面向船舶管子加工分组调度的矩阵实数编码遗传算法

分析了船舶管子加工车间任务重且加工进度会严重影响船舶制造进度的问题,结合管子加工成组技术和管件族制造法,建立了船舶管子的混合流水车间多目标分组加工模型。利用矩阵实数编码遗传算法(MRCGA)能对该加工模型建立有效的分组调度方案。该算法能保证在迭代过程中子代个体基因的交叉、变异的合法性和可行性,相较于遗传算法(GA)具有较好的寻优能力和稳定性。结果表明,调度目标最大完工时间降低了46.98%,很大程度上提高了船舶管子加工分组调度车间的生产效率。

基于矩阵实数编码遗传算法求解大规模机组组合问题

该文提出了一种采用矩阵实数编码遗传算法(MRCGA)进行机组组合优化的新方法:采用矩阵实数编码方式对整体发电计划进行编码后,可直接运用遗传操作求解机组组合问题,避免将其分解成机组启停安排和经济负荷分配的两层优化问题进行求解;采用多窗口变异技术,增强了算法的搜索能力。此方法提出了一种新的个体调整方法,可以处理各项约束条件,保证了结果的可行性。文中通过2个算例及与其它算法的对比分析,验证了所提出的方法在大规模机组组合问题求解时具有很强的适应性和全局搜索能力。

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

基于实数编码遗传算法的海底电缆电容电流实用计算方法

海上风电呈现出大规模大容量开发的趋势。但是,海底电缆的分布电容会产生较大电容电流。由于海缆电容参数难以获取,因此无法通过对地电容准确计算海缆电容电流,目前缺乏海缆电容电流的估算方法,使得海缆电容电流无法被准确掌握,可能影响海上风电场的安全运行。考虑了交联聚乙烯绝缘材料、系统电气设备电缆影响和海缆运行环境等因素对电容电流的影响,将海底电缆电压等级、电缆导体截面积和电缆长度作为自变量,以电容电流与非线性参数估算公式输出值的残差平方和作为目标函数,建立了基于实数编码遗传算法的海底电缆估算公式的非线性参数辨识模型,提出了一种海底电缆电容电流的实用计算方法,并通过与传统计算方法和电容电流实测值的偏差值与校正决定系数的比较,验证了非线性参数估算公式拥有较高的精度,适用于高电压等级与大电缆截面的海底电缆电容电流计算。

结合遗传算法的水库汛限水位动态控制模型研究

针对水库汛限水位动态控制问题,提出一种新的自适应交叉变异遗传算法,解决了水库防洪效益与发电效益之间的矛盾问题,实现了水库水位的调整,缓解了防洪效益与发电效益的冲突。遗传算法使原始汛期水位提升了0.7m,蓄水量提升了2947m^(3),同时增加了发电量233.33×10^(4) kW·h。基于峡山水库实例试验的研究结果表明,结合遗传算法的水库汛限水位动态控制模型,不仅可对水位进行实时性调节,还能提升水库效益,研究结果可应用于各水库防洪系统。

基于实数编码的加速遗传算法

:针对标准遗传算法 (SGA)在实际应用中存在的早熟收敛、全局优化速度缓慢和解的精度差等缺点 ,提出了基于实数编码的加速遗传算法 (RAGA)。

基于实数编码的自适应遗传算法及应用

为了解决遗传算法(GA)存在的早熟收敛、收敛速度慢等不足,从编码方式及遗传算子操作等几个方面对其作了改进,提出了一种基于实数编码的自适应遗传算法(RAGA)．基于典型复杂函数的优化仿真结果表明,该算法的全局收敛速度和命中全局最优值的几率相对标准遗传算法(SGA)有较大提高．

用改进的实数编码遗传算法估计反应动力学参数

通过理论分析和模拟实验研究了遗传算法中实数编码线性交叉操作的效率，提出了一种优化分布线性交叉操作策略，使子代个体在搜索空间内达到均匀分布，具有很高的搜索效率。用这种改进的实数编码遗传算法进行正丁烷选择氧化反应动力学参数估计，取得了良好的效果。

基于实数编码的遗传算法的收敛性研究

用基于实数 (浮点 )编码的遗传算法 (FGA )求解连续参数优化问题是遗传算法的重要应用领域 ,但一直缺少其完整的收敛性结果 .分析了在绝大多数实际应用中使用的 FGA的收敛性问题 ,在采用最优个体保留策略的前提下得到了保证收敛性的一般条件 ,并以之检验了采用常用的变异与交叉算子时 FGA的收敛性 .这些结论不仅给出了有用的收敛性结果 ,而且对进一步认识算子的本质 ,指导自适应变异算子的设计等都提供了帮助 .同时所用的方法和结论也适用于进化规划和进化策略的收敛性问题 .

实数编码遗传算法中交叉操作的效率分析

介绍了常用的实数编码遗传算法及相应的交叉操作策略，通过理论分析和模拟实验研究了不同实数编码交叉操作的搜索效率。提出两种改进的交叉操作——有效线性交叉操作和张弛线性交叉操作，使子代个体在搜索空间内达到均匀分布。

实数编码混沌量子遗传算法

基于量子位的混沌特性和相干特性,提出一种实数编码混沌量子遗传算法(RCQGA).该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索.实验结果表明,RCQGA不仅可以有效避免二进制编码QGA早熟收敛的缺点,而且可以减少寻优的计算复杂度,具有收敛速度快、稳定性好、寻优能力强、精度提高容易等优点,适用于工程应用中的复杂函数优化问题.

