基于神经网络模型和改进最优保留遗传算法的非线性系统多步预测控制

针对复杂工业过程中存在的时滞、慢时变、强干扰等非线性控制对象提出一种利用径向基函数神经网络 (RBFNN)作为预测模型 ,改进最优保留遗传算法 (MEGA)作为滚动优化策略的非线性预测控制算法。仿真结果表明该算法具有较强的鲁棒性和抗时变性能。

基于改进免疫遗传算法的建设项目应急预案优化

为了提高建设项目应急预案的针对性,基于改进免疫遗传算法对建设项目应急预案优化进行仿真研究。首先,借鉴生物免疫原理,构建建设项目应急预案优化理论模型;其次,通过设计Taguchi试验优化算法中的重要参数,引入精英保留策略改进免疫遗传算法,并基于该算法构建建设项目应急预案优化模型;最后,以某高速公路为例,运用MATLAB软件进行模拟仿真,测试改进免疫遗传算法的可行性,并设置两组对比实验验证改进免疫遗传算法的优越性。仿真结果表明:相比于传统免疫遗传算法,改进免疫遗传算法下应急预案的亲和度更高,收敛速度也更快。这拓展了项目风险研究,为风险应对决策提供参考依据。

基于改进遗传算法的主动配电网优化定价策略研究

由于传统的主动配电网优化定价策略没有设置等式和不等式约束条件,使电力定价超过设定的最高限值,降低了定价效率,基于此,研究了一种基于改进遗传算法的主动配电网优化定价策略。首先将最优的机组有功费用和无功费用作为目标建立目标函数,即定价优化策略模型,然后设置其等式约束条件和不等式约束条件,使电力定价不超过设定的最高限值,最后在约束条件下利用改进后的遗传算法对最优定价策略模型进行求解,获取最优定价。实验结果表明,所研究方法在大于设定的价格下限0.5元/(kW·h)的基础上,定价更高一点,基于电力企业角度,说明所研究方法优化后的主动配电网定价更为合理,并且定价效率较高。

基于改进遗传算法的电厂粉尘监测节点覆盖控制研究

为有效降低粉尘环境监测中存在盲区和管控缺失的风险,优化火电厂粉尘环境监测系统的节点覆盖控制,延长无线传感器网络(WSN)寿命,提出一种基于改进遗传算法的节能优化方法。首先构建基于节点覆盖率、节点布设总能耗和节点通信传输总能耗的网络覆盖质量目标函数;然后针对传统遗传算法存在局部最优和编码重复的问题,提出整数编码的染色体组合方案、自适应调节交叉和变异概率的方法,以及精英保留策略;最后通过仿真对比分析,确定优化后的节点数量和分布方案。结果表明:改进的遗传算法显著提高了收敛速度,所需迭代次数减少至20次,适应度值优化52.18%;在节点部署和覆盖研究中,优化后的节点数量为42个,覆盖率达97.28%,节点休眠率为76.19%,有效提升了火电厂粉尘环境监测系统的节能效果。

基于改进遗传算法的装配线平衡优化研究

为实现装配线生产工序的平衡优化,采用改进遗传算法,以装配线生产节拍、平衡率和平滑指数为优化目标,建立装配线平衡优化模型。采用基于紧前工序约束的交换变异方法,并与父代进行优劣对比,有效避免无效基因的产生。引入精英保留策略,提高算法寻优能力及收敛速度。以波轮洗衣机机芯装配线的平衡优化为例,验证前述算法的可行性。结果表明:与原方案相比,优化后的生产节拍为17.2 s,减少了0.8 s;生产平衡率达到90%,提高了18%;平滑指数从1.3减少到0.72,验证了所提出的模型算法可以有效优化该装配线的生产节拍、平衡率、平滑指数,从而优化其生产效率。

基于最优保留策略的改进遗传算法

为有效解决遗传算法收敛速度慢和早熟收敛的问题,提出一种基于最优保留策略的改进方法。对遗传算法的选择算子和变异算子同时加以改进优化,将群体优胜劣汰的思想有效融入遗传算法框架,保障最优个体的基因能迅速向后代传播,加快收敛速度。提出最优个体优化变异的思想,避免算法落入局部最优。给出算法实施的具体步骤,在8个基准测试函数上进行仿真实验。数据比较和分析结果表明,该算法在收敛速度与全局收敛能力上都有较大的改善。

基于最优保留策略遗传算法的玉米小麦优化灌溉模型研究

在综合考虑灌溉水量、作物水分需求、作物种植结构、水分生产函数、降雨量、土壤水分平衡、缺水敏感指数、粮食市场价格、农田灌溉用水价格、最低产量需求和灌溉成本等因素的基础上,建立了适合中国国情的基于灌水收益最大的多作物多约束非线性优化灌溉模型,同时应用遗传算法的搜寻功能,对模型的实数编码解空间进行搜索。求解结果显示该模型很好地解决了玉米和小麦联合种植的优化灌溉问题,遗传算法在求解该模型中显示出了较好的搜寻能力,能在很短时间内搜寻到模型的最优解。

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·

改进小生境遗传算法在电力系统无功优化中的应用

利用改进小生境遗传算法进行了电力系统无功优化计算。算法主要做了以下改进:设置个体之间的距离判别标准L为动态函数,保持了群体的多样性;采用最优保存策略保证算法的收敛性;采用局部最优徘徊策略作为辅助终止原则,避免陷入局部最优情况。对IEEE30节点算例系统进行了无功优化,并对优化前后各项技术性能指标进行了分析,说明了改进小生境遗传算法在保持解的多样性、提高搜索效率和优化效果等方面都具有良好的性能。对某县级配电网进行了仿真计算,仿真结果证明了所提算法的有效性。

