基于GA-SA的多点封控行动中的兵力分配研究

封控是武警部队遂行多样性任务中经常采用的一种重要军事行动,关系到多样化任务遂行的成败。为进一步提高武警部队在多点封控行动中的兵力分配的精确性和科学性,文中基于武警部队驻地分散实际,考虑各封控小组对各封控点成功率不同及到各封控点的距离不相等等因素,以实现各封控点成功率最大化和以小组开进的路程和最短为目标,建立了多点封控行动中的兵力分配模型。依据问题特点进行了遗传算法编码和适应度函数设计,将遗传算法(Genetic Algorithm, GA)和模拟退火算法(Simulated Annealing, SA)相结合,提出了一种GA-SA算法,实验仿真结果验证了算法的有效性及较遗传算法和模拟退火算法的优越性。

基于GA-SA算法的机器人几何参数误差辨识

几何参数误差对机器人末端绝对定位精度影响最大,而几何误差参数辨识是一个高维非线性问题,求解困难,所以建立一种简单高效的辨识算法是有必要的,本文提出了遗传模拟退火算法(GA-SA)对机器人几何参数误差辨识。以机器人末端位姿误差最小为目标,采用遗传模拟退火算法辨识机器人几何参数误差,以ABB IRB120为算例迭代1100次,遗传算法在200代陷入局部最优,模拟退火参与后最终适应度为0.0914。误差补偿结果表明:机器人末端位置误差沿X,Y,Z轴方向分别降低了88.05%,81.73%,83.72%,姿态误差分别降低了93.92%,83.64%,83.44%,证明遗传模拟退火算法可以有效辨识机器人几何参数误差,提高误差补偿后的机器人末端位姿精度。

基于GA-SA的混合U型装配线平衡

在JIT生产系统中 ,混合U型装配线是一种能够满足市场多样化需求的柔性系统 ,文章综合考虑作业元素的分配和产品的投产排序两个因素 ,建立了混合U型装配线的平衡模型 ,给出了人工智能算法的平衡方法 。

一种基于GA-SA-TS算法的车间调度方法的研究

运用现代优化算法来解决车间调度这类NP完全问题是现在普遍使用的方法。本文将模拟退火算法和禁忌搜索算法的思想与遗传算法相结合,改善了传统遗传算法中单一的交叉和变异机制,提出了模拟退火-交叉机制和禁忌搜索-变异机制,最终形成了一种适用于解决车间调度方面问题的GA-SA-TS混合遗传算法。三种算法取长补短,避免了遗传算法局部搜索能力差和易早熟的缺点。同时运用GA-SA-TS算法,针对实际车间调度问题进行了仿真。通过该仿真结果可以看出,GA-SA-TS混合遗传算法对于解决车间调度问题是可行的,且在解的质量方面有所提高。

基于GA-SA的重力坝断面优化设计及MATLAB实现

分析了重力坝断面优化设计时设计变量的选取、目标函数的确定及约束条件的设置。针对遗传算法(GA)和模拟退火算法(SA)的特点,将2种算法结合起来,用于重力坝断面的优化设计。探讨了GA-SA混合算法的优化步骤及其MATLAB的实现。

基于深度学习的GRU-GA-SA冷水机组故障诊断模型研究

空调系统能耗占建筑总能耗的50%左右,而冷水机组作为空调系统能耗最大的单体设备,故障状态运行将导致额外能源损耗,影响系统的经济效益和安全性。针对现有故障诊断方法依赖专家经验多、对混合故障诊断效果不好、对不同类型故障诊断能力不均衡等不足,结合冷水机组机构复杂、部件关联性强的结构特点和非高斯性、强耦合的数据特性,基于门控循环单元(GRU)和自注意力机制(SA)的融合深度学习算法,引入遗传算法(GA)进行特征选择,建立了冷水机组故障诊断融合模型GRU-GA-SA。采用ASHRAE研究项目RP-1043数据集对7种典型故障混合样本进行测试,相较于其他方法,GRU-GA-SA模型故障诊断精度达到92.7%,对混合样本中单一故障的识别更加均衡。此外原始数据特征数量由64维减少至30维,在保证模型诊断性能的同时,降低了模型运算时间和采集所需传感器数量,使模型更加贴近实际工况,提升了方法的实用性。

