基于GAAA算法的螺旋钻采煤机输送机构参数的优化

为改善螺旋钻采煤机的输送性能,提高其输送效率,以螺旋输送机构的内径、螺距、螺旋升角、中心杆的强度以及转速为设计变量,选择输送机构的输煤生产率最大和能耗最低作为优化目标,采用遗传算法和蚂蚁算法的混合算法(GAAA算法)对螺旋输送机构进行参数优化。优化结果表明,在输送机构外径和螺旋叶片厚度保持不变的情况下,在保证结构强度与刚度要求和不发生堵塞等条件下,螺旋钻采煤机的输煤生产率提高了23.17%,输送效率提高了12.93%。

基于改进GAAA算法的连采机外喷雾降尘参数优化

为提高连续采煤机外喷雾装置的降尘效率,改进安全技术和工作面环境,以雾化压力、喷雾有效作用区长度、喷雾扩散角、喷嘴直径、相邻喷雾截面圆重叠参数为设计变量,建立了降尘效率最大的目标函数,运用改进遗传算法和蚂蚁算法的混合算法(GAAA算法)对2~8μm不同粒径粉尘的降尘效率进行整体参数优化,并对降尘效果进行了分析和模拟验证。研究表明,随粉尘粒径增加,平均降尘效率先增大后减小,耗水量逐渐增大,最优降尘参数组可使平均降尘效率达90.9%,提高了7.5%,耗水量减少了6.0%,其对煤矿井下安全事故的预防有重要意义。

改进GAAA算法在多目标电网规划中的应用

针对多目标电网规划中多维变量问题,该文采用GAAA算法对多目标电网规划的应用进行建模。建立了能够描述电网经济性、可靠性、N-1静态安全的多维动态规划模型。为改善GAAA算法的性能,对该算法分别进行了种群初始化、信息素更新精英策略、变量离散化和越界处理等措施的改进,提高了GAAA算法的收敛性和寻优效率。试验中,通过对一个46节点系统进行测试,该计算结果证明了改进的GAAA算法能有效地解决电网规划含离散性变量的多维组合优化问题。

基于GAAA算法的DSP控制系统对立体车库车位调度的研究

立体车库车位调度问题作为一个复杂的优化问题,愈来愈引起相关研究人员对它的研究。通过对立体车库车位调度问题的研究,首次提出了采用融合了遗传算法和蚁群算法的GAAA算法来搜索立体车库存取车的最短路径,很好的弥补了遗传算法和蚁群算法各自的缺点。并且提出采用DSP控制系统代替传统PLC实现GAAA算法对立体车库车位调度的控制。这种立体车库车位调度控制方式的提出,使立体车库车位调度向自动化、智能化又前进了一步。

基于改进GAAA算法的PID参数优化

针对PID参数优化问题,对蚁群算法进行改进,并与遗传算法相结合,提出了改进的GAAA算法;该算法先利用遗传算法获得初始信息,然后运行改进的蚁群算法,大大加快了蚁群算法的速度;对PID控制的参数优化与仿真结果表明,该优化方法无论在时间性能和优化性能上都取得了较好的效果。

基于GAAA算法的深海集矿车的最优路径规划

针对提高深海集矿车的集矿效率,实现最优路径规划的目标,建立了从起始点到达目的点时,集矿机所需时间最短、耗能最少的多目标优化问题的模型,并通过对子目标加权将多目标优化问题转换成单目标优化;在蚁群算法的基础上,采用了将遗传算法与蚁群算法相融合的算法,即GAAA算法;对集矿车作业路径进行寻优控制,在实现高集矿覆盖率和集矿效率的同时,提高了集矿车整机作业效率;仿真实验表明,GAAA算法用于集矿车路径寻优是可行的和有效的。

