基于Metropolis遗传算法的并联机器人结构优化设计

以六自由度Stewart并联机器人的灵巧度为目标函数,以设计空间、每条支腿的最大最小长度之比和虎克铰、球铰的极限摆角为约束条件建立了结构优化模型.将模拟退火算法中的M etropolis准则引入到实值编码遗传算法的选择操作中,产生了M etropolis遗传算法,采用该算法进行了并联机器人结构优化问题的求解.通过与采用标准遗传算法得出的结果比较,证实了M etropolis遗传算法在并联机器人结构优化设计中的有效性和优越性.

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

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。

基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法

目前常规的粗纱机出料传动系统PID参数优化方法主要通过结合被控对象的稳态增益情况构建出优化函数,实现PID参数优化整合,忽略了实际运行工况下的干扰成分,导致参数优化效果不佳。对此,提出基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法。首先结合PID的系统阶跃响应曲线,以被控量的偏差变化率作为主要参数选取性能指标;然后通过引入负荷扰动模块以及频率干扰模块,对PID调节模块进行建模分析;最后结合模糊-遗传算法对最优适应度值进行求解,从而实现PID参数的有效优化,并对提出的方法进行优化效果检验。最终测试结果表明,采用提出的方法对PID参数进行优化整合时,控制输出曲线与理论输出曲线的拟合程度更高,具备较为理想的优化效果。

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

基于遗传算法的大型矩形压力容器刚强度优化设计

为了解决矩形压力容器承压能力较差、应力状态较复杂、结构优化设计难度高的难题,利用遗传算法可自适应调整搜索方向这一特性,开展了某矩形特征水洞试验段的刚强度优化设计。厘清了该工程问题的约束条件,开展了结构初步设计,采用手动迭代开展了结构优化设计;并在完成参数化建模与仿真、构建代理模型、建立优化设计流程的基础上,基于遗传算法开展了该水洞试验段的结构优化设计。该方法与初步设计结果相比,减重34.98%;与手动迭代优化设计结果相比,减重10.49%。

基于遗传算法的宽带渐变电阻膜超材料吸波器设计

近年来,基于超材料的电磁吸波器件由于其宽带、易制备等优势而备受各国研究者的广泛关注.本文为实现宽带电磁低可探测,提出一种渐变电阻膜-介质复合结构的超材料吸波器.基于传输线理论和阻抗匹配原理,对强吸波条件进行了分析.在单元结构设计方面,采用遗传算法在多变量域内全局搜索最优解,快速地确定出能够兼顾低频与宽带吸波性能的超材料单元结构与电阻参数,并对器件吸波性能与吸波机理进行了深入的探讨.仿真结果表明,在垂直入射下,所设计的超材料吸波器对1.62—19.16 GHz(相对带宽168.8%)之间的入射波吸收率均大于90%,有效地向L和K波段拓展了吸收带宽.虽然在部分频段测试和仿真结果之间存在一定偏差,但两种类型的曲线随频率的变化趋势基本一致,这充分证明了所设计的超材料吸波器在低频宽带吸波领域具有潜在应用价值.

秦代兵马俑兵——以皮甲为例基于遗传算法优化Canny算子的织绣文物纹样抽取方法研究

织绣文物中的纹样彰显中国传统文化造型艺术的形式美感,是文创设计的重要素材源泉。针对传统Canny算子进行纹样边缘检测需人为确定阈值的问题,本文提出基于遗传算法自适应优化Canny算子阈值的方法,将边缘点、非边缘点类间梯度幅值方差设置为适应度函数,通过格雷码对阈值染色体编解码、锦标赛选择算法优选交叉变异后的阈值,求解最优适应度对应的高低阈值,用于纹样边缘检测;此外,运用形态学操作得到纹样的完整、精确轮廓;最后,添加Alpha通道抽取纹样前景。实验表明,上述方法在织绣纹样抽取精度和像素准确度(PA)上,优于传统Canny算子、混合蛙跳自适应Canny算子、Otsu法优化Canny算子等已有方法,可有效检测织绣文物图像中纹样真实边缘并完成纹样抽取。

基于改进遗传算法的细纱接头路径指引方法

为了提高细纱车间整体断头的接头效率,在细纱单锭监测系统响应到细纱断头信息的条件下,建立以整体车间断头接头路径最优化为目标函数的细纱接头路径指引模型,并运用Python编程语言分别实现对贪心算法、遗传算法和改进遗传算法接头路径模型的求解,结合传统巡回式接头路径与3种算法在效率、运行速度和解的质量上的仿真测试,对比验证改进遗传算法用于细纱接头路径指引方法的可行性。试验结果表明:相较于传统巡回式路径,改进遗传算法平均效率提升了11.8%,且解均优于其他两种算法;相较于遗传算法,改进遗传算法的响应时间缩短较多,平均为1.25 s,且波动较小,时间效率提升了80.3%。认为:改进遗传算法在效率、运行速度和解的质量上都优于其他算法,在细纱接头领域具有较高的应用优势,能够显著提高接头效率和降低成本。