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化。由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理。最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性。

基于最优保留遗传算法的PID参数自寻优

提出一种基于最优保留遗传算法的 PID控制器参数自寻优算法。该方法利用最优保留遗传算法对 PID控制器的参数 KP,KI,KD进行自寻优 ,在寻优过程中并不需要任何先验知识。仿真结果表明 。

改进的遗传算法求解桁架的形状优化

提出将改进的遗传算法用于优化具有离散尺寸、连续形状变量的桁架重量．考虑到离散和连续变量的本质,提出了混合编码方法,其中包括二进制和实数编码,整数和实数编码．采用了凝聚选择法——基于约束和适应度值双重标准,完全适应约束问题的本质．竞争保留最优个体方法延长了优良个体的寿命,使好基因有更大的机会遗传给下一代．算例表明改进的遗传算法是可行且有效的．

最优保留遗传算法及其收敛性分析

最优保留ＧＡ（ＥＧＡ）是目前ＧＡ 收敛性研究中比较典型的一类。在已有研究成果的基础上给出了ＥＧＡ更一般的规范化定义，指明了ＥＧＡ 全局收敛的本质及其两种实现方式，并分别对它们进行了收敛性分析。最后提出一种变形的全局收敛的ＥＧＡ。

基于改进遗传算法的风电场最优接入容量问题研究

风电场接入系统极大地影响了电力系统的安全运行,确定其最优接入容量是风电场接入系统规划和运行的重要部分。首先分析了由异步风力发电机组构成的风电场的简化等值电路模型,实现了含异步风电场的电力系统潮流计算。建立了风电场接入系统的安全运行约束条件和最大接入容量的目标函数,提出了基于改进遗传算法的求解方法,引入精英保留策略和参数动态调整策略,提高了遗传算法的收敛速度和全局寻优能力。利用IEEE9节点系统作为仿真算例,验证了所提算法的有效性,并分析了节点电压和无功补偿对风电场最优接入容量的影响。

改进非劣分类遗传算法在金莲花醇提取条件优化中的应用

目的研究改进非劣分类遗传算法(NSGA-Ⅱ)在正交试验设计的多目标药物提取条件优化中的应用。方法对金莲花总黄酮醇提取工艺研究的正交试验数据建立以浸膏得率、总黄酮含量为子目标的数学模型,采用遗传算法对其进行单目标优化,NSGA-Ⅱ对其进行多目标优化,搜索最优提取条件,比较搜索结果;利用课题组编写的Matlab2009a外挂SGALAB工具箱beta5008完成遗传算法寻优。结果单目标遗传算法优化分别得到各子目标最大时的最优提取条件,NSGA-Ⅱ进行两目标优化时,确定的最优提取条件的效果以及由此得到的浸膏得率和总黄酮含量高于正交试验中的任何一个方案。结论 NSGA-Ⅱ搜索的Pareto非劣解是合理的,达到了较好的效果,为正交试验设计最优条件选择提供了合理的方法,可推广到均匀试验设计和析因试验设计。

基于改进遗传算法的机器人时间最优轨迹规划

为实现6自由度机械臂在任意速度下运行时间最短,使用3-5-3样条函数对机械臂的轨迹进行规划,并利用改进的遗传算法对不同速度下的3-5-3多项式的插值时间进行优化。在遗传算法中应用自适应参数的调节和最优保存策略,防止种群陷入局部最优,加快收敛速度,提高算法性能。离线寻优得到机器人速度约束下最优三段插值时间,并在机器人控制平台上进行实时实验,由机械臂的位置、速度曲线验证了采用此改进算法可以在任意的速度范围内实现6自由度机械臂轨迹运行时间最优。

改进遗传算法在储位分配优化研究

文章将遗传算法应用于仓储管理调度系统的储位分配过程,分析了基本遗传算法应用于储位分配的优缺点。通过采用精英保留策略,保证了基本遗传算法设计的多样性,实现了算法搜索的快速收敛和最优性能保持,克服了基本遗传算法的"返祖"现象。

非支配排序最优保留遗传算法的低成本车削

切削参数优化对于加工质量、生产效率、加工成本、利润具有非常重要的意义。提出一种新算法即非支配排序最优保留遗传算法(ORNSGA),并应用于有约束条件的多工序车削模型优化。加工实例结果表明:与混合人工蜂群算法(HABC)、差分进化受体编辑算法(DERE)、粒子群受体编辑算法(PSRE)、混合搜索算法(HTHS)、混合鲁棒遗传算法(HRGA)及模拟退火算法(SA/PA)比较,用非支配排序最优保留遗传算法得到了最低的单位生产成本,不仅节约了生产成本,而且很好地解决了切削参数优化问题,如数控车削中的粗车进给量、粗车切削速度及精车进给量、精车切削速度。

一种改进遗传算法在建筑结构优化设计中的应用

针对遗传算法在迭代过程中经常出现的未成熟收敛、振荡、随机性太大等缺点,引入一种新的遗传算子——单亲遗传算子,用于对标准遗传算法的改进。包含单亲遗传算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题,进而对框架结构的多种工况进行优化设计的结果进行了对比验证,结果表明:改进遗传算法比标准遗传算法有好得多的收敛特性,迭代次数明显减少,优化设计结果也远好于标准遗传算法。

最优保留遗传算法的研究与分析

最优保留GA（EGA）是目前GA收敛性研究中比较典型的一类。文章在已有的研究成果基础上，给出了EGA更一般的规范化定义，指明了EGA全局收敛的本质及其两种实现方式，并分别对它们进行了收敛性分析。