遗传规划算法的C++实现及在机器人自适应行为演化中的应用

作为遗传算法的一个分支,遗传规划算法(Genetic Programming)由于和计算机程序的直接紧密结合,可以用来实现问题求解程序的优化设计和代码自动生成,被越来越被研究者所重视并应用于许多领域。但由于软硬件配置环境的限制,较难在PC机上用传统的LISP语言来实现算法,有必要采用一种通用的高级语言来实现算法。本文选用C++语言,用二叉树的树型结构和节点结构来表示GP个体和个体的节点,实现了GP算法,给出的算法实现的具体步骤。结合自主移动机器人沿墙走行为的设计,给出了本文算法在机器人适应性行为设计中的具体应用实例。

基于遗传规划算法的Lorenz序列多步预测方法研究

Lorenz序列是由Lorenz系统产生的一组离散的时间序列,在Lorenz序列混沌特性的基础上提出了一种基于改进的GP算法的Lorenz序列预测方法.针对Lorenz序列预测模型求解,在GP算法中引入多种群及爬山算法,建立了Lorenz序列预测模型,在此基础上通过粒子群优化算法对预测模型参数进行优化,通过优化后的预测模型对Lorenz序列进行预测.最后通过实验对预测模型进行评价,结果表明,利用本文提出的方法获得的预测模型能有效的对Lorenz序列进行预测.

基于遗传规划算法的不同应力比下不同厚度7050铝合金疲劳裂纹扩展寿命预测

针对不同厚度7050铝合金试样进行了不同应力比条件下的一系列疲劳裂纹扩展试验,并运用遗传规划算法对疲劳裂纹扩展寿命进行预测。遗传规划算法是模拟自然界中生物的进化策略,通过交换、突变等遗传操作,搜索目标的最优解。建立7050铝合金疲劳裂纹扩展速率的遗传规划模型,并利用试验数据对模型进行测试,后与其他典型疲劳裂纹扩展模型进行比较。研究结果表明:GP模型预测的7050铝合金疲劳裂纹扩展寿命结果与试验值基本吻合,相对误差小于1.5%,且GP模型预测结果的准确性高于Paris模型和Walker模型。

基于遗传算法-序列二次规划的磁共振被动匀场优化方法

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GASQP)算法,以提高7 T磁共振的主磁场均匀性.从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性.采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布.在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462×10-6优化到4.5×10-6,并且在匀场空间上仅消耗0.8 kg的铁片.相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%.实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

采用融合遗传算法的高速公路服务区综合能源系统优化调度研究

为达成“碳中和”目标愿景、促进公路交通系统与新能源的融合,以高速公路服务区为研究对象,考虑服务区内电、冷、热、气共4种负荷需求,构建了包含风光发电的新能源发电方式和电转气设备的高速公路服务区综合能源系统。在此基础上,以风电、光伏出力日前预测和多能负荷日前消耗为输入,各能源设备出力及购能分配为输出,以总成本最低为目标函数,考虑能量平衡、设备安全、运行状态等约束,建立了高速公路服务区综合能源系统优化调度模型。针对高速公路服务区综合能源系统调度问题,设计了遗传-序列二次规划融合优化算法,并以某服务区夏季典型日为例进行验证。结果表明:所构建的调度系统能够有效消纳可再生能源出力,协调外部购电、购气的比例,最终达到降低成本的效果;所提融合算法的调度结果与传统遗传算法、传统序列二次规划算法相比,在成本上分别降低了11.52%、0.70%,求解耗时仅为传统遗传算法的6.7%,独立性相比传统序列二次规划算法得到了提高。

基于非线性规划遗传算法的混合动力拖拉机控制策略

针对串联式混合动力拖拉机的特点,建立了整车动力学模型,设计了恒温器式控制策略、恒温器式+制动能量回收控制策略.为进一步提高串联式混合动力拖拉机的整车燃油经济性,采用非线性规划遗传算法(NLPGA)优化恒温器式控制策略关键参数.通过AVL-Cruise与Matlab/Simulink联合仿真,结果表明:3种策略均可有效地维持电池荷电状态在指定范围内.在犁耕工况下,基于NLPGA优化的能量管理策略的燃油消耗率比恒温器式降低了29.25%,比恒温器+制动能量回收式降低了9.35%;累计燃油消耗量分别比两者降低了31.50%和1.74%;电池荷电状态SOC比两者分别提高8%和6%.

