Subortho-紧空间的逆极限性质

证明了如下结果:设X=lim←{Xσ,πρσ,Λ},|Λ|=λ,并且每个投射πσ:X→Xσ是开满的,(1)若X是λ-仿紧的并且每个XσSubortho-紧空间,则X是Subortho-紧空间:(2)若X是遗传λ-仿紧的并且每个Xσ是遗传Subortho-紧空间,则X是遗传Subortho-紧空间。

基于响应面法的锁紧钩多目标优化设计

锁紧钩是垃圾压块机自推机构与压缩机构的连接组件,起到重要的锁紧作用。提高锁紧钩的综合强度,对保证整体设备安全运行有着重要意义。论文在Workbench平台对锁紧钩进行静力学分析,得到应力、应变和变形云图。对设计参数进行灵敏度分析,筛选出对目标结果影响程度较大的参数,通过响应面法构建出设计参数与目标结果之间的近似函数关系。建立锁紧钩优化数学模型,使用多目标遗传算法进行优化,得到优化设计的Pareto解集,确定出最佳设计点。结果表明最大应力值下降11.65%,最大变形量下降16.90%,锁紧钩的综合强度得到较大提高。

带式输送机自动张紧装置设计及不同算法下动态特性研究

为有效解决输送机液压张紧装置张紧效率低等问题,通过分析变频张紧装置优点,优化设计带式输送机永磁变频自动张紧装置,主要对张紧装置的机械和电器结构进行了设计,并对比仿真分析基于粒子群和遗传算法的PID控制下的张紧小车在启动、慢速、机尾自移阶段的动态特性响应。结果发现,基于粒子群算法的PID控制达到速度峰值和稳态用时短,且峰值小,说明该算法控制效果好且安全性高。

紧致遗传算法及其在武器目标分配中的应用

介绍了紧致遗传算法的基本原理,并对其进行了改进,通过仿真验证了算法的有效性。针对武器-目标分配(WTA)问题,提出利用紧致遗传算(CGA)法求解该问题,通过验证并与其它方法比较,证明该方法可行。由于紧致遗传算法的编码简单,运行时占用的内存较小,所得到的结果较为稳定并且运行速度较快。

遗传中紧空间与散射分解

本文证明了可数仿紧 (中紧、亚紧 )空间有类似 Junnila的刻画 ,遗传中紧空间不具有类似 Junnila的刻画 ,并给出了每个散射分解有紧有限的开膨胀的充要条件 .

洋葱鳞茎紧实度遗传分析

以 7个品种 (系 )为材料 ,按Griffing(Ⅳ )方法双列杂交配制组合 2 1个 ,对洋葱鳞茎紧实度的杂种优势和遗传参数进行分析估算。试验结果表明 ,鳞茎紧实度大多表现为负向的杂种优势 ,其遗传符合加性—显性模型 ,但显性作用更重要 ,显性方向指向减效 ,由寡基因控制 ,狭义遗传力为 15 %。

基于遗传算法的CVT夹紧力模糊-PID控制优化

针对国产金属带式无级变速器(CVT)夹紧力控制中存在金属带及带轮磨损严重、效率低下等问题,建立了夹紧力模糊-PID控制器模型.考虑到模糊控制存在主观性强、粗糙、不完善等问题,进一步引入遗传算法对模糊-PID控制器的隶属函数和模糊规则同时进行离线优化,最后将优化后的模糊-PID控制器进行实车道路试验,并与优化前的试验结果进行对比.结果表明:优化后的模糊-PID控制器可以使实际夹紧力对目标夹紧力具有更好的跟踪效果及稳态精度,较好地实现了CVT夹紧力的控制目标;另外,基于控制精度的改善,将夹紧力储备系数由1.3降至1.24,有效提高了CVT的经济性.

紧致遗传算法的进化机制分析

为了分析紧致遗传算法的进化机制,首先给出了用于刻划进化概率向量的有关概念;其次研究了增加染色体有效进化的方法,提出了基于进化强度系数的增强紧致遗传算法;同时为进一步研究基于多变量的紧致遗传算法提供了框架。

弱Subortho-紧空间的逆极限性质

证明了如下结果 :设X =lim←{Xρ,πσρ,Λ} ,|Λ|=λ ,并且每个投射πσ:XXσ 是开的 ,到上的 ,若X是定向可缩的 ,并且每个Xσ 是弱Subortho -紧空间 ,则X是弱Subortho -紧空间 ,进一步还可得到遗传 ,弱Subortho -紧性质的类似结果。

一种分级竞争紧致遗传算法的研究

根据随机游动理论,研究了二进制编码的紧致遗传算法中概率向量的进化特性,提出了一种分级竞争模式紧致遗传算法(GCGA),该算法加大参与竞争的两个个体的适应度的差距,目的在于使概率向量有效进化。在数值函数优化问题中进行仿真实验,结果表明,分级竞争模式紧致遗传算法收敛速度更快,全局寻优能力也得到提高。

改进的高选择压力紧致遗传算法

针对紧致遗传算法求解复杂优化问题的局限性,提出一种改进的高选择压力紧致遗传算法。该算法利用概率向量随机产生S(S>2)个个体,并按照适应度值进行排序,然后由最优解与其他解线性组合构成的虚拟解进行相互竞争,从而实现概率向量的更新。对3种不同类型测试函数的仿真结果表明,改进算法比标准紧致遗传算法和高选择压力紧致遗传算法具有更高的优化精度。

