基于改进免疫遗传算法的机械零件的结构优化

鉴于现有免疫遗传算法其收敛差的问题,剖析其理论体系本身存在的6大弊端,提出6条全新的免疫策略,以加快算法的收敛速度并提高其收敛精度.同时,对实码抗体与变量向量之间的关系进行阐述,将复杂的算法机理用图形直观地描述出来,以便于对免疫遗传算法的理解与实际操作;将可靠性分析的随机摄动法与其灵敏度分析相结合,对随机参数的概率分布为任意形状的机械零件计算其可靠度及其灵敏度的函数表达式,并创建可靠度对设计变量的灵敏度最低与体积最小的两目标数学模型;提出实现目标函数值之间保持动态平衡的全新模型,以实现上述两目标函数与像集法的对接;最后,以盾构机三级行星减速器轴为例,按照上述思想建立数学模型,编写改进的免疫遗传算法的MATLAB程序对其进行优化.研究结果表明:该算法的鲁棒性使行星减速器轴的总体积减小13.65％,与改进前相比,所提出的免疫遗传算法具有更快的收敛速度与更高的收敛精度.     

多方式进化遗传算法及其优化波纹薄壁管的耐撞性

 通过提出一种多方式进化遗传算法的途径改进了遗传算法,并用于求解汽车新型波纹薄壁管耐撞性优化问题。文中采用响应面法近似建立金字塔形波纹薄壁管的优化模型,在多方式进化遗传算法中采用多种编码方式、选择策略、交叉和变异操作,同时还设计了类似遗传学中染色体结构变异的倒位操作,有效改善了群体多样性。对于函数实例测试的结果显示,该算法克服了遗传算法有时局部收敛的缺陷,提升了收敛速度。在波纹薄壁管耐撞性优化问题上的应用研究表明了本算法在求解此类优化问题上的有效性和方便性。优化后波纹管吸能提高40%以上,显著改进了初始设计,进一步验证了多方式进化遗传算法求解此类优化问题的实用性。     

基于信息熵的量子免疫遗传算法

针对目前的量子进化算法在高维函数优化时容易陷入局部最优,利用信息熵的概念,将量子进化算法和免疫遗传算法进行改进与融合,提出一种基于信息熵的量子免疫遗传算法.该方法对抗体采用相位编码,用信息熵准确地度量量子比特的不确定信息;提出了一种按变量的种群熵降序排列的邻域搜索策略;对于抗体之间的相似度,给出了一种按个体熵相同变量位数的度量方法;用繁殖概率对抗体的多样性进行评价,并分别以函数优化问题和VRPSDP问题进行了仿真验证.研究结果表明:该算法收敛速度快,求解精度高.     

基于改进遗传算法的桁架结构优化

桁架是一种广泛应用于工程领域的结构形式,对其结构优化有重要的意义.文章提出了随种群的进化而动态变化的自适应交叉算子和变异算子,以提高算法的优化效率及增强收敛性;引入了精英保留策略,以克服各代种群最佳个体未能保护的缺点.建立以最小化结构总重量为目标函数的桁架优化数学模型,并应用改进的遗传算法对桁架结构进行优化求解.通过实例验证了所建模型以及对算法改进的有效性和实用性.     

一种快速实现多峰值函数优化的改进遗传算法

针对基本遗传算法具有的收敛早熟、局部搜索能力差等缺点,提出了一种快速实现多峰值函数优化的改进算法。该算法包含并行小生境技术、可疑峰值点判断、引入局部搜索参数等策略,并采用C语言成功编写了通用程序。数值算例表明：该改进算法能有效防止早熟收敛,明显提高遗传算法的收敛效率,快速搜索到目标函数的所有最优点。该算法对求解多峰值函数优化问题具有普适性。     

一种基于免疫变异算子的改进型量子遗传算法

基于量子遗传算法进化方向随机性大、易早熟等缺点提出了一种改进的量子遗传算法.该方法采用了自适应染色体长度和旋转角度,提高了优化效率;引入了免疫算子,淘汰繁殖率低的个体,并通过操作染色体编码实现量子变异,以增强种群中基因多样性,避免算法陷入局部最优.对若干基准测试函数进行实验,结果表明相对于标准量子遗传算法,该算法在收敛速度、精度、稳定性以及克服早熟能力方面都有了显著的提高.     

基于改进遗传算法的露天采矿优化

首先针对露天采矿优化问题的实际情况,建立了优化数学模型,并将原问题的约束条件转化为目标函数的组成部分,使之便于利用遗传算法求解.针对遗传算法的局限性,实施了最优保留策略,并改进了选择、交叉和变异操作,使该算法能够有效地提高收敛速度,避免早熟收敛.最后,通过实际算例说明,该优化方法有效、实用.     

改进灾变遗传算法及其在无功优化中的应用

针对灾变遗传算法的早熟和稳定性问题,提出了一种改进灾变遗传算法,设计了与进化代数相关的改进灾变算子;为了兼顾算法的全局性能和收敛速度,设计了与进化代数相关的交叉概率和与个体适应度相关的变异概率.IEEE14节点和IEEE30节点无功优化算例表明,该改进算法具有良好的全局性能和收敛速度,适合求解电力系统的无功优化问题.     

函数优化问题求解的自适应差分进化算法

针对函数优化问题求解算法存在速度慢、精度低等问题,提出一种函数优化问题求解的自适应差分进化算法.该算法对变异算子和交叉算子进行改进,增强了其寻优能力.对经典的函数优化问题进行仿真测试,结果表明,自适应差分进化算法全局搜索能力强,收敛速度快,可以获得更高精度的函数优化问题解.     

基于小波基函数的差分进化算法缩放因子改进方法及应用

针对差分进化(DE)算法在求解复杂优化问题时存在收敛性和搜索能力差以及控制参数难以确定的问题,引入小波基函数,提出一种基于小波基函数的差分进化算法缩放因子改进方法.该方法采用小波基函数来改进DE缩放因子F,以保证解的多样性、加速算法收敛和提高算法性能.选择5个标准测试函数来测试改进DE算法的有效性,实验结果表明,改进的DE算法能有效解决控制参数难以确定的问题,提高了其搜索能力,获得了较好的最优解.