基于自适应GA-SA算法串联机械臂轨迹运行时间优化

针对串联机械臂工作时间最优化设计,优化算法引入自适应方法与随机邻域拓展机制,提出一种自适应遗传模拟退火(GA-SA)算法。文中选取PUMA762串联机械臂为验证对象,建立D-H参数表,依据MATLAB工具箱构建结构模型,在运动学正解模型基础上,采用蒙特卡洛法分析工作空间。以运行时间为目标设计目标函数h t,合理设置约束条件后,采用3-5-3次多项式插值法构造高阶连续关节运行轨迹,通过自适应GA-SA算法进行优化设计,结合ADAMS绘制虚拟样机模型进行仿真,优化机械臂轨迹运行时间为3.68 s,验证了算法的有效性,为后续研究奠定基础。

新常态下能源间替代弹性预测——基于GA-SA方法

能源结构调整的可行性取决于生产投入要素中能源间的可替代性。本文运用超越对数生产函数,采用GA-SA法(遗传算法-模拟退火法)对1995-2013年生产过程中的七大投入要素(煤炭、石油、天然气、非化石能源、资本、劳动力和技术)数据进行了分析优化,测算了能源要素间的替代弹性;设置了基准情景和新常态情景,再次运用GA-SA方法预测并分析了2014-2050年能源间的替代弹性。结果表明:运用GA-SA法模拟所得lnGDP的平均绝对误差为0.0015,表明运用GA-SA法精确度高;通过情景模拟,发现新常态情景下,非化石能源对煤炭、石油的替代弹性较大,天然气对煤炭和石油的替代弹性次之,说明非化石能源替代化石能源的可能性最强,化石能源间替代的可能性较弱,与1995-2013年所得数据比较,我国需在非化石能源替代石油、天然气替代煤炭和石油方面加大投资和研发力度。

GA-SA模型预测中国能源需求

为预测中国能源需求,本文提出了一种新的遗传算法(genetic algorithm)和模拟退火法(simulated annealing)混合方法,称为GA-SA,该方法能利用各自的优势,克服彼此之间的弱点.分析了GDP、人口、固定资产投资、能源效率、能源消费结构及居民生活水平六个主要能源影响因子后,使用1981至2012共32年间各因子及能源消费的观察数据,运用GA-SA方法优化非线性二次能源评估方程,得出了该方程的权重系数.结果显示,提出的方法和选取的能源因子构建的GA-SA模型预测的能源值与观察数据值及其接近,并与其它模型进行了比较,准确性上提高了至少两个数量级.运用提出的GA-SA模型预测了中国在2015和2020年时两种不同情景下的能源需求量,并提出了一些政策性建议.

基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究

为提升煤层瓦斯含量预测精度,提出一种采用遗传模拟退火算法混合优化支持向量机(SVM)参数的瓦斯含量预测模型(GRA-GASA-SVM模型)。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数,以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析(GRA)压缩数据集维度,建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明:SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型,GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。

基于改进离散模拟退火遗传算法的雷达网协同干扰资源分配模型

针对分布式干扰机掩护目标突防雷达网背景下的干扰资源分配问题,提出了一种引入随机密钥的改进离散模拟退火遗传算法(improved discrete simulated annealing genetic algorithm,IDSA-GA)对资源分配过程进行优化。基于雷达网融合检测概率构建干扰效果评估函数,利用IDSA-GA对函数寻优求解。IDSA-GA在模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)的基础上引入随机密钥,完成算法的离散化;并在迭代的过程中增加记忆功能,克服了过早收敛的现象。仿真结果表明,与GA相比,提出的IDSA-GA收敛迅速,寻优能力强,能有效解决干扰资源优化分配问题。

基于光谱的天然气组分定量分析方法研究

对构成组分多、相对浓度差大、化学键相似的混合光谱进行定量分析时,存在各组分光谱谱峰交错重叠严重、高浓度占比组分光谱大量掩盖低浓度占比组分光谱等现象,导致单一组分光谱难以从混合光谱中有效分离解析。针对以上问题,该文以天然气红外光谱作为实验对象,提出一种光谱叠加性原理结合GA-SA算法的定量分析方法对天然气光谱进行解析。算法在全局搜索的基础上结合局部邻域寻优,并通过参数及流程优化,可以有效克服混合光谱求解过程中微量组分光谱寻优性差、易陷入局部极值、不具有重复性等缺点。通过对比实验证明该方法相较于其他光谱分析方法,用于天然气光谱定量分析具备更好的稳定性与重复性,预测光谱与真实光谱相关系数R2大于0.98823。