基于深度表征学习和遗传算法的军用座舱色彩设计方法

军用座舱色彩设计作为载人军事设备工业设计中较为主观的一部分,设计的合理性至关重要。为提高军用座舱色彩设计的科学性,提出一种基于深度表征学习和遗传算法的军用座舱配色方法。利用深度表征学习模型预测军用座舱配色方案,并根据色彩感知理论建立军用座舱配色模型,将其作为生成方案的限制条件。同时,引入交互式遗传算法到智能配色系统中,通过人工引导的方式优化神经网络的参数,对预测的配色方案进行有效迭代。实验结果表明:该方法生成的配色方案符合军用座舱配色模型,结合遗传算法的模型预测准确率比单一的深度表征模型提高了16%~18%。相较于人工色彩设计方案,军用座舱智能配色方法生成的方案满意度略优、设计周期缩短了80%~88%,色彩稳定性提高了6%~12%。

基于遗传算法的时间敏感网络调度方法

随着网络技术的进步,车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络(TSN)来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法,现有的精确式求解方法复杂度高,在大规模联合调度时无法满足实时性。文中设计了一种性能更优的路由优化遗传算法(Routing-GA),结合路由和流量调度约束,能通过优化路由来提高调度算法求解效率,为链路负载均衡调度提供服务。该策略增加了调度的求解空间以及求解灵活性,具备元启发式算法的快速求近最优解特点,能够简单有效地处理大规模TSN路由约束联合调度问题。Routing-GA以时间敏感流最小端到端时延作为优化目标,联合考虑路由和TSN约束,并针对TSN传输问题特性提供一种低复杂度、高效率和高拓展性的遗传算法编码方式。此外,为了提高调度算法的性能,提出针对路由长度及链路负载均衡进行优化的交叉变异机制。实验结果表明所实现的Routing-GA能有效减少端到端时延,显著提高求解质量,进化率可以达到24.42%,平均只需要传统遗传算法(GA)迭代运行时间的12%,从而有效提高了算法的求解性能,满足TSN调度的约束要求。

基于遗传算法的风电齿轮传动系统参数优化设计

齿轮箱是风力发电系统的重要部件,其体积大、重量高等问题制约了风电清洁能源的发展.以1.5 WM风力发电机组为研究对象,建立齿轮传动系统轻量化数学模型,并采用遗传算法进行优化求解.结果表明,采用遗传算法是可行的,优化后齿轮传动系统体积减少了4.59%,这将进一步减小齿轮传动系统箱体体积和总质量.通过计算行星轮系的传动效率,验证了优化结果的可行性,该研究将为风电齿轮传动系统轻量化设计提供新方法.

基于多目标遗传算法的8×8 S盒的优化设计方法

混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合混沌映射与多目标遗传算法,提出了一种新的S盒设计方法.首先,利用混沌映射的特性产生初始S盒种群;然后,以S盒的非线性度和差分均匀性为优化目标,基于遗传算法框架对上述两指标进行优化.针对S盒的特点,在优化算法中引入了交换操作,设计了新的变异操作以及非支配序集计算,有效提升了S盒的非线性度和差分均匀性.实验结果表明该算法产生的S盒其差分均匀度为6,非线性度值至少为110,有效提升了S盒的综合性能.

基于Metropolis准则遗传算法的企业动态联盟生成模型

为了提高动态联盟中企业选择联盟伙伴和优化过程中的效率,提出一种基于Metropolis准则遗传算法的企业动态联盟生成模型.将模拟退火算法中的Metropolis准则与遗传算法相结合,提高企业选择联盟伙伴和优化过程中的效率.1 000次仿真实验表明,标准遗传算法SGA平均需要166次才能找到最优解,而基于Metropolis准则遗传算法(MGA)平均仅需要149次就可以找到最优解.企业选择联盟伙伴和优化时,基于Metropolis准则遗传算法(MGA)可以使企业高效找到最优联盟伙伴.

