多机器人协调调度的贪婪双染色体遗传算法

为了减少多分拣机器人系统执行任务的路径长度、实现多机器人系统的协调工作,建立了多分拣机器人系统任务调度的着色旅行商模型,提出了基于贪婪双染色体编码遗传算法的协调调度策略。建立了电商仓库环境的栅格模型,使用三维坐标定义了栅格位置和状态。在传统A*算法基础上,将转弯代价引入到代价函数中,减少机器人执行任务过程中的转弯次数,实现了栅格环境下点到点的路径规划。构造了多机器人系统在执行任务过程中的路径冲突判断方法,基于等待策略和局部路径重规划策略给出路径协调方法。设计了10组不同机器人规模和任务规模的仿真实验,经验证在不同任务规模下,贪婪遗传算法获得的路径长度均短于传统遗传算法,且路径长度的差值随着任务规模的增大也越来越大;另外,在不同任务量下贪婪遗传算法规划路径的机器人等待次数和重新规划次数也小于传统遗传算法,验证了贪婪双染色体遗传算法在多机器人系统任务调度与协调中的有效性。

基于改进遗传算法的直流电机双闭环调速系统控制参数整定

直流电机的双闭环控制被广泛应用于直流拖动系统,采用的控制器是传统的PI控制器。在工程应用中,通常采用人工整定PI控制器的参数,往往不能得到最优的控制参数。同时,许多研究采用智能群算法进行整定。针对直流电机双闭环系统的PI参数整定,提出了一种基于改进遗传算法的参数整定方法。与传统遗传算法相比,改进遗传算法的整定效果更佳,具有较快的响应速度、较好的稳定性和较小的超调,更适用于对直流电机双闭环调速系统的控制参数进行整定。

基于改进免疫遗传算法的双馈风机控制系统PI参数优化

鉴于双馈风机(DFIG)在故障期间的控制性能依赖干控制参数的选取,将免疫遗传算法(IGA)引入DFIG控制系统PI参数的优化设计中,以DFIG的控制目标作为PI参数的优化目标,选取极点配置法整定值作为初值提高优化效率,根据DFIG控制系统自身特点对编码、交叉和变异算子、免疫算子进行自适应改进.形成了适用干DFIG控制系统PI参数优化的改进免疫遗传算法(IIGA)。该算法可以同时实现控制系统的多目标优化和转子侧变换器与网侧变换器的协调配合,在电压跌落过程中较极点配置法可获得更好的控制性能。最后,在MATLAB,Simulink中搭建了含风电场的系统仿真模型,仿真结果验证了本文所提方法的有效性。

基于染色体遗传规律的遗传算法

给出了一种基于染色体遗传规律的二进制遗传算法——在编码中,对个体进行成对等位基因编码,同时把个体的所有基因分成一定数量的染色体(基因片断);在交叉中,从父代中随机抽取染色体组成新的个体;在变异中,应用染色体基因交换;在求适应度时,以一对等位基因"或"的结果作为计算该基因适应度值时的依据。对两个较复杂的测试函数实验结果表明,该方法具有进化代数少、收敛率高的特点,其性能明显优于标准遗传算法。

双编码改进遗传算法求解旅行商问题

遗传算法是求解旅行商问题(Traveling Salesman Problem,TSP)的有效算法。但是其交叉策略对基于路径节点序列的基因编码不易操作,往往需要设计修复策略,甚至放弃交叉操作。为此,提出双编码改进遗传算法(Double Coding Improved Genetic Algorithm,DCIGA),算法中同时采用路径节点序列编码和一种可重复自然数编码,两种编码具有一一映射关系。在交叉环节,基于可重复自然数编码轮流选择三种交叉算子进行交叉操作,使种群个体的交叉效果得到合理控制和不同程度的增强;在变异环节,基于路径节点序列编码轮流选择四种变异算子进行变异操作,以增强种群多样性,提高算法寻优能力;最后将父代种群、交叉子代和变异子代进行合并排序和精英优选,以加快收敛速度。实验仿真选取TSPLIB的七组算例,和现有文献相比,DCIGA算法的求解精度有较明显提高,收敛速度更快。