基于改进GAAA算法的煤矿企业在线智能考试系统

在分析煤矿企业员工实际考试需求的基础上,提出了一种煤矿企业在线智能考试系统。首先构建了针对煤矿员工职业特点的Web考试系统,优化系统功能;其次提出了对遗传算法与蚂蚁算法融合的GAAA算法的改进方案,即首先对蚁群信息素进行更新,再利用遗传算法的全面搜索和蚂蚁算法的并行分布特性搜索试题库,对煤矿考试试题库进行组卷优化;最后将改进的GAAA算法应用于在线智能考试系统,实现了煤矿企业员工随时、随地考试以及试题自动组卷功能。实际应用表明,该系统组卷速度快,试题重复率低,算法正确可行,能有效完成煤矿企业员工在线考试的实际需求,提高了煤矿企业考试效率。

GAAA算法在乳品企业原奶车辆运输路径中的应用

对GAAA算法中遗传算法和蚁群算法分别进行改进:对遗传算法的改进为①交叉长度发生变化;②定点置换变异;③种群更新。对蚁群算法改进为信息素保留率和信息素自动更新。为此,用MATLAB对改进GAAA算法后对乳品企业原奶车辆路径仿真,达到了车辆使用数最少,车辆运输路径最小,车辆运奶载距最小的目标,从而为快速物流决策提供了理论依据。

GAAA算法在直线步进电机控制中的应用

对与蚁群算法融合的遗传算法应用于直线步进电机PID控制系统的参数优化进行了研究,通过对系统参数的优化设计,使得PID控制系统的稳定性、抗干扰能力有了很大的提高,达到了优化目的,证实了融合算法应用于此类问题的可行性和有效性。

GAAA算法在数据库多连接查询优化中的研究应用

数据库优化中多连接技术是目前研究的热点问题,对于一个复杂的查询,寻找一个优化策略是数据库系统开发成功的关键所在。将GAAA算法应用于数据库的多连接优化中,并进行仿真试验。试验结果表明,用GAAA算法解决数据库多连接优化问题,克服了两种算法各自的缺陷,通过寻找较好的算法连接点,取得了比较满意的效果。

用GAAA优化多阶段装配过程中的夹具布局

改进了遗传算法与蚁群算法的融合(GAAA)算法,利用它来解决多阶段装配过程中二维刚性零件的夹具布局优化问题,合理选择定位销的位置使得灵敏度指标最小化。通过改变遗传算法的变异算子,变异长度以及交叉、变异在蚁群算法中发生的位置,提高了GAAA的稳定性和收敛性。以汽车侧边装配为例验证了改进算法的有效性,结果表明改进后的GAAA比基本的GAAA和蚁群算法求得的结果要好,且收敛速度更快,稳定性更好。

基于改进GAAA算法的BP神经网络管网故障诊断研究

为解决BP神经网络在供热管网泄漏诊断中收敛速度慢、易陷入局部极值的问题,提出一种改进GAAA算法,利用其对BP神经网络初始值和阀值进行了优化,而后通过故障诊断确定泄漏管段及泄漏点、进而确定泄漏量。试验结果表明,改进GAAA算法优化后的BP神经网络模型收敛速度快、诊断精度高,明显优于传统的BP神经网络故障诊断模型。

基于GAAA-RBF神经网络的工程估价方法

利用遗传-蚁群混合算法(GAAA),对RBF神经网络的主要结构参数中心矢量、基宽向量和网络权重进行组合优化,建立了GAAA-RBF神经网络组合算法的工程估价模型.将55个工程造价案例,随机抽取10个作为预测样本,剩下的45个作为训练样本.通过与相同结构的RBF神经网络相比较,结果表明算法克服了RBF神经网络易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了工程造价的预测精度.