求解水库优化调度问题的动态规划-遗传算法

综合动态规划和遗传算法的优点,基于贝尔曼最优化原理将水库优化调度按阶段划分为若干多目标决策子问题,各子问题采用混合编码的多目标遗传算法求解,从而提出了一种求解水库优化调度问题的动态规划-遗传算法.该算法不仅在时间上通过划分阶段降维,而且采用遗传算法克服离散状态空间组合所产生的维数灾问题.从理论上论证了动态规划-遗传算法的全局收敛性,分析得出该算法的效率一般高于遗传算法;并经数值试验表明:在计算时段数较多时,动态规划-遗传算法显著优于遗传算法.因此,提出的动态规划-遗传算法为求解水库优化调度问题提供了新的思路与途径.

序列二次规划-遗传算法及其在变压器局部放电超声定位中的应用

针对基本遗传算法(genetic algorithm,GA)局部寻优能力较差和易出现早熟收敛现象,提出了一种改进的遗传算法,即序列二次规划-遗传算法(sequential quadratic programminggenetic algorithm,SQP-GA)。该混合优化算法SQP-GA在基本GA中引入序列二次规划(sequential quadratic programming,SQP)算法,经典算法SQP作为一个元算子有效地提高了基本GA的局部搜索能力,并克服了早熟收敛现象。函数仿真测试结果表明,SQP-GA混合优化算法在收敛速度和寻优精度上都优于基本GA,表明所提出的算法的有效性。同时,利用提出的SQP-GA求解变压器局部放电超声波定位问题,并将其定位结果与GA和非智能算法的定位结果进行比较;算例结果表明,基于SQP-GA的变压器局部放电超声定位法能有效地防止结果陷入局部最优,该方法的定位效果理想。

基于整数规划下遗传算法的P码直接捕获算法优化

P码直接捕获算法包含诸如平均点数、相干积累时间、非相干积累次数、频率步进量、唐检参数及快速傅里叶变换(FFT)运算单元数等10多个参数.当在算法检测概率、虚警概率和捕获时间满足要求的约束下,对算法消耗的多种资源进行优化时,具有多约束、多变量、非线性和整数取值等难点.为解决如此复杂的参数优化问题,提出一种整数规划下遗传算法应用于P码直接捕获算法.该方法借鉴遗传算法的思想,并考虑P码直接捕获算法参数的整数取值要求,适合各种条件下的算法参数优化.数值分析结果表明,该方法获得了最优的参数值,有助于实际应用.

基于非线性规划遗传算法的汽车动力传动系统参数优化研究

研究了兼顾动力性和燃油经济性的汽车动力传动系统优化数学模型,以改善燃油经济性和整车动力性为目标,采用非线性规划遗传算法对某款轿车的动力传动系统参数进行优化研究并进行了仿真试验验证.结果表明:优化后原地起步加速时间降低了3.96%,整车多工况百公里油耗降低了8.23%.表明运用非线性规划遗传算法进行动力传动系统参数优化是可行的.

