解空间编码遗传算法在三维布局中的应用

采用改进遗传算法———解空间编码的遗传算法求解带性能约束的复杂三维布局设计问题。算法对三维空间布局问题进行了预处理,直接将问题的求解变量作为染色体基因进行编码,降低了算法的编码和解码难度。在求解过程中,对不同变量类型采用不同的交叉和变异算子进行计算,并且在变异前对复制或交叉所得个体的某些变量随机加一个扰动量,以控制其搜索范围,算法以计算结果满足设计要求为算法终止准则。通过对二维和三维带性能约束布局算例的求解,验证了该算法的可行性和有效性。

解空间编码遗传算法在复杂布局设计中的应用

复杂布局问题是指以提高空间利用率为目标，同时解决相关性能约束（如，飞行器布局对惯性、稳定性、振动、电磁场等的性能约束）的一类布局问题，它具有不确定性、高度非线性、知识不完备性、既需定性计算又需定量分析等特点。对这类布局问题的求解具有相当的难度，使得一些传统的优化算法（比如，数学规划法、图论法等）很难进行求解，近年来普遍采用诸如人工神经网络、遗传算法、模拟退火算法、混合优化策略等智能优化算法进行求解。

改进的实数编码遗传算法在产品布局设计中的应用

为求解复杂结构产品的布局设计问题,对实数编码遗传算法进行了改进,直接将问题的求解变量作为染色体基因进行编码,提出了一种解空间编码遗传算法。在求解问题前,对布局问题进行了预处理。在求解过程中,首先引入模拟退火算法的思想对解进行选择;然后对不同类型变量采用不同的交叉和变异算子进行了处理,并在变异前对个体的连续变量随机加一个扰动量,以控制其搜索范围;最后对求解的中间结果按最优保留策略进行了处理。该算法实现了3维空间布局规划的自动寻优,并求解了2维和3维带性能约束的布局问题,验证了该算法的可行性和有效性。

粗糙集属性约简方法研究

属性约简是粗糙集理论研究的核心内容之一。传统的属性约简研究并未考虑决策信息系统的树形结构,为解决这一问题,本文基于粗糙集理论,首先给出了决策信息系统的树形表示结构,该树形结构以粗糙集理论中的不可分辨关系为基础。基于本文构建的树形表示结构,文中给出了一种判断属性是否可约简的树形结构求解方法。通过理论分析表明,本文提出的树形结构求解方法能够大大减少属性搜索的步骤,压缩属性约简所消耗的时间。因此本文提出的属性约简算法是行之有效的。