协同进化遗传算法在传感器优化配置中的应用

动态测试中,为了获得精确的试验模态参数,需将传感器配置在最优的位置。以模态置信度矩阵非对角元的最大值最小化为优化准则,针对GARTEUR飞机模型,基于协同进化遗传算法,对传感器的配置进行了优化,其结果优于Guyan法、EI法和基于QR分解的逐步累积法。

求解车辆路径问题的一种遗传算法

车辆路径问题(VRP)是一个典型的NP-hard问题,采用传统方法求解往往找不到满意解。在分析现有求解该问题的遗传算法的基础上,对现有的交叉算子进行了改进,并设计了基于自然数编码的遗传算法,用来求解一般的和有时间窗限制的车辆路径问题。采用文献中的实例进行了数值试验,试验结果表明该算法是有效的。

改进离散人工蜂群算法规划异形满版服饰图案切割路径

服饰图案切割路径规划是服饰图案自动切割技术的关键部分之一。文中用改进的离散人工蜂群算法实现了激光切割系统对异形满版服饰图案的切割工艺路径规划优化。首先,把满版服饰图案激光切割路径规划转化为广义旅行商问题求解,证明了路径规划转化成普通TSP问题比转化成第一类广义TSP问题更为有效,并给出了路径规划中"图案始切割点"的优化选择方法。然后结合部分匹配交叉和启发式变异搜索方法的人工蜂群算法求解TSP问题,证明了与A*算法及遗传算法相比,该方法更为优越。并且该方法已应用于激光切割机切割异形满版服饰图案路径规划的生产实践,运行可靠,比未规划时的工艺路线平均提高效率33.7%。该方法提供了一种解决TSP问题的新方法,具有一定的理论意义和价值。

智能导游系统最短路径的遗传算法实现

为了解决游客出行时选取最短旅行线路的困扰,在智能导游系统中加入了路径分析的功能。将遗传算法应用于最短路径分析中,通过获取不同景点的ID号以及地理位置找到一条通过每个景点且只通过一次的最短旅行路线,通过仿真,其结果达到了预期的目标。

用于求解TSP问题的遗传算法比较研究

针对基本遗传算法收敛速度慢、易早熟的现象,提出了基于贪心交叉算子的改进型遗传算法,利用贪心思想引导交叉操作,加快寻优速度。利用新算法进行了30城规模的TSP问题求解,并且与基于部分匹配交叉算子和顺序交叉算子的遗传算法进行了比较研究。通过在不同种群大小、迭代次数、交叉及变异概率、代沟等参数设置下对三种算子的性能影响进行深入分析。结果表明:基于贪心交叉算子的改进型遗传算法具有收敛速度快、寻优效率高的特点。

基于改进遗传算法的三层框架结构传感器优化布置分析

本文研究的重点是基于改进遗传算法的三层框架结构传感器优化布置,运用二重结构编码进行种群的交叉、选择及变异,在操作期间分别采用的是部分匹配交叉、最优保存策略、逆位变异。总的来说,这种基于改进遗传算法的传感器优化布置方法能够得到最优解,且传统遗传算法所存在的收敛速度慢、数据冗长等问题都可以得到很好的解决。最后通过一个三层框架结构的实例分析,利用ANSYS建立有限元计算模型,可反映出该方法在可靠性、计算效率、搜索能力方面有着明显优势。