基于蚁群-改进遗传算法的双工位堆垛机存取路径优化研究

基于提高双工位堆垛机储存和检索货物的作业效率、缩短作业时间的目的,提出一种基于蚁群-改进遗传算法的双工位堆垛机存取路径优化的方法。通过分析双工位堆垛机运行方法,提出一种变加速的堆垛机运行方法,建立了双工位堆垛机复合作业路径数学模型,设计了蚁群-改进遗传算法,通过算例证明该方法可以有效地优化存取路径,并且比较了蚁群算法与蚁群-改进遗传算法,发现蚁群-改进遗传算法迭代更快,迭代到18代后就达到最优解,并且每个周期路径明显缩短,相对应地完成任务所需时间也减少。

基于改进遗传算法的双馈风电机组模型参数辨识

建立准确的风电机组数学模型是开展风电并网研究的基础,而风电机组模型的建立通常需借助于辨识建模。通过参数灵敏度分析确定模型中影响风机并网特性的关键参数,提出一种基于改进遗传算法的风电机组模型关键参数辨识方案。基于DIgSilent/Power Factory软件实现风机模型的搭建及并网特性的仿真,在Matlab环境下实现遗传算法的编写,并通过软件接口实现两种软件的数据交换,完成参数寻优。结果表明:经参数辨识后,所搭模型可准确地反应风机在低电压穿越中的并网特性;所提方案切实可行,为风电机组模型的参数辨识提供了一种有效的新方法,具有重要的工程使用价值。

基于改进自适应遗传算法的MIMO雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法。算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度。通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性。在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用。最后仿真实验结果进一步验证了本文改进算法的有效性。

基于改进遗传算法的圆锥滚子轴承优化设计方法的研究

文章给出了基于改进遗传算法的圆锥滚子轴承优化设计的方法。针对传统算法在圆锥滚子轴承优化设计中全局寻优能力较差问题,文章改进了标准遗传算法(Simple Genetic A lgorithm SGA)的算法参数,采用了最优解保存策略,并运用退火罚函数法[1]处理约束。通过与标准遗传算法及综合约束双下降法比较,表明改进遗传算法具有良好全局寻优能力和稳定性。从而解决了开发圆锥滚子轴承CAD系统的关键问题。

基于改进遗传算法的网络故障数据实时检测系统研究

针对传统故障数据实时检测方法存在检测效率低的问题,提出基于改进遗传算法的网络故障数据实时检测系统。通过对数据实时检测硬件中分层结构与组网结构的设计可有效控制系统,设计软件功能,并对数据进行采集与处理,构建检测窗口,可随时查看与监测站相连的所有实时衰减数据。基于改进遗传算法可对发生故障组件定位,对染色体编码,将个体染色体基因作为故障诊断基础,为尽可能保证用户正常使用网络而进行结构调整。构造适应度函数,检测网络故障数据。通过实验验证可知,该系统检测效率高,能够实现整个网络故障数据的实时检测。

一种基于聚合度的改进遗传算法

针对遗传算法易陷入局部最优解的问题,提出了聚合度的概念,依据染色体聚合度的大小来调节变异率,从而使遗传算法能跳出局部最优解。通过一个TSP仿真实例进行比较,改进后的算法取得更好的效果。

改进自适应遗传算法研究及其应用

针对标准遗传算法收敛慢,提出了一种改进自适应遗传算法,即通过全局变异算子和局部变异算子共同作用。改善种群的分布特性,加强算法的全局收敛能力。应用概率模型的遗传算法对4个著名的测试函数进行优化计算,实验结果表明:该算法不易陷入局部极值,收敛速度快,且实现简单。

基于改进遗传算法的分批调度研究

针对分批调度的批量划分和排序优化问题,提出两段染色体编码方式,分别描述工序信息和批量信息.提出舍弃比率概念来优化种群初始化过程.采用自适应交叉算子和变异算子,以双种群协同进化方式对遗传算法进行改进.以文献数据为例仿真测试了改进遗传算法的有效性,对于复杂的分批调度问题,改进遗传算法一般能够得到较为满意的解.成功应用分批调度改进遗传算法解决了某公司分批调度问题.

一种基于改进遗传算法的波长路由算法

WDM(波分复用)光网络中基于GA(遗传算法)的RWA(路由与波长分配)算法是目前最常见的算法,为了提高网络资源利用率并进一步降低阻塞率,提出了一种动态的、基于改进GA的DCMA-GA(双交叉变异自适应遗传算法),通过引入自适应交叉与变异概率机制来减少GA的复杂度并应用于波长分配子算法中。仿真结果表明,与经典算法Dijkstra+FF(首次命中)相比,新算法最大能降低50%的阻塞率,在波长分配方面可提高10%的性能,验证了新算法的有效性。