基于非线性规划协同进化遗传算法的防空导弹火力优化分配研究

为了进一步提高防空导弹目标分配问题的求解效率和解算能力,建立了防空导弹目标火力分配模型,提出了一种非线性规划协同进化遗传算法(NLPCGA)。该算法是综合非线性规划算法(NLPA)局部搜索能力强和协同进化算法(CA)求解质量高的优点,并利用遗传理论提高算法的求解效率。通过结合实例,仿真结果表明NLPCGA算法在求解防空目标火力分配问题上要优于单独两种智能算法,可以有效快速地找到最优火力分配方案,为防空作战指挥决策提供支持。

基于遗传算法的医药配送路径规划

在物流配送业务中,存在许多优化决策的问题,该文只讨论物流配送路线规划问题。该文主要以医药物流配送为研究对象,将现实的地理网络抽象为便于计算机实现的抽象的点线网络。论文中选择了基于遗传算法作为该网络模型的分析算法的基础,并对配送线路进行了规划。

基于非线性规划遗传算法的外网静态等值参数估计

针对电力系统外部网络信息未知的情况,为了对研究网络进行系统分析,提出一种基于非线性规划遗传算法的外网静态等值参数估计方法,来建立外网等值模型。首先,采用典型的双端口和三端口外网等值模型,通过边界节点的功率方程推导出等值参数的最小二乘估计模型;然后,结合非线性规划方法与遗传算法,提出一种组合智能优化算法;最后,运用非线性规划遗传组合算法进行外网静态等值参数的估计。提出的优化算法,不需要设定初值,能够更好地得到符合物理解释的全局最优解。以双端口和三端口等值为例,通过IEEE 14节点系统的仿真分析,并对比等值前后研究系统的潮流分布,验证所提方法的正确性和通用性。

基于进化算法和模糊控制的机器人路径规划

机器人局部路径规划是路径规划问题的典型应用,局部路径规划是在环境信息未知的情况下,依靠传感器采集环境信息。提出一种进化算法和模糊控制算法相结合的智能路径规划策略,首先通过机器人上的图像传感器得到相应环境信息,然后采用遗传规划算法(GP)对移动机器人的环境信息进行识别和分类,得到全局最优解。分类结果有助于区分障碍物和目标,进一步利用模糊推理将障碍物和目标的未知信息模糊化并建立模糊规则库,建立的模糊规则库大大缩小。最后,通过解模糊产生驱动命令,移动机器人在驱动命令指挥下选择最优路径到达指定地点。仿真结果表明,提出的智能路径规划策略可以使移动机器人对未知环境信息的分类更加准确,识别更加高效。通过将遗传规划分类算法与蚁群算法(ACO)的收敛特性进行比较,以及与蚁群算法和模糊控制方法的最优搜索路径相比较,结果表明提出的算法具有较高的运算效率和可靠性。

基于超启发式遗传规划的动态车间调度方法

动态作业车间存在资源状态的不确定性和任务的随机性,难以寻找适用于多种复杂生产情景的通用调度规则。提出一种基于超启发式遗传规划的动态车间调度规则自动化发现方法,以最大完工时间和平均加权迟到时间为优化目标,利用机器排序规则的自动化发现,来提高不同生产情景下车间调度的动态适应性。通过对演化调度规则的语义分析,分析了GP树终端属性对不同优化目标的作用。实验结果表明,所提算法能够针对不同生产场景,生成适合的调度规则,且性能优于人工设计的基准调度规则。

三角迷宫式侧堰的水力特性研究

迷宫式侧堰具有较大的泄流能力,广泛应用于流量控制、农田灌溉和排水系统.为研究三角迷宫式侧堰的复杂水力特性、泄流规律及泄流影响因素,本研究首先基于FLOW-3D软件和RNG k-ε湍流模型,对侧堰的15种工况进行数值模拟计算,获得侧堰水面流态、流速分布等水力特性.同时,通过白金汉π定理推出影响迷宫式侧堰流量系数的无量纲参数,探究流量系数C_(d)与无量纲参数之间的变化规律,利用人工智能遗传规划(Genetic Programming,GP)算法拟合出流量系数计算公式.结果表明:主渠道内水流为缓流,堰顶角θ较小时,二次流使得水面流态变化,流速在靠近侧堰时发生急剧变化,堰内产生回流.随着θ的增大,堰顶上方水舌从对称分布变为偏右侧下泄,堰内回流现象消失;C_d随上游弗劳德数Fr和溢流前沿与堰顶水深之比l/h_(1)的增加而减小,随堰高与堰上水头之比p/h_(1)的增加而增加,θ越大,C_(d)变化趋势越大;流量系数预测公式在测试阶段的决定系数R^(2)=0.913,均方根误差RMSE=0.045,流量系数预测值与试验值的散点图拟合效果良好,数据点分布均匀且关于拟合线对称,表明GP模型得出的结果较为准确,满足灌区量水精度要求.该研究成果可为迷宫式侧堰在实际工程中的应用提供理论依据和技术支撑.

