自适应多目标遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点,提出了一种新的自适应多目标遗传算法,其特点包括:同时运用了基于工序顺序和基于机器分配两种交叉变异方法以弥补经典工作车间调度问题中交叉变异操作的局限性;根据遗传算法搜索的历史自适应的调整两种交叉变异方法的概率以提高算法的搜索效率和稳定性;引入多目标遗传算法中的小生境技术以保持种群的多样性;采用精英保留策略保护进化过程中的优秀个体。实验结果证明该算法在多目标柔性工作车间调度问题的应用上,可以产生分布性较好的高质量的解。

基于降维扫描方法的自适应多目标遗传算法

为了有效地应用遗传算法解决H2/H∞鲁棒控制系统设计问题,将遗传算法与局部优化方法相结合,提出了基于降维扫描方法的自适应多目标遗传算法(DRSA-MOGA)。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法,提高了算法的全局优化性能和局部搜索能力。仿真结果表明,DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度。

基于小生境的自适应多目标遗传算法求解流水车间调度问题

流水车间调度问题属于NP完全问题。为了更高效地求解多目标流水车间调度这一问题,提出了一种新的混合多目标遗传算法,采用小生境技术、双重精英策略及非劣解局部搜索,并且可根据适应度来自动调节交叉和变异概率。实验表明,该算法具有更快的收敛速度和优化效果。

自适应多目标遗传算法的集成剪枝用于人脸表情识别

在集成剪枝中,为了同时高效地选择优质、独立的分类器,文中提出了一种新的动态自适应交叉策略的遗传算法用于分类器的集成剪枝。该方法使用轮盘赌和贪婪策略动态更新每个交叉策略的优先级,根据优先级计算每个策略被选中的概率,从而在算法迭代过程中自适应选择不同的交叉策略。此外,该方法考虑了交叉概率和变异概率动态自适应变化,并使用大多数投票法对挑选出来的分类器进行集成以获得最终结果。将文中所提方法与一些集成剪枝方法在5个真实人脸表情数据集上进行对比,实验结果表明文中所提该方法可以选出效果更好、冗余度更低的分类器,并在CK+数据集上具有22.50%的最低误差。

基于集合经验模态分解和多目标遗传算法的火-多储系统调频功率双层优化

针对分布于区域电网不同网络节点的多座储能电站参与电网调频功率调度问题,该文提出一种基于集合经验模态分解(EEMD)和多目标遗传算法(MOGA)的火-多储系统调频功率双层优化策略。该策略包含火-储调频功率优化层和多储能电站调频功率优化层:上层计及火-储调配资源各自优势及剩余调频能力,构建火-储调频功率优化分配模型,完成火-储调频功率的分配;下层引入关于调频成本和荷电状态(SOC)的自适应权重系数,以调频成本最低和SOC均衡为优化目标,完成调频功率在多储能电站之间的分配。仿真结果表明,所提策略可以提升区域电网调频效果并降低调频成本,均衡控制多个储能电站的调频成本和SOC,可以防止经济性较好的储能电站长期处于SOC越限边缘状态,提升储能电站参与调频的积极性和可持续性。

物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划研究

在物联网迅速发展的时代背景下,智能汽车作为物联网的重要应用之一,其路径规划算法的优化显得尤为重要。然而,现有路径规划算法在应对复杂多变的实际道路情况时存在局限性,需要更灵活、高效的解决方案。本文首先列出了物联网背景下基于改进多目标自适应遗传算法的智能汽车路径规划的研究原因,随后重点论述了相关算法和研究方法,最后对研究结果进行了分析。

基于多目标遗传算法的8×8 S盒的优化设计方法

混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合混沌映射与多目标遗传算法,提出了一种新的S盒设计方法.首先,利用混沌映射的特性产生初始S盒种群;然后,以S盒的非线性度和差分均匀性为优化目标,基于遗传算法框架对上述两指标进行优化.针对S盒的特点,在优化算法中引入了交换操作,设计了新的变异操作以及非支配序集计算,有效提升了S盒的非线性度和差分均匀性.实验结果表明该算法产生的S盒其差分均匀度为6,非线性度值至少为110,有效提升了S盒的综合性能.

