旋转舱布局优化模型的主要性质及不干涉性算法

以简化的人造卫星舱优化布局为对象，研究旋转舱内长方体与圆柱体群的布局优化模型及其不干涉算法，给出了布局优化模型及其主要性质，将其归结为一带多个反凸约束的Ｄ．Ｃ．规划问题，为求得全局最优解奠定了理论基础，最后，给出了判断各待布物之间不干涉的有效算法。     

带性能约束的卫星舱布局问题改进遗传算法

针对带有性能约束的卫星舱布局优化问题,依据不干涉理论,给出了计算机上易于实现的、能计算图元之间干涉量的不干涉算法.采用实数编码等策略对布局优化问题构造了改进遗传算法.数值结果表明:该算法在解决带有性能约束的布局优化问题时大大减少了计算时间,提高了计算精度.     

具有性能约束几何布局优化模型的研究

建立了带性能约束圆域内几何布局优化问题的各种数学模型，其中图元 可为圆形、三角形及任意连通的二维几何图形。通过引入模函数与广义距离 函数等概念，详细论述了此类几何布局问题可转化为含有Ｄ．Ｃ．约束的凸规 划问题，从而为进一步研究几何布局优化问题的最优性条件、优化算法等奠 定了数学基础。     

一类带性能约束的二维几何布局优化

提出一类带性能约束的二维几何布局优化问题模型及其求解算法．该算法分三个 阶段处理,即嵌入阶段、可行初始布局阶段和优化布局阶段,并给出每个阶段相应的几 何布局质量的评价标准函数、算法和结束准则。在具体的求解过程中;综合运用了拟 物原理、广义力矢量松弛法原理、有向树搜索原理来构造布局优化的算法．给出一种 在可行布局范围内不断压缩几何体布局的范围同时进行迭代改善布局过程的方法来寻 找最聚集的优化几何布局．用Ｆｏｒｔｒａｎ语言编制了相应算法及图形显示的程序,文 后给出了算例的验证结果。     

基于遗传算法的船舶舱室通道布局联动优化

针对舱室与通道联动优化问题,将舱室与通道布局联合考虑,将舱室和通道位置序列作为设计变量,舱室间邻接强度和流通强度的加权作为目标函数,舱室通道面积和通道位置作为约束条件,采用遗传算法对舱室和通道布局进行联动优化.在计算舱室间最短距离时采用Dijkstra算法.以船舶生活区舱段为算例进行对比验证,分别进行通道位置参与布局设计的舱室通道布局联动优化、通道位置不参与设计的舱室布局优化.算例结果表明,本文提出的联动优化方法具有可行性,对比结果显示联动优化更具优越性.     

基于退火不可行度的约束优化问题遗传算法

传统的遗传算法在求解带约束的数值优化问题时，主要采用罚函数法．本文针对罚函数法在实际应用中的困难和不足，提出了基于退火不可行度的遗传算法来处理各类约束优化问题．仿真结果表明该方法是一种有效的约束问题寻优算法．     

具有性能约束布局问题的优化算法及收敛性

研究了二维布局优化问题,建立了具有性能约束的二维布局半无限优化模型.应用图论、群论等,把该问题分解为有限多个子问题,在每个子问题中克服了优化变量的时断时续性质,并将子问题松弛化,利用极大极小函数给出了松弛子问题的最优性函数,该函数在其零点使松弛子问题的一阶必要条件成立.利用最优性函数构造了松弛子问题的优化算法,并证明了算法的收敛性.     

基于遗传算法的机器人作业单元布局优化

针对机器人作业单元内设备的布局问题,提出了一种基于遗传算法的优化布局方法.引入了工程师的经验和知识描述布局过程中的作业单元空间及机器人运动学约束,减小了优化空间,提高了算法的收敛速度.基于压铸作业的实例研究结果表明了该方法的有效性.该方法已与商业化的机器人编程与仿真软件相结合,表现出了较高的实用价值.     

基于反向学习遗传算法的船舶舱室布局优化方法

为实现舱室布置参数化、智能化,针对船舶舱室布局优化设计的特点,建立包括舱室间物流强度目标、邻近强度目标和固定位置目标的多目标优化模型.在建立数学模型基础上,运用基于反向学习优化种群产生法改进的遗传算法求解该模型,通过扩大解的搜索范围使其跳出局部最优,引导种群找到全局最优解.最后,运用建立的优化模型和改进后的遗传算法进行仿真实验,得到了更加合理的结果,验证了本文方法的可行性和有效性.     

工作地中设施布局问题的改进遗传算法

针对工作地中设施布局问题的现有遗传算法的不足,提出了一种对数学编码方式、变异操作等方面进行改进的遗传算法。该算法不仅使问题的表达方式更趋合理、显著减少进化过程中不合理后代的产生,而且通过采用动态分行技术,摆脱了现有算法存在的单维优化的局限性,在两个维度上对布局问题进行优化。实例研究结果表明:此算法不但具有良好的全局搜索能力,而且具有较快的收敛速度。     

一种求解TTP问题的SAGA算法

分析了高校课程表编排中涉及的各种约束条件和特殊要求,给出了一种求解TTP问题的模拟退火遗传算法(SAGA),并且对遗传算法中的交叉、变异操作采用自适应方式进行了改进,提高了算法在解空间中的探索能力和效率.数值实验证明了该方法的有效性和可行性.     

基于遗传算法求解复杂时间-空间布局问题

给空间布局问题加入时间约束的多目标、多约束化布局问题(复杂时间-空间布局问题)是NP完全问题.探讨了遗传算法在求解这一复杂问题过程中的应用,提出用分层型遗传算法处理复杂时间-空间布局问题,给出了有效的编码形式和解码运算.根据混合原则和算例,该算法优于普通的遗传算法.     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

混合遗传算法对混流装配线平衡问题的研究

基于面向汽车行业总装生产线平衡问题的研究,提出了一种包含模拟退火因子的改进的遗传算法,设计了加速收敛因子模型以确保在有限种群空间中的快速收敛;同时考虑了更多工程现场实际约束来修正传统的约束模型．新算法模型应用在混流装配生产线平衡分析中,取得了算法快速收敛和分析结果与实际工程一致的结果．     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

装填布局拓扑模式变换的遗传算法

在布局优化中需给出初始点以构成初始布局，用构造非同胚布局拓扑模式的方法给出若干非同的初始布局，是缓解组合爆炸，求得全局最优解或较好的局部最优解的关键。用遗传算法的思想来实现布局拓扑模式变换，生成非同胚布局拓扑模式的不同初始布局。     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

遗传算法在PID控制器参数寻优中的应用

针对遗传算法易早熟收敛,对参数有较强的依赖性,而模拟退火法的搜索过程冗长的缺点,采用混合策略,在优化机制、结构和行为上结合两者的特点,提高算法的优化能力、效率和可靠性.在PID参数寻优中采用混合策略,将SA状态产生函数作为变异概率可控的变异操作,在高温下有较强的变异功能,在低温下有较强的趋化功能.仿真结果说明,混合策略在PID参数寻优问题中明显优于单一遗传算法和传统整定方法.进一步分析了PID参数寻优是一个多目标的优化问题,探讨了可行方向.