基于浮点编码的遗传算法优化模拟移动床色谱分离木糖醇母液

开发了一种基于浮点编码遗传算法的模拟移动床色谱优化方法。该优化方法中将归一化的生产强度取最大值作为目标函数,同时将纯度的n次方作为罚函数。运算过程中浮点编码遗传算法的适度值由模拟移动床色谱的稳态模型求得。为了保证遗传算法每一代的个体均满足模拟移动床色谱本身的约束条件,算术杂交和完全非均匀变异被用作演化算子。采用该算法很容易得到模拟移动床色谱分离过程中非线性条件下的最优条件。这种优化算法被应用于木糖醇母液的模拟移动床色谱,结果表明当罚函数指数n值由小到大变化时,可以得到产品纯度由低到高的最优分离条件。进一步比较了当n值为20时的实验值与仿真值后发现,实验结果与仿真值相吻合,木糖和木糖醇的纯度分别达到99 51%和99 26%。

基于浮点编码遗传算法的钢闸门主梁优化设计

针对目前钢闸门结构优化设计中存在的问题,建立了钢闸门主梁多目标优化的数学模型。提出了将浮点编码遗传算法与最小偏差法相结合,并将其应用到平面钢闸门主梁的多目标优化设计中。以主梁的重量、主梁抗弯截面模量与截面积的比值为目标函数进行了优化设计。优化结果表明,此方法能够克服传统优化算法极易陷入局部最优的缺点,而且收敛速度快,计算精度高。

改进浮点编码遗传算法在非线性地表沉降模型参数优化中的应用

针对浅埋隧道地表出现沉降问题,运用随机介质理论建立非线性地表沉降模型,然后提出改进浮点编码遗传算法确定沉降模型参数,该方法收敛速度较快,能求得最优化问题全局精确解 工程实例表明它不仅能解决非线性地表沉降模型参数优化问题,而且优化结果好于其它方法。

非线性模拟移动床色谱的浮点编码遗传算法优化策略

开发了一种基于浮点编码遗传算法的模拟移动床色谱自动优化系统。该优化方法中将归一化的生产强度取最大值作为目标函数,同时将纯度的n 次方作为罚函数。采用模拟移动床色谱的稳态模型计算浮点编码遗传算法的适度值。采用该优化算法对手性化合物binapththol 的模拟移动床分离操作条件进行了优化,结果表明生产强度提高了40%以上。

浮点数编码的无功优化遗传算法

将浮点数编码的遗传算法应用于无功优化中。给出了在浮点数编码下的交叉、变异和逆转操作,浮点数编码不仅可以缩短染色体长度,降低算法的搜索空间,且可以避免初始化及遗传操作中生成的不可行解,从而提高算法的效率。最后,将提出的方法用于IEEE30节点系统,得到了满意的结果。

基于浮点型编码策略的差分多目标柔性车间调度优化

运用进化算法求解柔性车间调度问题时,编码的特殊性对进化策略造成的局限制约了算法的搜索能力。为此,提出一种基于浮点型编码策略的差分多目标优化算法。该算法采用基于工序权重的浮点数编码—解码机制,消除了排列组合型编码方式对进化操作带来的约束,运用差分进化策略生成新个体,以提高优秀个体产生的几率,进而保证算法有更好的收敛性。将算法与传统算法及其改进形式在相同测试用例上进行对比,结果表明,本算法在保证收敛性的同时,搜索到更多的非支配个体,体现出更好的分布性。此外,提出了平行决策和等价平行决策的定义,将柔性车间调度模型的研究拓展至决策空间。

基于遗传算法的动力配煤模型

遗传算法作为一种函数优化方法,不依赖于求解问题的本身,利用简单的编码技术和繁殖机制,快速有效地搜索复杂、高度非线性和多维空间,寻求最优解.动力配煤是一个多元优化问题,混煤与各组成单煤间的非线性关系增加了约束条件向确定性方程转化的难度.将遗传算法用于动力配煤方案优化,利用其全局性、并行性、快速性的特点,有效地解决了配煤中的非线性多约束问题,取得了理想的效果.

