速度快。

群控电梯改进型遗传算法最佳派梯方法

采用遗传算法(GeneticAlgorithms简称GA)用于群控电梯的调度,实用中取得了较好的效果;但在试验中发现普通遗传算法存在收敛速度较慢且容易陷入局部最优解等问题。据此提出一种改进型遗传算法,在采用实数编码和双初始种群分别进行迭代信息交换的基础上,建立库式适应度评估函数;在完成最佳保存策略选择的同时,进行自适应交叉和变异,可较好克服其弊端。模拟仿真运行实验结果表明了此方案的可行性和优越性。

基于遗传算法的航向测量误差分析

提出了一种基于遗传算法的高精度航向测量误差分析的方法,测量模型由2台全站仪组成.通过最佳保留策略和带约束条件的遗传算子,保证该算法具有全局搜索能力.分析结果表明,遗传算法的搜索空间仅为整个搜索空间的0.03%,该模型在现有码头条件下航向测量的精度可达到4″,满足对舰船导航设备高精度航向标校的要求.

一种改进的多目标遗传算法的研究

针对项目实践中目标解常需要满足多种目标约束的难题,提出一种改进的多目标遗传算法。该方法对遗传算法进行改进,选择算子在下一代群组的选择上引入精英保留策略和小生境的概念,根据拥挤距离的排序确定下一代的个体,变异算子在适应度值小于平均适应度时,采用一种自适应的方式确定算子。最后将所提出的算法应用于解决排课问题,相比遗传算法计算速度更快,排课效果更好,表明了该算法的有效性。

基于改进遗传算法的无人机航路规划

针对已知源-目标的最短最优航路规划问题,首先对无人机航路规划相关约束及算法仿真环境进行了综合分析,构建了航路规划算法仿真环境,明确了无人机的性能约束,进而提出了一种可以融合多种约束条件的航路评价函数;然后,针对遗传算法存在的早熟收敛以及后期搜索迟钝等问题,考虑其问题之间存在的耦合关系,提出了适应度值标定、种群多样化和精英保留策略的融合改进方案。实验结果表明改进的遗传算法会节省约11.8%的燃油损,同时无人机机动转弯相对更少,提高了无人机飞行的安全性和高效性。

基于并行融合机制的改进遗传算法求解HFSP调度问题

针对混合流水车间调度问题(Hybrid Flow Shop Scheduling Problem,HFSP),以总工位切换时间为目标函数建立仿真优化模型,并提出一种基于种群并行融合机制的改进遗传算法(PIGA)进行求解。通过仿真模型计算目标函数适应度值并在遗传算法的迭代进化中引入并行融合拆分机制;在传统遗传算法的基础上将精英保留策略引入个体选择机制,将自适应遗传因子引入交叉变异概率,建立改进自适应遗传算法;运用该算法进行仿真优化实验,实验结果证明了该算法的有效性。

基于改进遗传算法的软包装企业生产调度模型建立及仿真

针对软包装印品种类少、印量多、交货期短等特点,以最小化最大加工时间为目标优化,建立生产调度模型,研究软包装车间的生产调度问题。传统遗传算法在求解生产调度问题上会出现收敛过慢或者局部收敛,利用改进遗传算法进行仿真,使用改进的精英保留策略和自适应交叉变异概率,避免种群多样性降低,通过实验仿真验证了该算法可以求解软包装印刷的排产调度。

基于改进遗传算法的桁架结构优化

桁架是一种广泛应用于工程领域的结构形式,对其结构优化有重要的意义.文章提出了随种群的进化而动态变化的自适应交叉算子和变异算子,以提高算法的优化效率及增强收敛性;引入了精英保留策略,以克服各代种群最佳个体未能保护的缺点.建立以最小化结构总重量为目标函数的桁架优化数学模型,并应用改进的遗传算法对桁架结构进行优化求解.通过实例验证了所建模型以及对算法改进的有效性和实用性.

基于OMAGA-BP算法的高密度电阻率法反演研究

高密度电阻率法由于其高效、直观的特点,在工程勘查中得到广泛应用。然而,由于反演问题的高度非线性,传统的反演方法在刻画异常体边界时存在一定的不精确性。为了实现高精度的高密度电法二维非线性反演成像,克服BP算法损失函数参数空间存在大量鞍点影响计算精度,及普通遗传算法存在早熟收敛、难以赋予BP网络最优的权值阈值的问题,本文提出基于最佳保留策略的自适应遗传算法(optimum maintaining adaptive genetic algorithm,简称OMAGA)优化的BP神经网络进行高密度电法二维反演成像方法。该方法对仿真模型数据及实测数据的反演计算都得到了较好的结果,表明该方法具有泛化能力强、反演计算精度高的优点。该研究对未来高密度电阻率法的精确反演有一定的指导作用,有助于提高地下目标的识别精度。