基于遗传算法的炮击振动环境谱编制方法

为了提高炮击振动环境谱编制精度,提出了基于遗传算法(genetic algorithm,简称GA)的炮击振动环境谱特征点确定方法。首先,介绍了现有标准的预估炮击振动谱的编制方法;其次,以炮舱结构模拟件为对象,开展了炮击振动试验并获取了实测谱,基于飞机飞行振动环境测量数据的归纳方法对实测谱进行了归纳处理;然后,以特征点构成的环境谱与实测数据归纳谱的能量最接近为目标建立目标函数,采用遗传算法对目标函数进行优化以确定炮击振动谱特征点坐标,在对数坐标下通过折线将特征点连接以实现炮击振动环境谱的编制;最后,将基于遗传算法得到的环境谱与基于标准得到的预估谱进行对比,分析验证了所提方法的有效性。结果表明,所采用的方法获得的炮击振动环境谱在均方根值(rootmean square,简称RMS)和谱形特征上都更接近实测数据归纳谱。

遗传算法优化BP神经网络在水质评价中的应用

通过对常规BP神经网络和遗传算法深入研究后,提出将二者结合起来,取长补短,并采用黄金分割算法确定神经网络模型隐含层节点数,借助MATLAB软件建立了遗传算法优化后的BP神经网络水质评价模型,解决了初始权值、阈值确定难,易陷入局部极值以及网络收敛慢等问题,同时结合2021年黄河上游部分断面地表水环境质量评价进行了实例仿真实验,验证了该模型的可行性和准确性。遗传算法优化后的BP神经网络不仅能从全局考虑污染因子对评价结果的影响,而且解决了常规BP神经网络易陷入局部极值的问题,提高了网络的识别精度,评价结果更准确,更符合实际水体情况,在一定程度上改善了传统评价方法的片面性和主观性,对现有的水环境质量评价方法的改进起到了积极作用。

耦合多目标遗传算法下的城市生态环境最优空间布局系统

城市生态环境布局需要考虑生态结构、城市功能等多方面因素,为保证布局后的城市生态环境最优,设计耦合多目标遗传算法下的城市绿植景观最优空间布局系统。按照耦合多目标遗传算法原则,求解数据映射关系与节点⁃单元关系,再以此为基础,提取影响城市生态环境的各项因素,完成对城市生态环境特征的定义。探索生态空间的完整发展过程,根据环境与城市生态结构之间的关联性,确定环境对城市的多元功能支撑作用,实现城市生态环境的空间布局分析,完成耦合多目标遗传算法下城市生态环境最优空间布局系统的设计。对比实验结果表明,按照上述系统布局要求所种植绿植景观的摆放位置与真实摆放位置之间的误差不超过10%,对于实现城市生态环境的最优布局可以起到促进性作用。

基于风环境与遗传算法的建筑体块生成方法--以某综合体设计为例

高速发展的城市化背景下,方案设计阶段由体块设计带来的风环境影响不容忽视。文章基于风环境,开发了一组融合遗传算法的计算流,以期支持建筑体块生成。以某综合体设计为例,在体块生成阶段,使用CFD模拟评估不同参数下建筑体块的风环境,结合遗传算法,利用全年情况下风环境对人体舒适度的影响作为评价标准,寻找了一组能够使室外风环境更优的影响建筑体块形式的参数组合。考虑风环境的建筑设计能够有效提升建筑整体舒适性。该方法作为参数化设计的补充,有望成为建筑师在设计过程中可供选择的新工具。

基于遗传算法的水利工程生态环境影响分析

通过引入遗传算法优化层次分析结果,采用主观打分和科学算法相结合的方法,重点对层次分析法中的权重确定分析进行优化,通过分析生态环境指标体系结果可知,采用遗传算法能够有效提高层次分析法中的一致性检验结果。