基于灾变遗传算法的雷达防护装置多目标优化设计

为了提高车载雷达的防护性能,提出了一种新型的自动化防护装置。通过对防护装置机构原理进行分析,建立了驱动连杆机构的运动学方程,获得了连杆机构关键节点的位置、速度和加速度方程;通过传动角分析获得油缸驱动的传动效率方程。依据分析结果,采用灾变遗传算法对防护装置以运动平稳性和传动效率为目标进行优化,结合工程实际获得了综合最优的机构形式。依据优化结果建立原理样机进行验证试验,结果表明,防护装置运动平稳,在最大风载荷作用下可正常工作,实现了综合最优的设计目标。

基于自适应遗传算法的红外子热像图模糊增强方法

为了提高红外子热像图的边缘强度、信息熵和清晰度等,使图像视觉效果有所提高,研究了一种基于自适应遗传算法的红外子热像图模糊增强方法。对含有噪声的红外子热像图展开小波变换,分别获取高、低频小波系数,低频部分的小波系数不进行任何处理,高频部分的小波系数引入最小二乘对其进行总体估计,同时逆变换处理估计后的小波系数,完成红外子热像图去噪处理。通过模糊增强算法增强处理红外子热像图,同时引入自适应遗传算法优化处理模糊参数,实现红外子热像图模糊增强。实验结果表明,本文所提方法的图像更加清晰,且对比度也明显得到改善,其平均对比度值为0.075,平均边缘强度值为67.14,平均信息熵值为8.59,平均清晰度值为13.73,充分说明该方法获取的红外子热像图模糊增强效果更加理想,能够有效提升视觉效果。

基于多目标遗传算法的永磁同步电机振动噪声分析与优化

为降低车用永磁同步电机的振动噪声,本文针对一台U一型转子永磁同步电机,研究了一种将响应面模型与多目标遗传算法相结合的电机电磁振动噪声优化方法。首先,通过仿真分析电机在全转速范围内的噪声频谱特性,得到产生峰值噪声的转速及噪声频率;随后,确定电机优化变量及优化目标,对其进行敏感度分析,建立优化变量的响应面模型;然后,利用多目标遗传算法对变量进行参数优化,得到最优结构参数;最后采用有限元法计算电机优化前后的输出性能及辐射噪声,结果表明此方法在保证电机输出性能基本不变的情况下使电机最大等辐射声功率级降低了24.2%。

基于改进多目标遗传算法的5G基站选址布局研究

5G基站的建设是5G产业链中十分重要的一环。对于运营商而言,基站的选址规划会直接影响5G网的信号质量和使用效率。针对基站选址规划不合理的问题,本文考虑了不同区域基站覆盖范围不同和网络业务量不同的特点,以基站建设成本最小、面积覆盖率和业务覆盖率最大为优化目标,建立了5G基站选址优化模型,使用改进的NSGA-Ⅱ算法对模型进行求解。仿真结果表明,该算法有效解决了基站选址问题,并且具有速度快、效率高、不易陷入局部最优解等优势。

基于改进自适应多种群遗传算法的结构-控制系统一体化优化

提出一种改进的自适应多种群遗传算法,以更好地解决建筑结构-主动控制系统一体化优化问题,即同时对被控结构参数、控制算法参数、主动作动器布置位置进行优化。该遗传算法对编码方法、初始种群生成、选择策略、交叉概率和变异概率的自适应调整、多种群协同进化中移民策略等进行改进。研究结果表明:改进的自适应多种群遗传算法和改进的基本遗传算法优化结果总体一致,表明前者分析结果是正确的,并且具有较高的精度;改进的自适应多种群遗传算法和改进的基本遗传算法首次得到优化分析最优解的平均进化代数分别为320与730,表明前者比后者收敛速度更快;改进的自适应多种群遗传算法每次能达到或接近最优解,可有效克服基本遗传算法优化结果随机性较强的缺点;经改进的自适应多种群遗传算法优化的主动控制系统取得明显减振效果,E1 Centro波输入时,主动控制结构层间位移角峰值和绝对加速度峰值较无控时分别平均减小54.5%与46.7%。算例结果表明了改进的自适应多种群遗传算法的有效性,实现了对建筑结构-主动控制系统的一体化优化。