基于多种群遗传算法的航天复杂系统测试任务调度

针对航天复杂系统型号较多,传统测试流程与调度设计只能人工定制化排布,效率较低且未有效优化,同时,考虑到航天复杂系统快速测试的迫切需求,提出一种基于多目标遗传算法的航天测试流程自动生成方法。该方法在测试项集合明确的前提下,将测试项抽象为离散事件,以测试总时间和测试资源均衡度为优化目标,充分考虑航天器测试的诸多约束,将其作为遗传算法执行过程中交叉或变异的禁忌项。在初始种群确定后,对测试流程和调度方案进行自动生成和优化。对算例的仿真结果表明,该方法相对于同实验条件下的传统半串行测试方法和单目标优化方法,测试总时间或资源均衡度得到了较大提升。在进一步扩展优化目标和约束项后,该方法可有效提高航天复杂系统测试过程的快速响应能力和可靠性。

基于静态博弈和遗传算法的多智能体博弈策略生成方法

在多智能体协同对抗策略生成的过程中,奖励稀疏和神经网络参数多易导致策略生成速度慢。针对特定场景如何快速产生对抗策略这一问题,提出了一种基于静态博弈和遗传算法的多智能体博弈策略生成方法。基于静态博弈理念,对马尔科夫决策过程演化,将策略映射为一串动作组成,简化策略映射原理;对策略优化问题数学建模。以对抗结果作为目标函数,基于动作集合优化目标函数,通过优化的方法能够获得对抗结果最优的策略;给出策略优化框架,并改进遗传算法实现对于多智能体博弈策略的快速并行寻优。实验结果表明,相比于经典多智能体强化学习方法,所提方法能够高效产生多智能体博弈策略。

基于改进实数遗传算法的桑叶采摘机结构参数优化

针对遗传算法在求解桑叶采摘机结构优化问题时容易陷入局部最优和求解精度低等问题,提出一种改进实数遗传算法。首先是给出一种基于序的组合适应度函数的轮盘赌选择算子,该算子在轮盘赌的基础上,通过一个自适应变化的参数在两种适应度函数中选择一个,再去计算适应度值;然后设计一种基于方向的改进启发式交叉算子,该算子既保留两个父代个体中较优个体对子代个体的影响,又增加种群中最优个体对子代个体的影响,提高交叉产生有潜力子代的可能性。接着将改进算法应用于摇杆式桑叶采摘机的优化参数设计中,通过与其他算法作仿真对比试验验证算法的优越性,获得采摘机最优参数组合:行走结构速度为24 mm/s、拨动结构角速度为1.2 rad/s、采摘结构速度为440 mm/s,并由运行结果可知整机性能与优化前相比提高13%。最后用优化得到的参数组合进行实地试验,结果显示桑叶采摘机性能提升10.9%,误差较小为2.1%。可见,所提改进实数遗传算法是优化采摘机参数的一种有效算法。

基于NSGA-Ⅱ遗传算法的Myring流线型量水槽体型优化设计

Myring流线型在水下航行器领域应用较为广泛,而量水槽在渠道中的受阻状态与潜水器潜行时受到的阻力情况具有一定的相似之处,因此本文借鉴潜水器的结构特点进行量水槽体型设计,探究量水槽受阻最小的较优线型。基于FLOW-3D软件,采用最优拉丁超立方设计方法,以流线型的收缩段长度和锐度因子、扩散段长度和离去角为变量设计了40组数值模拟方案,得到对应的水头损失百分比和上游佛汝德数。以数值模拟变量为输入、结果为输出,训练RBF神经网络,结合NSGA-Ⅱ遗传算法获得Patero前沿解,通过TOPSIS评价法筛选出最优解并得出其线形参数:优化模型收缩段长度为45.9 cm、收缩段锐度因子为0.74、扩散段长度为49.2 cm、扩散段离去角为14.63°,并通过等比例缩放得到6组收缩比,在9组流量下进行模型试验分析水力性能。结果表明,优化后线型过流较顺畅,水力性能较优,预测结果和模拟结果误差不超过5%;不同工况下上游佛汝德数均小于0.5,满足测流规范要求,收缩比为0.58~0.66时各项水力性能均较优;基于临界流测流和量纲分析原理得到的测流公式精度较高,平均相对误差为2.09%。本研究证明了将流线型运用于量水槽领域研究以及通过神经网络和遗传算法寻优的可行性,优化后Myring流线型量水槽具有良好的性能和测流精度,在灌区渠道中具有较好的运用前景。

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

基于改进式免疫遗传算法的车联网任务卸载方案

为了解决车联网场景下卸载决策和资源分配不合理的问题,提出了一种改进的启发式车联网任务卸载策略。该策略利用改进式的双种群免疫遗传算法(IDP-IGA),在保留了精英种群的同时引入了自适应移民算子,并在满足车辆最大容忍时延和路侧单元最大可分配资源的前提下,优化系统的时延-能耗开销。仿真结果表明,所提算法具有良好收敛性,与传统算法和遗传-粒子群优化算法相比,能够显著降低系统的时延-能耗开销,在任务卸载过程中实现最优的资源分配方案。