基于跳点搜索-遗传算法的自主移动机器人路径规划

为了解决采用遗传算法解析最优路径中存在的转折点较多、易陷入局部最优解、迭代次数较多以及寻优时间过长等问题,引入自适应交叉算子和变异算子,将改进后的跳点搜索(jump point search)算法与改进遗传算法融合,得到跳点搜索-遗传(jump point search-genetic,JPSG)算法。JPSG算法利用JPS算法的高效局部搜索能力来提高整体搜索能力,加速算法整体收敛趋势;利用改进遗传算法的全局搜索能力改变JPS算法不能在复杂障碍物状况下解析最优路径的状态,提高算法对动态环境的适应性。在栅格矩阵中的路径规划仿真表明,相比于改进遗传算法、传统遗传算法,JPSG算法可以有效缩短寻优执行时间,提高寻优准确率,减少运算执行次数,在稳定性、准确性、快速性上具有明显的优势。

基于免疫遗传算法的环境经济负荷调度

介绍以目标函数为抗原,以问题解为抗体,利用进化策略进行群体更新的免疫遗传算法。讨论环境经济负荷调度多目标函数优化问题,给出利用免疫遗传算法解决这一问题的主要步骤。利用一个含有5个电力生产单元的燃煤电力系统模型验证了该算法的可行性和有效性。并与遗传算法和Hop fie ld神经网络进行比较分析,证实了该算法解决该类问题的优化性和快速收敛性。

基于遗传算法优化PID控制器参数的环境测试舱温湿度控制

大容积环境测试舱内温湿度控制系统具有非线性、时变性和耦合性的特点,传统的比例积分微分(Proportion integral differential,PID)控制器参数整定方法不能满足环境测试舱温湿度控制的要求。只有获得PID控制器的最优参数才能实现环境测试舱温湿度的优化控制。该文提出一种遗传算法(Genetic algorithm,GA)优化PID控制器参数的控制算法—GA-PID。首先通过预估解耦方法对温湿度解耦,然后将目标函数作为控制器的评估值,通过遗传算法的选择、交叉、变异、迭代功能获得PID控制器参数的最优解,以弥补常规PID算法在环境测试舱温湿度控制系统中的不足。通过MATLAB进行了仿真实验,实验结果表明预估解耦可有效地对温湿度进行解耦,提出的GA-PID控制算法可实现快速、准确以及稳定的环境测试舱温湿度控制,具有更好的控制性能。

蚁群加速遗传算法在水环境优化问题中的应用

提出了水环境优化问题的一种新方法——蚁群加速遗传算法,给出了实施该算法的详细步骤。并对新方法的收敛性和全局优化性进行了理论和实例分析,在污水处理模型的参数识别问题中,新方法得到了精度较高的全局最优解。新方法具有精度高、速度快和鲁棒性强等特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性优化方法,可广泛应用于各种水环境优化问题中。

一种基于遗传算法的环境因子确定方法

提出了一种利用同类或相似产品研制试验故障数据并依据AM SAA模型的时间环境因子最优化确定方法 ,将遗传算法用于时间环境因子的寻优过程 ,给出了确定最佳时间环境因子的方法、步骤 ,最后给出了一个工程应用实例 .研究结果表明 ,依此得到的可靠性评估结果与实际使用水平更为接近 .

改进的遗传算法在水环境模型参数估值中的应用研究

针对传统遗传算法的不足 ,提出了一种采用最优个体保护、适应函数调整、双点交叉相结合的方法进行繁殖操作 ,同时又能自适应地改变交换和变异率的改进的遗传算法 ,最后在水质模型参数估值应用中将此改进法与传统遗传算法的计算结果进行了对比 ,结果证明前者具有更好的收敛性能。

动态环境下基于混合记忆策略的遗传算法

为了有效地处理动态优化问题,提出一种短时记忆与长时记忆相结合的混合记忆策略.被记忆的信息由最优个体与种群概率向量组成.短时记忆作用于进化过程中的每一代,对记忆中的信息进行提取并构建下一代的种群;长时记忆仅在环境发生变化时产生作用,取新环境中最优的一组信息对短时记忆进行赋值.该文首先构建了动态环境下基于混合记忆策略的遗传算法,然后在非周期、周期和带噪声周期动态环境下进行算法的性能验证.实验结果表明,新算法处理动态优化问题的能力优于同类算法.

