基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

基于深度表征学习和遗传算法的军用座舱色彩设计方法

军用座舱色彩设计作为载人军事设备工业设计中较为主观的一部分,设计的合理性至关重要。为提高军用座舱色彩设计的科学性,提出一种基于深度表征学习和遗传算法的军用座舱配色方法。利用深度表征学习模型预测军用座舱配色方案,并根据色彩感知理论建立军用座舱配色模型,将其作为生成方案的限制条件。同时,引入交互式遗传算法到智能配色系统中,通过人工引导的方式优化神经网络的参数,对预测的配色方案进行有效迭代。实验结果表明:该方法生成的配色方案符合军用座舱配色模型,结合遗传算法的模型预测准确率比单一的深度表征模型提高了16%~18%。相较于人工色彩设计方案,军用座舱智能配色方法生成的方案满意度略优、设计周期缩短了80%~88%,色彩稳定性提高了6%~12%。

基于遗传算法的风电齿轮传动系统参数优化设计

齿轮箱是风力发电系统的重要部件,其体积大、重量高等问题制约了风电清洁能源的发展.以1.5 WM风力发电机组为研究对象,建立齿轮传动系统轻量化数学模型,并采用遗传算法进行优化求解.结果表明,采用遗传算法是可行的,优化后齿轮传动系统体积减少了4.59%,这将进一步减小齿轮传动系统箱体体积和总质量.通过计算行星轮系的传动效率,验证了优化结果的可行性,该研究将为风电齿轮传动系统轻量化设计提供新方法.

基于遗传算法的汽车主动悬架变论域模糊PID控制

针对1/4车主动悬架系统,提出一种基于遗传算法(genetic algorithm,GA)的变论域模糊比例-积分-微分(proportional-integral-differential,PID)控制方法.在建立主动悬架系统模型的基础上,引入变论域思想设计模糊PID控制器.为进一步改善控制器减振效果,采用GA来优化变论域中伸缩因子描述函数的参数.结果表明:相比PID、模糊PID与未优化的变论域模糊PID等控制方法,基于GA的变论域模糊PID控制方法在降低车身垂向加速度、改善乘坐舒适性方面具有优越性;所提控制方法对簧载质量和车辆行驶速度不确定性具备较强的鲁棒性.

基于遗传算法的划分序乘积空间问题求解层选择

划分序乘积空间作为一种新的粒计算模型,可以从多个视角和多个层次对问题进行描述和求解.其解空间是由多个问题求解层组成的格结构,其中每个问题求解层由多个单层次视角构成.如何在划分序乘积空间中选择问题求解层是一个NP难问题.为此,提出一种两阶段自适应遗传算法TSAGA(two stage adaptive genetic algorithm)来寻找问题求解层.首先,采用实数编码对问题求解层进行编码,然后根据问题求解层的分类精度和粒度定义适应度函数.算法第1阶段基于经典遗传算法,预选出一些优秀问题求解层作为第2阶段初始种群的一部分,从而优化解空间.算法第2阶段,提出随当前种群进化迭代次数动态变化的自适应选择算子、自适应交叉算子以及自适应大变异算子,从而在优化的解空间中进一步选择问题求解层.实验结果证明了所提方法的有效性.

基于集合经验模态分解和多目标遗传算法的火-多储系统调频功率双层优化

针对分布于区域电网不同网络节点的多座储能电站参与电网调频功率调度问题,该文提出一种基于集合经验模态分解(EEMD)和多目标遗传算法(MOGA)的火-多储系统调频功率双层优化策略。该策略包含火-储调频功率优化层和多储能电站调频功率优化层:上层计及火-储调配资源各自优势及剩余调频能力,构建火-储调频功率优化分配模型,完成火-储调频功率的分配;下层引入关于调频成本和荷电状态(SOC)的自适应权重系数,以调频成本最低和SOC均衡为优化目标,完成调频功率在多储能电站之间的分配。仿真结果表明,所提策略可以提升区域电网调频效果并降低调频成本,均衡控制多个储能电站的调频成本和SOC,可以防止经济性较好的储能电站长期处于SOC越限边缘状态,提升储能电站参与调频的积极性和可持续性。

基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法

目前常规的粗纱机出料传动系统PID参数优化方法主要通过结合被控对象的稳态增益情况构建出优化函数,实现PID参数优化整合,忽略了实际运行工况下的干扰成分,导致参数优化效果不佳。对此,提出基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法。首先结合PID的系统阶跃响应曲线,以被控量的偏差变化率作为主要参数选取性能指标;然后通过引入负荷扰动模块以及频率干扰模块,对PID调节模块进行建模分析;最后结合模糊-遗传算法对最优适应度值进行求解,从而实现PID参数的有效优化,并对提出的方法进行优化效果检验。最终测试结果表明,采用提出的方法对PID参数进行优化整合时,控制输出曲线与理论输出曲线的拟合程度更高,具备较为理想的优化效果。