一种基于实数编码的改进遗传算法

在介绍基于实数编码遗传算法的优点和分析原有遗传操作机制存在缺陷的基础上,重点研究了实数编码的改进线性交叉算子,提出了一种改进遗传算法(MGA)·该改进线性交叉算子的优点是在交叉之后,一个子代位于两父代之间,另一子代位于靠近较好的父代的一侧,使解向好的方向发展,并且都是可行解·通过对几个典型的实例计算并与其他基于实数编码的遗传算法进行比较,结果表明,本算法在求解优化问题的收敛速度和精确性方面具有优势·

基于实数编码遗传算法的平面度评定

将基于实数编码的遗传算法应用于平面度的评定。根据尺寸和公差的数学定义 ,建立完全符合最小区域条件的平面度评定的数学模型 ,并在此基础上给出遗传算法的适应度函数。随后详细地介绍了算法的实现步骤 ,在基于实数编码的基础上 ,遗传选择操作采用一种正比选择策略———转轮法 ,遗传交叉操作采用简单算术交叉法 ,而遗传变异操作是随机均匀实数变异操作。最后对文献 [5 ]的实验数据进行了评定 ,仿真结果表明该算法不仅合理 ,而且效率高、精度高 ,优于其它算法。

基于实数编码的多种群并行遗传算法研究

针对标准遗传算法 (SGA)在实际应用中早熟收敛、解精度较低 ,以及传统的二进制编码方式带来的 Hamming悬崖问题等等缺点 ,提出了一种基于实数编码的多种群并行遗传算法 (RPGA) ,理论分析和实例计算的结果说明 RP-GA有效的提高了全局搜索能力和局部快速搜索能力 ,提高了遗传进化效率 ,对于改进 SGA的缺点是十分有效的 .

实数编码遗传算法在大地电磁测深二维反演中的应用(英文)

作为全局非线性优化的新方法之一的遗传算法,近年来已从生物工程流行到大地电磁测深资料解释中.然而,大地电磁反演问题具有不适定性,解的非唯一性.通过结合求解不适定问题的Tikhonov正则化方法,本文采用实数编码遗传算法求解大地电磁二维反演问题.此算法在构建目标函数时引入正则化的思想,利用遗传算法求解最优化问题.常规的基于局部线性化的最优化反演方法易使解陷入局部极小值,而且严重的依赖初始模型的选择.与传统线性化的迭代反演方法相比,实数编码遗传算法能够克服传统方法的不足且能获得更好的反演结果.通过对大地电磁测深理论模型进行计算,结果表明:该算法具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释.

实数编码遗传算法的缺陷分析及其改进

首先分析了一个典型的遗传算法处于某一阶段时各参数间的制约关系。指出由于实数编码遗传算法中交叉与变异操作改造个体时 ,是通过改变构成个体的部分或全部实数 (而不是位 )实现的 ,造成了个体转移矩阵(与位编码方式相比 )呈现出特殊的模式 ,而正是这种特殊模式 ,使实数编码遗传算法更易于失效。基于这一结论 ,提出了采用次级遗传算法改造实数编码遗传算法中交叉、变异算子的改进方法。该次级遗传算法将解空间各维上的实数增量组成基因串 ,旨在提高交叉、变异中个体转移方向与优化对象的符合程度。实验结果表明 ,改进后的算法在解决文中所涉及的优化问题时 ,性能明显优于原算法。由于改进后的算法是一个纯粹的遗传算法 。

基于实数编码和目标函数梯度的量子遗传算法

提出了一种基于实数编码和目标函数梯度信息的量子遗传算法．该方法用量子比特构成染色体,用实数对量子比特进行编码,用量子旋转门进行染色体更新,用量子非门进行染色体变异．对旋转门的旋转角方向的选择,给出了简易快捷的方法；对旋转角大小的选择,结合了目标函数的梯度信息．该方法将每一量子位看作上下两个并列的基因,每条染色体包含两条并列的基因链,每条基因链代表一个优化解．在染色体数目相同时,可使搜索空间加倍．以函数极值问题和神经网络权值优化问题为例,验证了该方法的有效性．

基于实数编码遗传算法的神经网络成本预测模型及其应用

在生产过程中,影响产品成本的因素多而复杂,因素之间相互影响,存在耦合现象,因此准确预测成本是一个重要又难以解决的问题.通过遗传算法(GeneticAlgorithm)与误差反向传播(ErrorBackPropagation)神经网络相结合,提出了用实数编码的自适应变异遗传算法训练神经网络权重的混合算法,避免了传统神经网络易陷入局部极小的缺点.以矩阵形式表示产品成本组成,建立了产品成本组成模型,以此为基础建立了考虑成本因素之间互相影响的神经网络产品成本预测模型,并成功应用于某钢铁企业产品成本的预测,提高了预测精度.

基于矩阵编码的遗传算法及其在自动组卷中的应用

对组卷问题进行了分析，提出了采用遗传算法来解决这个带约束的多目标优化问题。提出了应用于自动组卷中的基于矩阵编码的遗传算法，充分利用领域知识来设计解的编码和遗传算子。试验结果表明，基于矩阵编码的遗传算法相对于其它方法能够取得更有效的结果。

基于实数编码的免疫遗传算法研究

针对标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,在免疫遗传算法的基础上提出了基于实数编码的免疫遗传算法(RIGA)。研究表明,RIGA对SGA的改进是有效可行的,显示出稳健的全局优化、计算量少而解的精度高等特点,具有较高的应用价值。