基于遗传算法的人工神经网络大气环境评价

人工神经网络模拟大脑的认知功能,通过改变连接点的权值和阈值来训练神经网络完成特定的功能。运用基于遗传算法的BP网络模型,以国家大气质量标准作为网络的输入样本对网络进行训练,对某地区大气质量进行评价,结果与综合指数法比较吻合。

基于遗传算法改进的BP神经网络在我国主要城市人居环境质量评价中的应用

文章试图在已有研究的基础上,综合考虑城市人居环境的内涵,在国内首次将遗传算法全局寻优和BP神经网络局部寻优相结合的改进神经网络模型应用在人居环境评价中,并对中国35个主要城市人居环境质量进行定量判定,揭示城市人居环境现状及各城市在国内人居环境中的相对水平。结果表明该模型取得了令人满意的结果,是一种有效的评价方法。

遗传算法在水环境灰色非线性规划中的应用

利用常规最优化方法解水环境中的灰色非线性规划问题难度较大。尝试利用遗传算法与传统非线性规划解法相结合的混合数值算法对此类问题的求解进行了探索。在实例的应用中 ,该方法有效性得到了验证。

噪声环境下多模态函数优化的遗传算法

针对噪声环境下多模函数的优化,本文理论上分析了噪声对多模函数优化的全局收敛性和收敛精度的影响,并通过全局区域搜索率和全局区域收敛精度分析噪声对算法的影响程度.实验结果和分析表明,增加多模函数寻优难度和噪声强度,遗传算法的全局区域搜索率都在下降,全局区域收敛精度总体变差;重采样的方法能够有效提高算法的全局区域搜索率,总体改善算法的全局区域收敛精度;确定性排挤遗传算法(Deterministic Crowding Genetic A-lgorithm,DCGA)和多种群遗传算法(Mult-i Population Genetic Algorithm,MPGA)的全局区域搜索率和全局区域收敛精度要优于杰出保留遗传算法(Elist Genetic Algorithm,EGA).

噪声环境下遗传算法的性能评价

为了评价遗传算法在噪声环境下的优化性能,提出"平均最优解"和"最优解分布标准差"两个指标,实验结果表明新指标可以有效地评价噪声环境下遗传算法的优化性能.研究了实数编码遗传算法在噪声强度递增环境下的性能.结果表明小生境策略和多种群策略可以改善遗传算法在噪声环境下的性能,单点交叉在噪声环境下的性能要优于混合交叉.

异构环境下相关任务调度免疫遗传算法的研究

合理的调度可以在很大程度上提高异构系统资源的利用率,在研究现有任务调度算法的基础上,定义了异构环境下相关任务调度的数学模型,并基于分层和启发式算法的思想,提出最多度动态调度算法MDSA和最少入度动态调度算法LIDSA构造初始种群;借鉴生物免疫系统抗体多样性产生及保持机理,定义了基于抗体的矢量距离、亲合力及浓度相关的选择概率,并改进交叉算子,这样可以在进化过程中保留优秀个体,同时抑制抗体群早熟;提出了高度遍历解码算法HTDA,简化算法实现过程.仿真实验结果表明,本文算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于异构环境下相关任务调度.

一种可用于城市人居环境质量评价的基于神经网络的遗传算法

试图在已有研究的基础上,综合考虑城市人居环境的内涵,在国内首次将遗传算法全局寻优和BP神经网络局部寻优相结合的改进神经网络模型应用在人居环境评价中,并对中国35个主要城市人居环境质量进行定量判定,揭示城市人居环境现状及各城市在国内人居环境中的相对水平.结果表明该模型取得了令人满意的结果,是一种有效的评价方法.

噪声环境下的遗传算法

针对噪声环境下遗传算法解的选取问题提出一种新方法 ,在此基础之上结合多次采样方法就能够很好地解决遗传算法中的噪声问题。该方法只需增加很少的计算量 ,就可以获得较为满意的优化解。最后将文中方法与最优列表遗传算法相比较 ,采用高斯噪声模拟噪声环境 ,通过函数优化问题来说明该算法的有效性。