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

基于遗传算法的大型矩形压力容器刚强度优化设计

为了解决矩形压力容器承压能力较差、应力状态较复杂、结构优化设计难度高的难题,利用遗传算法可自适应调整搜索方向这一特性,开展了某矩形特征水洞试验段的刚强度优化设计。厘清了该工程问题的约束条件,开展了结构初步设计,采用手动迭代开展了结构优化设计;并在完成参数化建模与仿真、构建代理模型、建立优化设计流程的基础上,基于遗传算法开展了该水洞试验段的结构优化设计。该方法与初步设计结果相比,减重34.98%;与手动迭代优化设计结果相比,减重10.49%。

基于遗传算法的炮击振动环境谱编制方法

为了提高炮击振动环境谱编制精度,提出了基于遗传算法(genetic algorithm,简称GA)的炮击振动环境谱特征点确定方法。首先,介绍了现有标准的预估炮击振动谱的编制方法;其次,以炮舱结构模拟件为对象,开展了炮击振动试验并获取了实测谱,基于飞机飞行振动环境测量数据的归纳方法对实测谱进行了归纳处理;然后,以特征点构成的环境谱与实测数据归纳谱的能量最接近为目标建立目标函数,采用遗传算法对目标函数进行优化以确定炮击振动谱特征点坐标,在对数坐标下通过折线将特征点连接以实现炮击振动环境谱的编制;最后,将基于遗传算法得到的环境谱与基于标准得到的预估谱进行对比,分析验证了所提方法的有效性。结果表明,所采用的方法获得的炮击振动环境谱在均方根值(rootmean square,简称RMS)和谱形特征上都更接近实测数据归纳谱。

基于遗传算法的宽带渐变电阻膜超材料吸波器设计

近年来,基于超材料的电磁吸波器件由于其宽带、易制备等优势而备受各国研究者的广泛关注.本文为实现宽带电磁低可探测,提出一种渐变电阻膜-介质复合结构的超材料吸波器.基于传输线理论和阻抗匹配原理,对强吸波条件进行了分析.在单元结构设计方面,采用遗传算法在多变量域内全局搜索最优解,快速地确定出能够兼顾低频与宽带吸波性能的超材料单元结构与电阻参数,并对器件吸波性能与吸波机理进行了深入的探讨.仿真结果表明,在垂直入射下,所设计的超材料吸波器对1.62—19.16 GHz(相对带宽168.8%)之间的入射波吸收率均大于90%,有效地向L和K波段拓展了吸收带宽.虽然在部分频段测试和仿真结果之间存在一定偏差,但两种类型的曲线随频率的变化趋势基本一致,这充分证明了所设计的超材料吸波器在低频宽带吸波领域具有潜在应用价值.

基于遗传算法优化Canny算子的织绣文物纹样抽取方法研究

织绣文物中的纹样彰显中国传统文化造型艺术的形式美感,是文创设计的重要素材源泉。针对传统Canny算子进行纹样边缘检测需人为确定阈值的问题,本文提出基于遗传算法自适应优化Canny算子阈值的方法,将边缘点、非边缘点类间梯度幅值方差设置为适应度函数,通过格雷码对阈值染色体编解码、锦标赛选择算法优选交叉变异后的阈值,求解最优适应度对应的高低阈值,用于纹样边缘检测;此外,运用形态学操作得到纹样的完整、精确轮廓;最后,添加Alpha通道抽取纹样前景。实验表明,上述方法在织绣纹样抽取精度和像素准确度(PA)上,优于传统Canny算子、混合蛙跳自适应Canny算子、Otsu法优化Canny算子等已有方法,可有效检测织绣文物图像中纹样真实边缘并完成纹样抽取。

基于改进遗传算法的细纱接头路径指引方法

为了提高细纱车间整体断头的接头效率,在细纱单锭监测系统响应到细纱断头信息的条件下,建立以整体车间断头接头路径最优化为目标函数的细纱接头路径指引模型,并运用Python编程语言分别实现对贪心算法、遗传算法和改进遗传算法接头路径模型的求解,结合传统巡回式接头路径与3种算法在效率、运行速度和解的质量上的仿真测试,对比验证改进遗传算法用于细纱接头路径指引方法的可行性。试验结果表明:相较于传统巡回式路径,改进遗传算法平均效率提升了11.8%,且解均优于其他两种算法;相较于遗传算法,改进遗传算法的响应时间缩短较多,平均为1.25 s,且波动较小,时间效率提升了80.3%。认为:改进遗传算法在效率、运行速度和解的质量上都优于其他算法,在细纱接头领域具有较高的应用优势,能够显著提高接头效率和降低成本。

