一种基于的遣传算法的微波测量分析方法

论述了遗传算法在微波测量分析中的应用,首先简要介绍了应用遗传算法处理微波数据信号.然后在微波电路的分析设计中,设计了一种较好的遗传算法多目标优化方法对电路进行全局优化,使整个系统在电路设计等关键的衡量指标同时达到最优.文章对双波段、六单元接换阵列智能天线运用遗传算法进行优化设计,在900MHz和1900MHz两个频段上-10dB带宽分别达到和,天线辐射方向上的最大增益为,最小增益为,并且得到了天线阵列中每个变量的灵敏度分析.通过与文献的比较,结果证明遗传算法的应用可以显著的提高天线的性能.

遗传算法在机械优化设计中的应用

针对遗传算法的特点对其进行了改进，在种群初始化中提出引用Ｈａｍｍｉｎｇ距离作为控制依据，在判断终止条件时提出了局部最优徘徊策略，使得改进后的ＧＡ在解决有约束非线性问题表现出良好的速度和有效性。

应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。

基于遗传算法的计算机通信网优化设计

计算机通信网中将路由选择和链路容量分配综合起来考虑时的优化设计模型（ＣＦＡ）是一个复杂的非线性０－１规划，若采用传统的数学方法求解，无法快速有效地求得工程满意解。文中以遗传算法的基本思想为基础，设计了一个与传统方法完全不同的遗传寻优算法。对计算机通信网优化设计实例的计算表明，该算法能够迅速求出ＣＦＡ问题的全局近似最优解，并且解的精确度很高，能够满足工程设计中的要求。

遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。

关于神经网络和遗传算法的研究进展

简要回顾了南京邮电学院几年来在神经网络、Ｈｏｐｆｉｅｌｄ模型神经网络、细胞神经网络模型和遗传算法等方面的研究工作所取得的进展。

基于遗传算法的提梁机主梁优化设计

以450t偏轨提梁机的主梁为优化对象,以主梁自重为目标函数,采用遗传算法对其进行结构优化,得到提梁机主梁参数的最优解。用有限元分析软件对优化后的提梁机结构进行强度、刚度及稳定性的验证,结果表明:在满足结构设计的前提下,主梁结构自重减少了11.8%,优化效果明显。

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的物流配送路径优化问题数学模型的基础上,构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退火算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。

基于分布式Agent联盟的机器学习机制

提出了一种基于分布式Agent的机器学习模型。用Agent来构成机器学习的各组成部分,并由采用不同学习方法的Agent构成学习模块。为实现分布式Agent的协作学习机制,采用Agent联盟作为协作体系结构。将一种改进的遗传算法用于Agent联盟以实现分布式Agent的协作,该遗传算法控制参数动态地变化,采用粗粒度型的并行方式,一传多的交换个体方式和完全网络拓扑迁移模型。系统具有良好的性能。