基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。

基于改进遗传算法的垃圾分类回收选址-路径优化研究

本文主要针对垃圾回收选址-路径问题进行研究,加入了垃圾分类。建立了考虑垃圾分类的垃圾回收中转站选址-路径模型,最小化物流总成本。根据问题模型特点,设计了改进遗传算法来对问题进行求解。采用自适应交叉、变异算子、变邻域算法以及精英保存策略来对算法进行改进。

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酒店配送机器人路径规划仿真研究

针对传统遗传算法初始种群质量不高、种群多样性不足和路径长度不理想的问题,提出了改进遗传算法。通过基于引力场模型生成初始路径,提高初始种群质量;在适应度函数中增加了惩罚因子和激励因子,提升种群质量筛选;引入差分进化算法对种群个体之间的差异进行向量化操作,以突变概率控制种群突变数量,优化种群多样性,从而更好更快地得到全局最优解。采用改进遗传算法、传统遗传算法和蚁群算法对不同栅格地图路径规划进行仿真实验,结果表明:改进遗传算法在处理此类路径规划问题时可以快速找到最优路径,在复杂度较高的M3地图环境下相较于传统遗传算法和蚁群算法最优路径分别缩短了17.39%和7.9%。

基于改进自适应免疫遗传算法的智能电网虚假数据攻击检测方法

作为典型的信息物理攻击,虚假数据可以实现测量输出无变化,从而欺骗基于卡方检测器的检测。为此,提出一种基于改进自适应免疫遗传算法的智能电网虚假数据攻击检测方法。首先,建立三相电压测量电网模型,分析虚假数据攻击的隐蔽特性。然后,利用抗体之间的相似度指数建立异常数据检测器,对入侵的虚假数据进行检测。此外,通过引入选择、交叉、变异算子的自适应设计,提高免疫遗传算法的收敛速度和全局寻优能力,从而改善攻击检测的性能指标。最后,通过仿真实验分析所提检测方法对虚假数据攻击的检测率和误检率,结果验证了该方法的有效性。

基于改进遗传算法的云计算任务调度方法

云计算环境中可能存在大量的计算节点与不确定性因素,需要进行大规模的任务调度和管理,增加了调度的复杂度和难度。为了满足任务调度的实时性需求,降低过程中产生的能耗,提出一种基于改进遗传算法的云计算任务调度方法。对不同的任务属性进行结合,重新设定各个云计算节点的任务属性,并计算节点的综合属性值。根据计算结果以全部任务完成时间最小化作为调度目标,构建云计算任务调度模型。改进传统遗传算法,优化种群的初始形成方式,通过改进后的遗传算法求解调度模型,判断获取的解是否满足终止条件,如果满足直接输出最优云计算任务调度方案,实现云计算任务优化调度。由实验结果可知,该方法的任务调度完成时间较低,其调度时间最高值仅为16 min,说明该方法能够满足任务调度的实时性需求,且能耗较低,能够实现任务的高效执行和资源的合理利用。

基于改进遗传算法的离场航班时刻优化

为提高机场航班放行正常率,对离场航班时刻进行了智能优化方法研究。考虑进场航班时刻不变、离场容量和航班时刻调整范围受限等约束,构建了以全局时间调整偏差总量最小为目标的离场航班时刻优化模型;为提高优化效率,将遗传算法的交叉概率改进为自适应交叉概率;设计了一种基于改进遗传算法的离场航班时刻优化方法。以兰州中川国际机场全天运行455起降架次为例,对航班时刻进行优化和仿真验证。结果表明,优化的航班时刻相较于原航班时刻,航班平均延误时间降低12.8%;离场航班平均延误时间降低22.3%;离场航班延误架次减少了42.8%;航班放行正常率提高了12%。采用基于自适应交叉概率的遗传算法可有效降低了航班延误和提高航班放行正常率。

采用改进两点交叉算子的改进自适应遗传算法求解不相关并行机混合流水车间调度问题

针对不相关并行机的混合流水车间调度问题,提出了改进两点交叉算子(ITPX)的自适应遗传算法。首先,利用精确取点方式提高两点交叉算子的求解性能;其次,论证了基于激素调节的自适应选择概率引导种群的收敛趋势;然后,建立优质染色体池和记忆因子来记录种群迭代的优质解,并实现两种不同区域的交叉。实验结果表明,ITPX可节省优化时间,提高求解性能;自适应概率可增强收敛性;改进两点交叉算子的改进自适应遗传算法(ITPX-IAGA)可缩短40%以上的求解时间,并提高求解性能。

基于改进自适应遗传算法的掘进机截割轨迹规划方法

针对掘进机在煤岩混杂的截割环境下路径覆盖率较低以及能耗较大的问题,提出一种基于改进自适应遗传算法的掘进机全覆盖轨迹规划方法。在3种不同的栅格环境下进行了仿真实验,结果表明,该算法与传统遗传算法相比,截割轨迹长度和重复遍历栅格数明显减少,可有效提高掘进机的工作效率。

基于改进适应度遗传算法的泵站主机组数据修正方法

常规的机组数据修正方法主要根据历史数据变化提取机组数据特征,数据存在失真现象不予考量,导致数据修正效果不佳。因此,本文设计了基于改进适应度遗传算法的泵站主机组数据修正方法,确定泵站主机组运行数据的修正因子,修正泵站主机组失真数据。利用改进适应度遗传算法,构建数据修正模型,淘汰适应度低的数据,保留适应度高的基因,从而优化泵站主机组数据。采用对比实验的方式,验证了该修正方法的修正效果更佳,能够应用于实际生活。