基于影响矩阵和精英遗传算法的斜拉桥索力优化

由于传统索力优化方法不能自动优化和兼顾全桥结构性能,以及与智能优化算法相结合后存在计算量大、耗时长、效率低和收敛速度慢等缺点,以Ansys和Matlab分别作为结构计算器和主控程序,以最小弯矩能为控制目标,将影响矩阵和精英保留策略引入到遗传算法中,实现成桥阶段的索力优化.该方法能够同时兼顾主梁与主塔的受力特性,而且影响矩阵的应用可以解决每一代都需要有限元评估的问题,大大减少了计算量.与传统的影响矩阵法相比,所提方法在吸取影响矩阵法优点的基础上,还考虑参数迭代过程,可在结构的关键截面添加特殊的约束要求,使得优化过程更加符合实际,而精英保留策略的引入可以提高进化迭代收敛的速度与进化过程的稳定性.最后,通过一个实际工程应用验证了所提方法的可行性.

利用熵权TOPSIS和遗传算法的焊接单元划分方法

在充分分析焊接工艺特性的基础上,以降低焊接序列规划和焊接工位分配难度为目标,综合考虑单元间的平衡问题和单元复杂度问题,提出一种利用熵权TOPSIS法和遗传算法实现焊接单元合理划分的方法。首先,根据最佳单元划分公式确定基础件数量范围;其次,以零件的质量、体积、表面积、零件连接数量、焊缝数量、焊缝体积为评价指标,通过熵权TOPSIS法确定基础件;然后,以单元稳定性、单元平衡性和单元复杂度为优化目标,利用遗传算法得到不同单元数量时的最佳单元划分方案,通过对比分析确定最佳单元划分方案,实现焊接单元的科学合理划分;最后,以某车型前副车架为例进行验证,结果表明该方法快速、合理、有效,能够满足实际的工程需求。

基于P波到时拾取的分析法与遗传算法联合定位方法与应用

针对岩石力学震源定位问题,提出了一种在P波到时精确拾取的基础上通过分析法过滤异常到达传感器和遗传算法(genetic algorithms,简称GA)求解联合定位方法,并将其应用于岩石材料的破裂面定位以及采矿工程中。为了消除传感器到时精度、传统迭代法及迭代初值选择对定位的影响,基于时频分析的改进长短时窗(short-term average/long-term average,简称STA/LTA)法拾取P波到时,求解不同传感器组合分析解的逻辑概率密度函数过滤异常到达,引入遗传算法对到达清晰的震源进行定位。通过断铅、含夹层组合煤岩单轴压缩试验及定点爆破试验对该方法进行验证。结果表明:在对信号预先带通滤波后进行变分模态分解(variational mode decomposition,简称VMD)精确滤波的基础上结合改进STA/LTA法可以大幅提升到时拾取精度;通过分析法过滤异常到达对定位精度的影响,结合具有全局性、不受初值影响的遗传算法对震源定位,应用于岩石材料试验以及采矿工程中可以较准确的对震源进行定位,该方法较传统迭代法、线性定位法等更具有工程实际应用价值。

基于遗传算法的时间敏感网络调度方法

随着网络技术的进步,车载网、工业物联网以及5G超高可靠低时延通信(uRLLC)等应用都需要时间敏感网络(TSN)来保证超低延时的确定性数据传输。TSN流量调度需要快速且精确的调度算法,现有的精确式求解方法复杂度高,在大规模联合调度时无法满足实时性。文中设计了一种性能更优的路由优化遗传算法(Routing-GA),结合路由和流量调度约束,能通过优化路由来提高调度算法求解效率,为链路负载均衡调度提供服务。该策略增加了调度的求解空间以及求解灵活性,具备元启发式算法的快速求近最优解特点,能够简单有效地处理大规模TSN路由约束联合调度问题。Routing-GA以时间敏感流最小端到端时延作为优化目标,联合考虑路由和TSN约束,并针对TSN传输问题特性提供一种低复杂度、高效率和高拓展性的遗传算法编码方式。此外,为了提高调度算法的性能,提出针对路由长度及链路负载均衡进行优化的交叉变异机制。实验结果表明所实现的Routing-GA能有效减少端到端时延,显著提高求解质量,进化率可以达到24.42%,平均只需要传统遗传算法(GA)迭代运行时间的12%,从而有效提高了算法的求解性能,满足TSN调度的约束要求。

基于多目标遗传算法的8×8 S盒的优化设计方法

混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合混沌映射与多目标遗传算法,提出了一种新的S盒设计方法.首先,利用混沌映射的特性产生初始S盒种群;然后,以S盒的非线性度和差分均匀性为优化目标,基于遗传算法框架对上述两指标进行优化.针对S盒的特点,在优化算法中引入了交换操作,设计了新的变异操作以及非支配序集计算,有效提升了S盒的非线性度和差分均匀性.实验结果表明该算法产生的S盒其差分均匀度为6,非线性度值至少为110,有效提升了S盒的综合性能.