混合二元酸结晶分离技术研究进展

混合二元酸(DBA)中戊二酸(GA)、丁二酸(SA)、己二酸(ADA)均具有较高的市场价格和应用价值,对DBA进行分离提纯可获得高额附加值。介绍了DBA的分离方法,系统对比了DBA结晶分离GA、SA技术中,水、混合芳烃、正丁醇等溶剂体系的特点及该体系下操作控制参数、结晶方式等技术研究进展,提出了技术改进方向,为DBA的资源化、高附加值利用提供了参考。

基于GASA-BP-BiLSTM的轴承故障预测研究

基于BP神经网络收敛速度慢,在预测时易陷入局部极小值陷阱的问题,提出一种基于GASA-BP的预测方法,GA和SA协同优化BP神经网络,使得GASA-BP预测模型同时具备较强的全局搜索能力和跳出局部最优解的能力。BiLSTM是LSTM的一种特殊形式,BiLSTM充分考虑了时间序列数据前后节点之间的相关性,有效提取信号中的时间特征,具有更优秀的分类能力。基于此,提出一种基于GASA-BP-BiLSTM的故障预测模型,并应用于轴承的故障预测中,该模型不仅能够预测出轴承中是否存在故障,还能检测出潜在的故障类型,兼具了预测和故障诊断的优点。

基于加权正则化极限学习机与改进梯度投影法的谐波源定位

针对配电网谐波源分布稀疏、监测装置少及定位难度高等特点,提出了采用基于加权正则化极限学习机与改进梯度投影法相结合的方法进行谐波源定位。具体的做法是,先构建系统量测节点的优化配置模型,采用模拟退火遗传算法进行求解,然后利用从监测节点获取的量测数据构建基于加权正则化极限学习机的谐波源定位模型,确定含有谐波源的嫌疑节点,实现谐波源的定性分析,最后再采用改进梯度投影法求取嫌疑节点的谐波电流,完成谐波源的定量分析。仿真结果表明:采用加权正则化极限学习机与改进梯度投影法相结合的谐波源定位方法具有定位精度高、速度快的优点,有一定的推广价值。

GA和SA互作对黄花蒿生长及青蒿素合成的影响

以青蒿素为基础的联合疗法是当今治疗疟疾的最有效、最重要的手段.近年来随着研究的深入,青蒿素越来越多的药理作用,如抗肿瘤、抗糖尿病等被发现和应用研究,因此青蒿素市场需求量极大.本课题旨在研究水杨酸(salicylic acid,SA)、赤霉素(gibberellic acid,GA)、水杨酸与赤霉素互作(SA+GA)对黄花蒿(Artemisia annua L.)植株的生长和青蒿素质量比的影响.研究表明,SA诱导会显著降低黄花蒿植株的农艺性状、生理生化指标以及青蒿素合成关键酶基因的表达水平,并降低青蒿素质量比.GA处理会显著增高黄花蒿植株的大部分农艺性状、生理生化指标,以及青蒿素合成相关基因的表达量,促进青蒿素生物合成;而SA+GA处理会产生拮抗作用,影响黄花蒿的农艺性状、生理生化指标,以及青蒿素合成相关基因的表达量,从而影响青蒿素的生物合成.

新常态下陕西省煤炭消费量预测及政策建议

为预测陕西省未来煤炭消费量,筛选影响陕西省煤炭消费量的因素,使用1995—2012年间各因素及能源消费量数据,采用遗传算法和模拟退火法混合(GA—SA)方法优化二次能源评估模型,设置基准和新常态两种情景,得出不同情景下陕西省煤炭资源的消费量并提出政策建议。结果显示,在新常态情景下,到2020年,陕西省煤炭消费量为11318.40万t标准煤;到2030年,陕西省煤炭消费量为11984.91万t标准煤;到2050年陕西省煤炭消费量为14249.45万t标准煤。

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明:采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。

VHF宽带小型化套筒天线的优化设计

研究了VHF宽带小型化套筒天线的设计与制作。采用遗传算法与模拟退火法相结合的优化方法 ,对套筒天线的结构参数以及宽带匹配网络的元件值进行一体化设计。分别采用外插收敛法、[Z]矩阵插值法以及小波变换法来提高矩量法分析计算天线的速度。

混合GA与SA求解非线性约束优化

在非线性约束优化中,处理好约束条件和增强局部搜索能力是解决这类问题的关键.本文在给出问题一般形式的基础上,设计了一个模拟退火和遗传算法结合的算法.它用模拟退火算法来增强局部搜索能力,用线性交叉来处理约束以外的解,将可行解与不可行解用适应值的正负来区分.仿真试验表明,该算法收敛速度快、搜索能力强、稳健性好,本方法是对应用遗传算法求解非线性约束优化问题的又一次深入探索.