基于Voronoi图与改进遗传算法的航迹规划

以巡航导弹航迹规划为应用背景,提出了一种基于Voronoi图与改进遗传算法的巡航导弹分层航迹规划算法。该算法基于Voronoi图建立威胁模型对规划环境进行描述,生成初始航迹及导航点;采用变长度染色体整数编码方式,基于回溯深度优先算法产生初始种群,并设计了相应的遗传算子。进行了仿真试验,通过与遗传算法规划结果进行对比,验证了该方法在巡航导弹航迹规划快速性与最优性方面的提高。

基于改进遗传算法的环形RGV系统调度优化

针对自动化立体仓库中环形穿梭车系统(Rail Guided Vehicle system,RGVs)调度优化问题,综合考虑RGV数量、进出货口限制、复合作业次数和堵塞次数对作业效率的影响,以最小化任务总完工时间为目标,建立了多影响因素下的RGV调度数学模型,并采用改进遗传算法对模型进行求解。首先,设计了多影响因素下的编码方式,提高算法求解实际问题的能力;然后,在遗传算法中引入模拟退火操作,提高算法的局部搜索能力,避免算法求解过程陷入局部最优;最后,设计染色体修复方法来避免非法解的出现,提高算法的收敛速度和求解稳定性。通过实例验证了模型和算法的有效性与先进性。

基于改进遗传算法的高速列车节能优化研究

为有效降低列车运行能耗,针对高速列车行进过程中的能耗优化问题,讨论了列车运行阻力的计算及列车停车点的设置,以此建立以列车能耗最小为优化目标的列车运行优化模型,提出3代逼近搜索的引导机制,改进了传统遗传算法中的算子,同时引入逆转算子提高算法求解能力。以CRH380B型高速列车和合福高铁(合肥—福州)数据为基础进行仿真,列车运行能耗降低了10.7%。仿真结果表明,提出的改进遗传优化算法在高速列车行进过程中,满足列车运行准时性和安全性,且能够有效降低运行能耗。

基于改进遗传算法的电力通信网路由优化研究

当前电力通信网承载的系统保护类业务对电网的安全稳定运行至关重要。针对电力通信网络中存在路由选择算法效率低下以及路由质量较差的问题,本文提出一种基于改进遗传算法的最短路由优化方法。该算法针对电力通信网拓扑复杂,不同业务主备路由长度不一的特点,采用可变长度染色体对可行路由进行编码,并通过优化的选择、交叉、变异以及染色体修复操作,提升了遗传算法的搜索能力、全局寻优能力,并通过改进的计算模型对种群规模进行了有效缩减,保证了算法的收敛效率。仿真测试证明了,该算法能够实现较高质量的最短路由计算、较高效率的收敛速度,并且对网络拓扑变化敏感度较低。

基于遗传算法的测试用例生成工具研究

以Korel的遗传算法生成测试用例策略为基础,在适应函数、染色体编码、遗传算法效率等方面提出了相应的算法改进。引入程序结构依赖系数来确定个体的适应值,使得整个搜索更加智能化;解决编码长度预测问题;采用改进的自适应遗传算法提高用例的搜索效率。同时对实现测试用例生成过程中的关键技术进行了分析。最后结合算例对软件进行了验证。

基于改进离散蜉蝣算法的双资源柔性车间可持续调度方法

在目前对柔性车间调度问题所进行的研究中,大多忽略了工件运输时间这一因素,并且也很少对可持续发展的经济、环境和社会3个要素进行综合优化。针对这些问题,提出了一种考虑运输时间的双资源柔性车间调度问题(DRCFJSPT)模型。首先,以完工时间、生产成本、能耗和人体工程学风险为优化目标,构建了柔性车间调度数学模型,并结合多目标模型的特点,设计了一种改进离散蜉蝣算法(IDMA),并对模型进行了求解;然后,采用熵值法评价了帕累托解集,基于三层编码并考虑了运输时间的插入式解码方式,设计了混合初始化方法,离散改进了蜉蝣更新方式;最后,为了验证IDMA求解DRCFJSPT的性能,采用MATLAB,对某机床零件加工企业生产数据进行了实验,并将其结果与采用非支配排序遗传算法(NSGA)-Ⅱ得到的结果进行了对比分析。研究结果表明:改进算法的解集质量和收敛性能均显著优于参考算法,通过改进算法求得最优解的最大完工时间为35.94 h,加工成本为6 003.95元,能耗为2 054.54 kW·h,人体工程学风险值为138.16;该结果可为实际复杂的柔性车间调度环境提供清晰准确的调度方案。