一种基于多目标优化的测试性分配方法

针对测试性分配问题,在测试性分配数学分析的基础上提出了一种以全生命周期费用和测试性水平为目标的多目标优化模型。在求解模型时,按照权重将多目标问题转化为单目标优化问题后采用浮点编码遗传算法求解,该模型有利于提高求解精度,尤其在分配参数较多的情况下,可以改变各目标权重值,满足不同的分配需求。最后应用该模型对某型工程机械液压系统进行实际分配,分析结果表明该模型能够对系统测试性和全生命周期费用进行有效权衡,在系统及其子系统(或单元)测试性指标约束下进行合理的测试性分配。

最优化问题全局寻优的混合遗传算法

把BFGS方法作为一个与选择、交叉和变异平行的算子,嵌入到浮点编码遗传算法中,得到一种基于BFGS方法和浮点编码遗传算法的混合计算智能算法．该方法兼顾了遗传算法和BFGS方法两者的长处,既有较快的收敛速度,又能以非常大的概率求得最优化问题全局解．数值结果表明,混合方法是求解优化问题的一种有潜力的智能算法．

基于改进遗传算法的电力系统无功规划优化

简要分析了几种无功优化方法的局限性,通过比较得出遗传算法是求解无功优化的一种有效的方法,并在简单遗传算法(SGA)的基础上,提出了更加有效的算法即改进遗传算法(IGA)。该算法针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,借鉴了模拟退火思想在遗传算法的执行过程中对个体适应度不断进行修正,并采用了浮点数编码、双层结构群体、自适应的交叉率和变异率等改进措施。算例表明这种改进的遗传算法优化效果好,而且在精度和收敛度上都有较大提高。

基于遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具 ,遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法 ,并设计出了相应的数据挖掘系统 ,且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用 ,文中还提出了格雷———浮点编码法。

基于遗传算法的多效蒸发系统的优化

建立了包含冷凝水闪蒸、二次蒸汽抽取的复杂多效蒸发系统的优化模型,根据该模型约束方程多、具有强非线性等特点,研究了运用遗传算法求解该模型。通过实例运行表明,遗传算法具有较好的收敛性,能有效地求解复杂多效蒸发系统的优化模型。

一种复杂模糊系统生成方法

生成模糊系统传统方法的工作量往往随输入变量数的增长而爆炸性地增加，用于抽取模糊规则的神经网络的规模迅速地增加且能量的极小值点也迅速地增多。针对这一问题，本文发展了一种新的模糊系统生成方法：将复杂系统的模糊输入、输出关系分解成简单的模糊输入、输出关系叠加，采用了一种新的网络优化的方法──基于浮点编码的遗传算法（Floatcodingbasedgeneticalgorithm，FGA）来生成该系统．FGA克服了BP算法的网络麻痹、收敛于能量局域最小点、阈值函数连续可导性限制等缺点；同时也解决了一般遗传算法不符合于生物演化的规律，限定搜索范围等问题。FGA实现了在实数空间中不同尺度上的同时公平的搜索。由于化繁为简的策略以及FGA的采用，生成系统的工作量并不随系统的输入变量数的增长而剧增，也不会出现网络收敛于能量局域最小点的情况。因此本方法可以用以产生实用的复杂多输入模糊系统。

模拟移动床色谱分离体系模式与关键因子的计算机模拟研究

采用浮点编码遗传算法对模拟移动床色谱的分离系统模式进行了设计,并研究了分离过程中传质和扩散对分离效果的影响。结果表明模拟移动床色谱中区2和区3的色谱柱的数目对提高生产强度起决定性的作用,而区1和区4的影响较小。同时改善分离过程中的传质与扩散可提高生产强度,在分离过程中传质所起的影响比扩散大得多。