基于多变异分组遗传算法的多机协同作业静态任务分配

为解决农业机械(简称农机)多机协同作业前的任务分配问题,提出了基于多变异分组遗传算法的同种农机多机协同作业静态任务分配方法。首先,根据农机合作社实际作业模式,基于农机性能参数和任务参数,综合考虑机群的作业时间、作业油耗和路程代价等因素,建立了多机协同代价函数;根据多机协同作业特点,构建了多变异分组遗传算法,设计了两段式编码、分组交叉算子和多种变异算子,并建立了农机多机协同作业静态任务分配模型;通过仿真试验对比分析了算法的性能,并采用不同的代价权重进行了任务分配仿真试验;最后,采用不同的权重对实际深松作业进行任务分配试验,对本文提出算法进行了验证。结果表明:在不同权重下,基于多变异分组遗传算法的多机协同静态任务分配的机群代价比实际作业代价降低了29.48%~55.00%,选取合理权重的静态任务分配具有较高的分配效率和分配性能,能够满足实际多机协同作业中任务分配的要求。

基于多变异位遗传算法的铣削参数优化研究

为了科学的定量在机加工工艺过程中的铣削参数,建立以加工时间为目标函数,铣削参数为变量,零件表面粗糙度,机床有效功率为约束条件,采用多变异位自适应遗传算法,通过改进的交叉和变异算子确保每一个基因的有效性,同时采用多变异位和自适应的方法保证基因个体的多样性和算法的收敛性。通过实例仿真验证了算法的有效性。

应用改进遗传算法优化天基光学监视平台轨道

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道倾角进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约1个量级。

基于改进遗传算法的多脉冲交会轨道优化研究

最优空间多脉冲轨道交会是一个复杂的非线性系统。由于结构复杂,存在非线性特性,影响系统的快速性和实时性。建立最优空间多脉冲轨道交会模型,传统遗传算法不能满足要求,因此提出了在自适应遗传算法的基础上引入多位变异的多变异位自适应遗传算法,对空间多脉冲交会轨道优化进行了求解。多变异位自适应遗传算法增加了种群的多样性,可避免算法的早熟收敛现象。仿真结果表明,利用多位变异自适应遗传算法求解空间多脉冲交会轨道优化效果好,避免了早期收敛,提高了全局寻优能力,为多脉冲交会轨道优化提供了较好的方法。

轴类零件素线直线度误差评定方法的研究

目前,基于机器视觉检测轴类零件直线度时多采用最小二乘法进行评定。为了得到更精确的素线直线度误差结果,提出基于最小包容条件的约束旋转逼近法、多变异位自适应遗传算法以及包容线搜索算法,并分别对某轴类零件所提取的轮廓数据进行直线度评定实验。结果表明:多变异位自适应遗传算法的评定精度最高,约束旋转逼近法和包容线搜索算法评定结果基本一致,运行速度快,此三种评定方法精度均优于最小二乘法。最后对文献中的数据进行评定与比较,所得结果基本相同,表明三种评定方法可用于视觉检测轴类零件直线度误差时的评定,在实际检测中可以根据检测时间和精度进行选择,具有较高参考价值。

基于“吨·公里”的军事物流配送决策模型

为解决配送中心同时向多个部队提供配送的运输决策问题,提出以"吨.公里"为决策目标的军事物流配送决策模型。结合部队决策实际,提出贪婪遗传遍历求满意解的新算法。利用扫描法按运载能力进行编组,用改进的遗传算法对每组配送次序进行排序,再引入贪婪法寻求配送最优结果。该算法将贪婪扫描法与改进的基于种群扩展的多变异遗传算法进行有机融合,能有效解决车辆编组和配送次序问题;最后通过仿真实验,验证该算法的简捷性、实用性和有效性。

基于BP神经网络的火电厂实时负荷优化分配

满足电网调度要求的实时分配方法是火电厂负荷优化分配得到推广应用的关键,综合考虑了燃料成本及污染物排放成本对传统数学模型进行改进。根据BP网络算法中误差函数、权值、阈值的计算公式推导出一种能够真正达到自适应的学习率对算法进行了改进,引入多变异位自适应遗传算法计算样本数据对BP网络进行训练。分析了实时煤耗特性曲线的获取,并探讨了基于BP网络的实时负荷优化分配方法的实现。实例计算结果:10组样本测试结果的平均相对误差仅为0.185%,且平均耗时仅为0.011s,表明了该方法在降低发电成本的同时,可有效地缩短优化计算时间。

SVM大坝变形监测模型研究

大坝的变形监测数据是一个复杂的非线性的时间序列,采用传统的建模方法存在拟合和预报精度低等问题。传统算法中,基本遗传算法不能确保全局最优收敛,而普通多变异位自适应遗传算法在进化初期对群体不利,容易导致进化走向局部最优。针对这一问题,提出一种基于改进的多变异位自适应遗传优化支持向量机(SVM)的建模方法。多变异自适应遗传算法采用二进制多点交叉,可根据个体适应值大小,自动选取合适的交叉概率和遗传概率,针对遗传算法易陷入局部最优点,对上述遗传算法进行改进,并利用该算法对支持向量机的模型参数进行寻优。将上述建模方法用于大坝变形监控模型的建立,结果表明该组合算法能有效提高模型的拟合和预报精度。

一种水源地气温-水温-水质关系智能预警算法

设计了一种两阶段算法,引入水温作为中间桥梁,第一阶段利用多变异位自适应遗传算法解析气温与水温数学关系,第二阶段根据遗传算法改进的BP神经网络通过水温对水质进行预测,进而设计气温-水温-水质组成的水质预测算法GA-GABP,并将该算法应用于秦皇岛石河水库的水质监测模拟。结果表明,整个过程算法寻优速率快,网络学习时间短,其最终拟合、预测效果理想,能够对水质预警作出有效分析。