基于改进遗传算法的大型体育场馆传感器优化布置研究

为高效、准确地对大型体育场馆结构进行健康监测,根据其结构特点,提出了一种基于多种群非支配重组遗传算法(MP-RGA)的传感器优化布置方法。引入二重编码解决离散优化问题,通过多种群策略提高算法的搜索能力,通过非支配重组解决以往遗传算法优化后期的多样性丧失问题,最后采用自适应化交叉、变异策略改善算法前期的收敛速度和后期的寻优能力。以西安国际足球中心屋盖为例,通过数值算例验证不同传感器布置数量下利用该算法确定传感器布置方案时的有效性。结果表明:与量子遗传算法(QGA)和粒子群算法(PSO)相比,多种群非支配重组遗传算法收敛速度更快,以模态置信度准则为目标的优化效果分别提升了41.88%和91.27%;依据所提算法优化得到的传感器布置方案实际应用效果良好,表明该算法适用于大型体育场馆的传感器优化布置问题。

基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题

由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。

基于改进遗传算法的飞行器光轴自动校准优化

飞行器光轴质量监控过程中,主要通过标准遗传算法完成光轴参数优化求解,易出现过早收敛和停滞现象的问题,导致校准优化后光轴偏移量依旧较大。为了降低飞行器光轴偏移量,提出基于改进遗传算法的飞行器光轴自动校准优化方法。以牛顿环干涉条纹为依据,采用正交实验方法实现光轴平行性自动校准处理,获取合理的光轴校准参数取值区间。针对飞行器光轴系统定义一个坐标系,在其中分析照准轴误差、经轴误差、纬轴误差和光轴指向误差,以最小光轴平行度综合误差为目标构建光轴自动校准优化目标函数。采用自适应交叉、变异概率改进遗传算法,对优化目标函数进行迭代求解,获取最佳光轴校准参数,实现飞行器光轴自动校准优化。实验结果表明,该方法优化处理后,飞行器高温光轴和低温光轴的偏移量仅为0.34 mrad、0.296 mrad,证明该方法降低了飞行器光轴偏移量,满足了飞行器光轴性能提升要求。

基于SLP法和改进遗传算法的生鲜电商仓储布局优化

生鲜电商企业的物流配送中心是作为连接供需两端市场的重要节点之一,其布局的合理性对工作效率有着重要的影响,进而影响着顾客消费体验的满意度。通过对Y企业某生鲜物流配送中心布局进行分析,采用系统布局设计法(SLP法)对各功能区之间的物流关系与非物流关系进行确认,构建了一个以功能区间搬运成本最小和综合物流关系最大双重优化目标的仓储布局优化模型,借助MATLAB工具,设计改进遗传算法对该模型进行求解,并与遗传算法求解进行对比,验证了所建模型和改进遗传算法的有效性,最后通过改进遗传算法解码得到科学合理的生鲜仓库布局方案。

融合改进遗传算法的电商物流末端多中心共同配送车辆路径优化研究

随着电商物流的快速发展,多中心的末端配送问题受到广泛关注。但目前的车辆配送问题一般是针对单个物流中心进行路径优化,并未考虑到资源调度更为复杂的多中心配送情况。研究对路径问题进行数学建模,并利用双层染色体编码模式的遗传算法对电商物流末端多中心配送车辆路径进行优化。研究过程中发现,传统遗传算法易陷于局部最优解,出现早熟现象。为解决此问题,对交叉概率与变异概率进行自适应调整,实现算法的改进。由此构建了融合遗传算法的配送车辆路径优化模型。通过实验分析可知,模型较其他模型优化结果减少路径长度11%以上,能够实现高质的路径优化,为物流配送节省成本与时间。

基于改进遗传算法的装配式渠道生产调度优化

为有效提高装配式渠道生产效率,加快模具周转,降低生产成本,结合装配式渠道生产线养护室数量有限的特点,建立以最小生产周期为目标的装配式渠道生产调度优化模型,设计了求解该模型的改进遗传算法。以新疆石河子金土地水泥制品厂渠道生产线为例,验证生产模型的可行性,通过对比传统顺序生产调度与改进遗传算法得到的优化生产调度,验证改进遗传算法的稳定性与有效性。结果表明,基于改进遗传算法优化装配式渠道的生产调度,可有效降低装配式渠道的生产周期,提高生产效率,达到降低生产成本,提高企业核心竞争力的目的。