遗传σ-meso紧空间

获得了如下结果:(1)对任何空间X,下列各条等价:(ⅰ)X是遗传σ-meso紧的;(ⅱ)X的每个散射分解有一个σ-紧有限的开膨胀;(ⅲ)X的每个单调递减的闭集族{Fα:α<γ}有一个σ-紧有限的开集族V=∪n∈ωVn使得α<γ,X-Fα=∪{V∈V:V∩Fα=Φ};(ⅳ)X的每个单调递增的开集族U={Uα:α<γ}有一个σ-紧有限的开加细V=∪n∈ωVn使得α<γ,Uα=∪{V∈V:VUα};(ⅴ)X的每个单调递增的开覆盖U={Uα:α<γ}有一个σ-紧有限的开加细V=∪n∈ωVn使得α<γ,Uα=∪{V∈V:VUα}.(2)设X是遗传σ-meso紧空间且Y有一个σ-紧有限的基,则X×Y是遗传σ-meso紧的.

基于分级竞争紧致遗传算法的非线性优化

紧致遗传算法中概率向量进化的模型是随机游动模型,据此研究了二进制编码中向量分量的进化特性,提出了分级竞争紧致遗传算法(grading competition compact genetic algorithm,GCCGA),加大参与竞争的两个个体的适应度的差距,使概率向量有效进化.在数值函数中利用GCCGA寻优提高算法在非线性优化问题中的收敛速度和全局寻优的能力.实验结果表明算法是有效的.

改进的紧致遗传算法求解族状旅行商问题

相比经典的标准遗传算法求解旅行商问题,紧致遗传算法对存储的要求较少,但可行解的产生需要花费大量的时间.针对城市节点成族状分布的旅行商问题,在紧致遗传算法中设计"轮盘赌"的个体编码产生方式以避免时间耗费的缺点,并在基于节点聚类分析的基础上设计出符合问题特点的概率矩阵初始化方法和更新方法,以提高算法搜索最优解的准确性和搜索速度.最后通过对公开数据集TSPLib的测试证实设计的改进紧致遗传算法确实能提高问题求解的效率.

弱次亚紧空间和遗传弱次亚紧空间的逆极限

证明了 :若X =lim← {Xσ,πσρ,Λ} ,|Λ|=λ ,并且每个映射πσ:XXσ 是开满射 ,那么若X是λ 仿紧的 ,并且每个Xσ 是正规弱次亚紧空间 ,则X是正规弱次亚紧空间 .进一步还得到了遗传正规的遗传弱次亚紧性的类似结果 .

关于遗传可遮和遗传σ-亚紧可数乘积的注记

证明了在逆序列的情形下,可遮空间、强可遮空间在假设X是可数仿紧空间的条件下可被其极限空间保持,进一步证明了遗传可遮,遗传强可遮及遗传σ-亚紧性在无需对投射及极限空间X做任何假设的情况下即可被其逆极限空间保持.作为上述两个结果的应用,分别给出了两个相关的可数Tychonoff乘积定理.

改进遗传算法对航空紧固件成本优化研究

针对航空产品对紧固件的大量使用所形成的高成本及选用过程效率低的问题,研究了在满足紧固件设计要求的情况下,合理选取紧固件个数与紧固件直径,从而得到最小预估成本的优化方法。为此提出了基于改进遗传算法的紧固件最小成本优化,以35钢六角螺栓为例建立数学模型,在设定相同约束条件与设计参数的情况下分析了图解法、传统遗传算法、改进遗传算法对螺栓最小成本优化过程与结果。对比三种方法得到的螺栓最小成本,得出改进遗传算法优化结果最小,为紧固件的选取与成本估计提高了效率。

遗传σ-ortho紧空间的刻画

回答了关于σ-ortho紧空间遗传性的一个问题,获得了遗传σ-ortho紧空间的等价刻画。主要结论有:X是遗传σ-ortho紧空间当且仅当X的每一个散射分解有一个σ内部保持的开膨胀;设X是拓扑空间,则下列条件等价:(1)X是遗传σ-ortho紧空间;(2)X的每个单调递减的闭集族{Fα:α<γ}有一个σ内部保持的开集族V=∪n∈ωVn使得α<γ,X-Fα=∪{V∈V:V∩Fα=};(3)X的每个单调递增的开集族U={Uα:α<γ}有一个σ内部保持的开加细V=∪n∈ωVn使得α<γ,Uα=∪{V∈V:V Uα}。

基于改进遗传算法的螺栓紧固件最小成本优化设计

运用实数编码策略、联赛选择机制及通过动态调整交叉概率和变异概率引入自适应算子对标准遗传算法进行改进,并用改进后的遗传算法对螺栓紧固件最小成本进行了优化设计,计算结果比较令人满意,为在产品设计中合理地选择和确定零部件提供了一种新的尝试。

新型紧致遗传算法及其性能分析

针对传统紧致遗传算法收敛速度过慢及容易陷入局部极值的情况,对分布估计算法中的紧致遗传算法进行了研究,提出了一种新型的混合紧致遗传算法,系统地阐述了该算法的流程和进化机制。首先设置主种群和辅种群,通过多种群并行进化设置来加速收敛速度,并通过多个概率向量来控制算法的进化过程,当满足一定进化条件后,在主种群内进行免疫接种,以增加优良个体存活的概率。设置主种群和辅种群的自适应模式交流策略,增加种群多样性,避免过早收敛。对提出的算法在收敛性以及收敛速度上进行了理论分析,证明了算法满足收敛条件,能够确保收敛,并给出了算法的收敛时间的估计。最后利用基准函数进行了函数仿真分析,结果充分验证了所提算法的正确性。