排队“梯度”浮点数编码遗传算法

文章主要论述了浮点数编码遗传算法优化的问题。充分利用个体及其适应度函数值的已知信息,依据一定算法得到“梯度”信息,从而加快算法的收敛速度。但如果个别适应度函数值相对较大(例如是全体适应度函数值平均值的100倍以上),则上述利用“梯度”信息的优势尽失。为了解决此问题,提出排队“梯度”浮点数编码遗传算法。最后用典型的四个常用测试函数分别对简单浮点数编码遗传算法、利用“梯度”信息的浮点数编码遗传算法和排队“梯度”浮点数编码遗传算法的性能进行了测试和比较。

遗传算法在混合动力汽车控制策略优化中的应用

提出了一种基于浮点数编码遗传算法的混合动力汽车控制策略参数优化新方法。以一辆实际混合动力汽车样车的逻辑门限控制策略为例,分析并建立了控制策略参数优化的有约束非线性规划模型,其目标函数包含最小化油耗和排放。提出了采用稳态进化模型和浮点数编码遗传算法的参数优化方法,用于求解一组最优的控制策略参数。仿真结果表明,该方法可以找到一组全局最优的参数,将其用作离线参数优化,可以大大缩短控制器的实车标定时间。

带约束的遗传算法理论研究及其在某型飞机耳片优化设计中的应用

提出一种以相对距离为惩罚因子来构造惩罚函数的方法,并结合浮点数编码遗传算法,成功解决了带约束条件的优化问题。通过该方法对某型飞机平尾操纵螺杆主接头直耳片进行了减重优化设计,在保证原疲劳裕度不变的前提下,重量降低了22.7%,同时给出了不同疲劳裕度对应的最优解,供工程设计参考。