应用改进遗传算法的低轨星座部署策略优化方法

考虑发射场任务间隔时间约束,提出应用改进遗传算法的低轨星座部署策略优化方法。对近地圆轨道星座部署过程进行动力学建模,给出了部署窗口与入轨点相位差的关系,以及入轨后相位调整的代价分析。将星座部署位置组合进行参数化,加上各颗卫星部署日期间隔作为优化变量,使得在大范围日期区间内的搜索问题简化为有限维度的整数规划问题。引入改进遗传算法进行局部搜索,进而对部署策略进行寻优计算。以9颗卫星的Walker星座部署任务为例,对优化方法进行验证。结果表明:优化方法相对穷举搜索法的计算量有约7个数量级的降低,且能够用50代以内的演化计算快速得到满足发射间隔约束条件且兼顾部署总时间和相位转移量的最优解。

工程结构优化设计的改进混合遗传算法

根据工程实际以及规范规定的约束条件和各项技术标准要求,建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现的未成熟收敛、振荡、随机性太大和迭代过程缓慢等问题,采用一种新的遗传算子即单亲遗传算子对遗传算法进行了改进,并提出了离散变量结构优化设计的三等分割算法与遗传算法相结合的混合遗传算法。优化设计结果表明:改进混合遗传算法的收敛特性得到了很好的改善,既具有三等分割算法省时、高效、局部搜索能力强的特点,又具有遗传算法全局性好的特点,是高效、理想的工程结构优化设计方法。

改进混合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未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点,提出引入转基因算子与单亲遗传算子,同时提出一种离散变量结构优化设计的三等分割算法,通过与遗传算法相结合并运用到初始群体形成和进化过程中,使两种算法既可相互独立地运算,又可彼此相互协调、共同作用.根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立离散变量结构优化模型.各种算法的优化结果对比表明,改进混合遗传算法具有省时、高效、局部搜索能力强和全局性好的特点.

基于改进多种群遗传算法的核电热力系统参数优化

核电机组二回路热力系统是将热能转化为机械能并进行发电的关键部分,在保证安全的基础上提高其效率具有重要意义。对此,首先根据热平衡法建立热力系统的数学模型。其次,在多种群遗传算法的基础上增加并行机制与协同策略,结合自适应策略提出一种改进多种群遗传算法,并利用测试函数测试其寻优性能。最后,以机组循环热效率为目标函数,回热再热抽汽流量为决策变量,在约束条件下采用改进算法对热力系统进行优化设计。结果表明:改进多种群遗传算法比标准遗传算法与多种群遗传算法更有效率且收敛精度高;采用该优化算法后,机组循环热效率提高了1.18%。

基于改进遗传算法的机械臂时间最优轨迹优化

针对传统遗传算法在优化机械臂轨迹时间时存在易陷入局部最优、后期局部搜索精度不高等问题,提出了一种改进型遗传算法。使用Tent映射初始化种群,增强遗传算法全局搜索能力。引入模拟退火算法对每一代子代种群进行局部退火操作,提升算法跳出局部最优的能力,在算法后期使用萤火虫算法替代常规变异算子,提高算法后期局部搜索精度。以aubo-i10协作机械臂为对象进行时间优化仿真,结果表明,改进后的遗传算法优化时间相比传统遗传算法减少了约1.2 s,并使机械臂各关节的角速度、角加速度曲线光滑连续,且满足最大约束条件,证明了算法的可行性和有效性。

基于改进混合遗传算法的给水管网优化设计

为解决给水管网的优化设计问题,建立了给水管网优化设计数学模型,提出了适于管网优化设计的改进混合遗传算法.进而对遗传算法改进方法、水力计算的信赖域法、适应度函数的建立、遗传操作和整数编码技术等进行分析,并以一个典型的工程案例进行验证.结果表明,改进混合遗传算法方法所得到的目标函数值和管网水力性能明显优于传统设计方法,充分说明了改进混合遗传算法方法用于管网优化设计的实用性和有效性.