基于GA—NOA优化算法的侧铣刀轴轨迹规划

针对非可展直纹面的圆柱刀侧铣加工,提出了一种基于遗传算法(GA)和非线性规划(NOA)混合算法的优化方法。首先,采用两点偏置法确定初始刀轴矢量,在此基础上,引入了单刀位下的误差度量函数,即刀轴上各点到非可展直纹面的距离与对应各点到圆柱面的距离差值的平方和最小来实现单刀位的优化结果。进而对整体刀位优化问题,提出了基于遗传算法和非线性规划混合算法进行整体刀位。仿真计算结果表明,该方法在单刀位下的优化过程简单,结果精度高,优化后位姿集合形成的刀具包络误差小,对非可展直纹面侧铣加工有一定的实际意义。

时态规划中基于CSP技术的时态约束方法

在规划图框架下,定义了动作图,并进一步扩展为时态动作图,使之能体现处理具有时间资源约束的时态规划问题中的时态信息.在此基础上,提出一种对时态信息进行表示与管理并且能够进行时态约束推理的时态一致性赋值方法,利用约束可满足问题(CSP)技术对时序约束进行表示和处理,包括过滤、约减及时态信息的一致性检验,使时态推理技术能更好地应用于时态规划的求解过程中.最后,给出一个基于时态规划图的遗传规划算法GP-td,通过对国际智能规划大赛提供的Satellite规划领域问题进行实验.结果表明:该方法能够有效地提高大规模时态规划问题的求解效率和求解成功率.

基于GP-PS的分布式加工与装配多级车间调度规则自动设计方法

分布式加工与装配多级制造系统由多个用于加工零件的作业车间和用于装配产品的一般流水车间组成。动态到达的订单涉及多层产品结构,零件需齐备之后才可装配。该类多级车间的管控涉及订单分配、加工和装配任务调度联合决策问题,其关键在于实现两级生产的精准化协同目的。针对分布式加工与装配多级车间调度问题,提出了一种基于GP-PS的分布式加工与装配多级车间调度规则自动设计方法。首先,以最小化订单拖期率为目标,建立了订单分配、加工和装配任务调度联合决策的数学模型;然后,提出了一种改进型遗传规划算法,用以集成进化多级调度规则,设计了一类种群优化机制来避免算法陷入局部收敛,同时嵌入了并行仿真技术,有效减少了训练时间;最后,进行了仿真实验,对改进型遗传算法的性能进行了验证。研究结果表明:人工规则组、标准遗传规划算法及改进型遗传算法得到的订单拖期率分别为6.44%、5.65%、2.67%。基于并行仿真优化的改进型GP算法较数十个优选的人工规则组及标准GP算法生成的最优规则组,能取得更明显的综合性能优势。使用该算法针对DPAMW调度问题自动设计一体化调度的多级规则是可行的、有效的。

基于数字电路进化设计算法研究

本文研究了基于遗传规划的适应度评价笛卡尔扩展(CGP)算法,通过分析传统的电路在输出位随机选择机制来适应候选电路的影响程度,使最佳使用全局搜索模式决定电路输出节点输出位,完成适应度评价扩展,确保每一代的进化可以找到最优解并被发现。