基于多种群混沌遗传算法的GEO目标服务任务规划

面向地球同步轨道(geosynchronous Earth orbit,GEO)空间目标碎片清除、燃料加注等不同在轨服务需求,研究了“固定储油站+往返航天器”相结合的航天器任务规划问题。首先,建立了多任务混合的燃料最优双层任务规划模型,外层为目标服务序列规划,内层为轨道机动规划。随后,针对该连续-离散混合变量组合优化问题,提出了一种多种群混沌遗传算法(multi-group chaotic genetic algorithm,MGCGA),采用混合编码表征决策变量,引入立方混沌映射算子提高初始种群质量,多种群及精英保留策略使得算法在求解过程中能更为显著地逼近全局最优解。最后,参考实际GEO目标构建了典型算例,规划结果表明所提算法具有全局收敛性好、收敛速度快的优点。

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。

基于均匀设计的多目标自适应遗传算法及应用

提出一种多目标遗传算法 ,将均匀设计技术应用于适应度函数合成和交叉算子构造 ,以提高遗传算法的空间搜索均匀性、子代质量和运算效率 .分析和实验结果表明 ,该方法可缩短算法运行时间和得到分布较均匀的Pareto有效解集 ;配合基于元件标称值的网表级高效编码方案和考虑基因位差异的遗传概率调整策略 ,可实现模拟电路自动设计 ,通过单次运行即获得对应不同偏好的多种实用化设计结果 .

多目标遗传算法适应度函数权重设置的改进

针对传统方法中权值分配不合理会导致某个目标下非支配解遗失的问题,提出了均值自适应法、均值波动自适应法以及均值调节与传统算式相结合的三种的方法,使遗传算法中权值系数的设置得到了很大程度的改善,一定程度上提高了多目标下遗传算法的优化性能,并通过在车桥厂实例中的应用,取得了良好的效果,证明了此种方法的可行性和有效性。

用于多目标无功优化的自适应遗传算法

引入了自适应权重和因子及自适应罚函数的概念,提出了一种自适应遗传算法,将其应用于多目标无功优化问题的求解中。该算法能保证寻优方向的多向性,并能避免模糊隶属度算法耗时过长的缺陷。在寻优过程中,自适应罚函数法能有效利用不可行解的有用信息,对不可行解进行适度惩罚。IEEE14节点系统的算例结果表明所提出的算法是解决多目标无功优化问题的有效方法。

基于多目标自适应遗传算法的逻辑电路门级进化方法

提出一种改进的遗传算法 ,通过网表级编码、多目标评估和遗传参数自适应等措施 ,可依据多个设计目标 ,以较少的运算量自动生成和优化逻辑电路 在数字乘法器、偶校验器等进化设计实验中 。

基于混合自适应遗传算法的协同多目标攻击空战决策(英文)

研究了多机协同多目标攻击空战决策问题.它是依据空战形势,寻求M架友机对N架敌机的一个适当的攻击分配方案,以实现最优的期望攻击效果.为此,本文首先建立了决策问题的数学模型,接着应用混合自适应遗传算法对其进行求解.在混合自适应遗传算法中,将一种局部搜索方法引入自适应遗传算法以提高其搜索能力.同时,设计了用于满足决策问题的非常规交叉算子.仿真实验结果表明所设计的混合自适应遗传算法比自适应遗传算法能更有效地解决协同多目标攻击空战决策问题.

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。