改进遗传算法与多目标优化模型的航班路径规划

针对现有航线路径规划模型,单一成本规划难以解决不同机型及运输时间条件下最优路径规划的问题,将机型配置、运输时间和系统成本相结合,通过枢纽城市位置、非枢纽城市节点向枢纽城市节点的流量分配、机队飞行时间以及机队规模建立枢纽航线网络优化模型。以飞行时间与系统总成本为最小化求解目标,利用熵值法建立染色体选择机制,引入自适应交叉率改进遗传算法,通过改进算法(IGA)对最佳航线及枢纽节点位置分布优化求解,并与传统遗传算法、人工蜂群算法和灰狼算法进行对比。研究表明,将不同机型配置、运输时间进行组合,优于单一成本路径规划。以改进算法对枢纽航线网络模型进行优化求解,系统总成本降低了3.41×10^(10),为机队资源的合理配置提供了借鉴。

一种基于新改进的Price算法的混合遗传算法求解约束优化问题

新改进的Price算法能够求解多峰、多维,以及不可微目标函数的全局优化问题。把新改进的Price算法作为局部搜索算子,并入到实数编码遗传算法中,构成一个混合遗传算法,求解约束优化问题。该混合算法增强了全局寻优能力,提高了函数值的精度,并减少了计算量。通过对13个约束标准测试函数的仿真实验,并和已有算法的比较,结果表明本文提出的混合遗传算法是有效的。

基于改进遗传算法与原对偶内点法的无功优化混合算法

基于改进遗传算法和原对偶内点法提出一种求解无功优化问题的混合算法。首先通过改进遗传算法求解无功优化问题中的离散变量,然后采用原对偶内点法求解与已获得离散变量最匹配的连续变量。在改进遗传算法中采用交叉、变异算子并基于可行域规则处理离散约束,有效提高了混合优化算法的整体寻优效率。在IEEE118节点系统中的仿真计算结果验证了本文方法的有效性。该方法已应用于福建电网自动电压控制系统中。

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.

基于改进遗传算法的数控机床加工铣削参数优化方法

对于数控机床加工铣削参数优化多采用常规的可信度近似模型,但该方法易受到材料失效应变系数的影响,导致优化后的加工效率较低,提出基于改进遗传算法的数控机床加工铣削参数优化方法。根据工件的本构模型,对切削刃进行采样抽取,确定最小铣削力波动位置;引入材料失效准则计算材料失效应变系数,基于此,以加工时间最短、加工成本最低和加工能耗消耗最小为目标建立铣削参数优化模型,并采用改进遗传算法求解模型,通过迭代适应度值,输出最佳铣削参数;最后,采用对比实验的形式对所提方法的优化性能进行测试。测试结果表明:应用所提方法对数控机床加工铣削参数进行优化后,能够有效缩短切削时间,提高加工效率。

基于混合编码改进遗传算法的无功优化

简单遗传算法用于无功优化时存在收敛速度慢、容易陷入局部最优等问题。针对无功优化控制变量既有连续量又有离散量的特点,提出整数和实数混合编码的改进遗传算法。该改进算法在进化前后期采用不同的选择方式;依据交叉位和变异位控制变量的类型确定相应的实型或整型的算术交叉、小变异遗传操作,并且交叉率和变异率随进化代数变化;在目标函数中选用按指数规律变化的越界罚系数。IEEE14、118节点系统的仿真计算结果表明,改进后算法在全局寻优能力和收敛速度方面优于简单遗传算法。

基于改进混合遗传算法的冷链物流配送中心选址优化

针对冷链物流配送中心的选址是一个受空间和时间限制的优化问题(需要同时考虑成本、时间窗、货物品质及客户服务水平的约束,是一复杂组合优化模型),构造了一种基于遗传算法和禁忌搜索算法相结合的、并用贪婪算法改进交叉算子的混合遗传算法对模型进行求解.实验结果表明,这种改进的混合遗传算法可以有效地避免早熟及局部最优现象,得到质量较高的解,进一步提高了计算效率.

基于改进遗传算法的梯级电站日经济优化调度研究

本文指出梯级水电站在优化运行时往往伴随着多约束、非线性、多阶段的组合优化问题,在进行求解时由于传统遗传算法等其他相似智能算法对水库优化调度模型求解时局部搜索能力较差、在进化后期搜索效率较低,往往容易产生早熟收敛的问题。针对此问题,本文对遗传算法进行适当改进,在分时电价背景下,将该算法应用于溪洛渡-向家坝梯级电站日经济效益最大为目标的日优化调度模型中。通过将改进遗传算法与传统遗传算法以及其他优化算法所得结果进行比较,发现改进遗传算法收敛较快、稳定性较好,克服了其他算法早收敛、陷入局部最优的缺点,可以为水库优化调度提供了一定参考价值。