基于改进自适应遗传算法的油田多源微网双层优化调度

油田光伏发电和抽油机负载具有随机性强、波动性大的特点,导致微网系统源、网、荷功率不平衡严重。针对含光伏发电的油田微网,搭建具有源、荷、储的多抽油机井群微网数学模型,建立多源微网双层优化调度模型,上层以井群总输出功率曲线方差最小为目标,提出基于多抽油机同冲次分时调度策略,获取各抽油机最优分时时间间隔;下层以多源微网经济效益最大为目标,提出改进自适应遗传算法(adaptive genetic algorithm,AGA)对模型进行求解,通过制定光伏发电调度策略,并采用储能技术实时平抑多抽油机负载功率波动,实现多源微网源、网、荷的动态功率平衡。算例仿真验证了所提模型和算法的有效性。

基于改进自适应遗传算法的微电网负荷优化分配

主要研究了微电网负荷优化分配的问题,即在满足微电网安全运行约束和负荷需求的条件下,优化微电源的出力,使微电网的发电总成本最小。分析建立了微电网负荷优化分配的数学模型,考虑了微电网运行约束条件、负荷需求,微电源的燃料消耗、维护成本与起动成本,以及动态的网络损耗量和购电、售电价格等。研究了微电网分别处于孤网运行与联网运行时的经济性。并运用基于实数编码的改进自适应遗传算法对其进行数值求解。最后,通过算例验证了所提出的方法的有效性。

基于改进遗传算法的BP神经网络自适应优化设计

BP(Back Propagation)神经网络在网络训练中存在着局部最优问题,其算法收敛过慢、局部收敛不理想,影响其工作性能.针对以上不足以及传统神经网络设计规模庞大等问题,提出了一种由EGA(改进的遗传算法)确定网络拓扑结构和训练网络的方法,该方法通过实数编码、自适应多点变异等操作有效地优化了网络拓扑结构和网络参数,从而有效缩小了网络规模和提高了BP网络训练的速度以及收敛的有效性.最后结合了番茄常见病害诊断的实例说明了此方法的可行性.

基于改进型自适应遗传算法求解设备多行布局问题

对面积不等、形状固定的设备多行布局问题,提出了自由换行布局策略和净行间距概念.构建了带逆向物流、净行间距的多目标组合优化数学模型.引入免疫系统群体多样性作为种群进化的标志的基础上,建立了改进的自适应遗传算法(Improved Adaptive Genetic Algorithm,IAGA),实现了交叉概率和变异概率的非线性自适应调整.最后,对算法进行了实验对比分析.结果表明,所提出的算法能快速有效地获得问题的近似最优解,稳定性好,对解决设备多行布局组合优化问题具有实用价值.

一种遗传算法适应度函数的改进方法

针对简单遗传算法中线性适应度函数随进化过程恒定不变的缺点,提出一种可随进化代数动态调整的非线性适应度函数。以典型的遗传算法测试函数为算例,分别以Goldberg提出的线性拉伸方法[1]与文中提出的改进遗传算法进行计算。计算结果表明文中提出的动态适应度函数对简单遗传算法的改进有较明显的效果。

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。

基于自适应遗传算法和改进BP算法的遥感影像分类

介绍了采用自适应遗传算法和改进BP算法相结合的混合算法来训练BP网络的方法,即先用自适应遗传算法进行全局训练,再用改进BP算法进行精确训练,以达到加快网络收敛速度和避免陷入局部极小值的目的。结果表明,该算法收敛速度快,分类精度较高。

求解车间调度问题的改进型自适应遗传算法

针对作业车间调度问题,以最小化完工时间为目标,借鉴内分泌激素调节机制,提出了一种新颖的改进型自适应遗传算法。通过引入自适应交叉概率和变异概率因子,克服了传统的遗传算法在解决生产调度问题时存在的搜索精度低和收敛性难以控制等问题,并在Microsoft Visual C++6.0中实现了该算法。通过一个10工件、10机器作业车间调度问题的测试实例验证了该算法的收敛速度和搜索精度均明显优于传统的遗传算法。

基于改进的自适应遗传算法的智能配电网重构研究

配电网故障恢复重构是智能配电网实现自愈功能的控制手段。采用改进的自适应遗传算法进行配电网故障后的恢复重构:根据接入分布式电源的配电网的特点提出基于环路的编码策略,可以减少表示孤岛的不可行解;自适应的交叉率、变异率使算法可以根据种群进化情况改变,保护优秀个体;自适应的种群规模是基于个体寿命和规模控制,可以提高遗传算法的收敛性能。通过IEEE33节点配电网络中对算法进行仿真验证,表明分布式电源的接入可以有效地降低网络损耗;对比其他算法,具有更快的收敛速度和更好的稳定性。

基于改进自适应遗传算法的固定结合面动态特性参数优化识别

针对固定结合面传统建模方法精度较低和结合面的动态特性参数难以确定的问题,改进了基于弹簧阻尼单元的建模方法,提出了基于实验模态分析和改进自适应遗传算法的固定结合面动态特性参数的优化识别方法。该方法以有限元计算的理论固有频率和阻尼比与其对应实验模态分析结果的相对误差最小为目标函数,使用改进的自适应遗传算法优化识别固定结合面的刚度和阻尼参数。以自行设计制作的固定结合面模型为研究对象进行了建模、实验、参数识别等分析,分析结果表明:所提出的方法是正确的、有效的,参数识别误差在5%以内,达到了较高的识别精度。