基于最优权阈值ELM算法的锂离子电池RUL预测

针对锂离子电池剩余使用寿命RUL(remaining useful life)预测结果不准确及极限学习机ELM(extreme learning machine)权阈值随机选取等问题,提出利用ELM模型间接预测锂离子电池RUL的方法 ,并利用遗传蚂蚁算法GAAA(genetic algorithm ant algorithm)选取ELM的最优权值与阈值,建立基于等压降放电时间间接寿命特征参数的最优GAAA-ELM锂离子电池RUL预测模型。基于NASA锂离子电池数据集预测和评估锂离子电池的RUL,并与BP模型预测方法、ELM模型预测方法和GA-ELM模型预测方法相比较,结果表明该方法能够更准确有效地实现锂离子电池RUL预测。

一种估算锂电池SOC的新型方法

SOC(荷电状态)的预测和估算是锂电池管理系统中的一个重要部分。根据GAAA算法充分利用了遗传算法和蚁群算法各自的优势,提出一种GAAA算法优化BP神经网络的SOC估算方法。使用MATLAB进行编程,将锂电池的实时工作电流、电压、温度、健康度、安时积分值作为输入,实现对SOC的估算。实验结果表明,该算法在估算精确度和运算速度上都优于传统的BP神经网络和基于遗传算法的BP神经网络。

四角旋流布置喷嘴负压集尘器的降尘效率优化

为了提高负压集尘器的降尘效率、进一步改善采掘工作面环境和安全状况,根据喷雾降尘过程中雾粒与粉尘相对运动特点,提出四角旋流布置喷嘴的新型负压集尘器结构,以集尘器喷嘴喷雾压力、喷雾有效作用区长度、喷嘴直径、喷嘴轴向偏转角及纵向偏转角为设计变量,建立目标函数（最大降尘效率）。采用改进的遗传算法和蚁群算法的混合算法（改进的GAAA）对2～8μm不同粒径粉尘的降尘效率进行参数优化,并对降尘效果进行分析和模拟验证。研究结果表明,随粉尘粒径增加,平均降尘效率先增大后减小,耗水量逐渐增大;最优降尘参数组使平均降尘效率达90.7%,提高了6.6%。

基于CDM系统的航班动态性调度研究

针对机场终端区航班拥堵的复杂情况,将协同决策系统(CDM)引入到航班调度研究中,提出航班动态性优化调度方法.在航班调度过程中加入动态性因子,对CDM系统中的航班调度算法进行改进.以航班延误损失和航班调度公平性为目标,建立航班优化调度动态模型,采用GAAA算法对模型进行求解.通过仿真实验,航班延误时间降低了31.75%,延误损失降低了61.36%,且提高了航班调度的公平性.与遗传算法和蚁群算法比较,GAAA算法优势明显,具有可行性,为解决终端区航班拥堵问题提供参考.

沟道SI－GaAs衬底上正装GaAlAs／GaAs BH激光器的制作

介绍了宽沟道ＳＩ－ＧａＡｓ衬底上的ＢＨ激光器的制作，全部结构由两次外延形成，阈值电流为５５ｍＡ。在Ｉ＝２Ｉｔｈ时，Ｐ－Ｉ曲线仍保持良好的线性关系。

一种混合蚂蚁算法及其在QoS多播路由中的应用

描述了多Q oS约束的多播路由问题的网络模型,提出了一种混合蚂蚁算法,该算法利用遗传算法快速全局的搜索能力,生成初始解,并转化为网络的初始信息素分布.利用蚂蚁算法的正反馈特性,迅速收敛到问题的最优解.仿真取得了非常好的效果,表明该算法是合理有效的.

基于遗传蚁群算法的复杂产品装配顺序规划方法

合理的装配顺序能有效地提高装配效率,复杂产品的装配过程需要大量装配资源的支持,对其进行装配顺序规划需要充分考虑装配资源的角色作用且计算繁琐。文中提出一种在装配资源约束下基于遗传蚁群算法的复杂产品装配顺序规划方法,集成装配过程中的装配零(组)件以及相关装配资源信息,研究面向装配零(组)件与装配资源的基因染色体编码方式、适应度函数表达形式以及信息素更新机制,建立起了整个遗传蚁群算法应用在复杂产品装配规划过程中的流程。以某型飞机组件装配为例验证了技术的有效性。