动态联盟合作伙伴的选择过程与方法

动态联盟使企业具有快速适应不断变化的市场需求的能力。企业组建动态联盟 ,首先就面临着合作伙伴的选择问题。由于盟员选择过程的复杂性 ,一些非结构化的优化方法得到应用。本文讨论了动态联盟合作伙伴的选择过程和基本方法 ,并研究了应用遗传算法和聚类方法实现盟员选择 ,指出了遗传算法选择盟员的不足之处以及聚类方法的优点。     

基于正交试验和元胞自动机模型的加速并行遗传算法

针对标准遗传算法中存在早熟收敛、后期收敛速度慢以及解精度低的问题,结合正交试验设计和元胞自动机模型,提出了一种改进的加速并行遗传算法(APGA)。APGA利用正交试验设计确定较好的初始种群,利用元胞自动机模型固有的并行计算能力设计并行遗传算法,借助元胞信息的动态性和多元性实现正交加速过程。仿真结果表明,APGA能够有效地防止早熟收敛,可以极大地提高遗传算法的搜索效率和解的精度。     

模仿二倍体繁殖的改进遗传算法

针对标准遗传算法和二倍体遗传算法容易陷入早期收敛、末期局部搜索能力差等不足之处,给出了一种忽略等位基因显隐性的二倍体遗传算法的改进方法;模仿二倍体生物繁殖的过程,引入同源染色体交叉、配子重组操作,改进了传统遗传算法的遗传操作过程;在选择过程中采用了结合最优保留的受限选择策略及精英种群方案。仿真结果表明,该改进算法不但能使种群基因保持多样性,有效抑制了算法的早熟收敛,还降低了算法复杂度、提高了搜索精度,使算法能以较快的速度与较高的精度达到全局最优。     

分布式计算在天线阵方向图综合中的应用

采用矩量法(MoM)分析天线阵列的辐射方向图,并使用遗传算法对天线阵列的方向图进行综合。由于遗传算法具有内在并行性,利用MATLAB分布式计算服务器和并行计算工具箱进行分布式并行程序设计,实现了主从式并行遗传算法,形成了天线阵方向图仿真综合软件,加快了天线阵列方向图的综合速度,得到了令人满意的结果。与传统串行算法相比,基于分布式计算的主从式并行遗传算法具有收敛速度快、仿真效率高的特点。     

基于遗传算法的ATM网络中VCC路由选择方法

针对遗传算法强大的全局寻优和并行处理能力 ,提出了一种改进的遗传算法调度ATM网络动态路由的新算法。综述了使用遗传算法进行通信网络节点选择的问题 ,指出了原有算法进行遗传算法优化时存在的不足 ,并提出一种新的基于动态惩罚的解决策略 ,其思想是在进化的过程中 ,逐渐减小对可行解惩罚的力度 ,使网络向可行解逼近。通过简单模型的仿真 ,验证了动态惩罚策略的可行性和有效性。     

异构UAV编队反雷达作战中任务分配方法

针对异构无人机编队在反雷达作战中的任务分配特点,建立了无人机与执行任务之间合理的协同约束关系,提出了基于时间窗的异构无人机编队混合整数线性规模型。同时,结合遗传算法的全局搜索和并行计算能力,提出了基于时间窗的多层编码遗传算法实现异构无人机编队任务分配。仿真实验和分析表明了两种算法的有效性,并对比分析了它们的优势与适用范围。     

自适应调整选择压力的灾变元胞遗传算法

对于遗传算法而言,全局探索和局部寻优能力之间的平衡影响算法的性能,选择压力就代表着这个平衡.只有当全局探索和局部寻优之间的平衡达到最佳化才能够使算法又快又精确的寻求到全局最优解.随着算法运行,种群结构不断的变化,选择压力也在不断变化.分析研究了灾变元胞遗传算法的选择压力,根据种群多样性和种群收敛度,提出一种基于灾变参数调节选择压力的自适应元胞遗传算法.通过两个典型函数优化实验,表明选择压力自适应调节可提高算法性能,并得出这两个函数在寻优过程中的最佳选择压力变化规律,这为自适应算法设计提供了一种新的途径.     

恶化效应下加工时间可控的新工件到达干扰管理

针对工件实际加工时间是起始加工时间线性递增函数,以及允许分配资源缩短工件加工时间的加工制造过程,研究工件按照加工成本最优方案加工过程中,到达一批新工件的生产调度干扰管理问题,加工成本体现为总资源费用和总完工时间。有效的干扰管理需要制定新的加工时间表,在优化加工成本的同时,最小化干扰造成的相对初始计划的时间扰动。加工成本和时间扰动成为问题的2个优化目标,分析问题复杂性为NP难问题,融合带精英策略的非支配排序遗传算法和归档式多目标模拟退火算法各自优势,基于主从结构的并行计算方式,设计并行混合进化算法,并将分析得出的Pareto最优解特性引入算法设计过程进行问题求解。随机数值仿真实验表明,本文设计的并行混合进化算法具有优于带精英策略的非支配排序遗传算法和归档式多目标模拟退火算法的求解性能,基于主从结构的并行计算方式提高了算法收敛速度,引入Pareto最优解特性进一步改进算法收敛性和有效前沿多样性。     

汽车碰撞有限元仿真的并行计算及其性能研究

并行计算是提高汽车碰撞有限元仿真的计算速度和求解能力的有效途径。文章简要介绍了汽车碰撞有限元仿真并行计算的区域分解方法,给出了处理接触时的并行计算流程,分析了并行求解过程以及主要时间开销。在此基础上,研究了两种硬件体系结构和不同处理器数目对计算效率的影响。最后研究了不同的区域分解策略对整车碰撞计算效率的影响。研究结果对最终用户选择合适的硬件平台和计算软件具有指导意义。     

异步并行计算及其在连续系统仿真中的适用性研究

在基于消息传递的分布式系统上,根据两类异步并行计算的特点,结合连续系统仿真对并行计算的要求,分析了异步并行计算对仿真结果的影响,提出了用异步并行计算方法进行连续系统仿真并保证不出现计算过程“混乱”的限制条件,实践证明,满足文中限制条件的异步并行仿真计算比相应的同步并行仿真计算具有更高的加速性能。     

基于B-T规则与遗传算法的可重入生产系统调度

可重入生产系统调度问题属于NP难题，将遗传算法方法与调度规则结合起来用于解决可重入生产系统的调度问题。针对可重入生产系统的重入特点，建立了一类可以实现缓冲区与传统规则双重选择的缓冲区-时间(B—T)规则；然后在设备分组与分时段的基础上，提出了基于B—T规则组合的可重入生产系统调度策略，并采用遗传算法与过程仿真相结合的办法对B—T规则组合进行优化，仿真比较验证了该调度策略的有效性。     

空间多点地震动模拟的并行计算方法及软件

在已有的空间相关多点地震动人工模拟方法的基础上，针对整个模拟过程提出对计算量大的部分进行并行计算，并采用Fortran90与MPI语言开发了多点地震动的并行模拟程序，能够有效提高多点地震动模拟的规模与效率；同时，通过对商业性前后处理有限元软件的二次开发，将多点地震动并行模拟程序作为模块嵌入原软件，使用户能够通过可视化界面方便快捷地应用人造地震动，使人造地震动与结构地震响应分析成为一个完整的流程。     

基于遗传算法和最速下降法的函数优化混合数值算法

在遗传算法中嵌入一个最速下降算子，并定义适当的适应度函数和子代个体的选择算子，从而可结合遗传算法和最速下降法两者的长处，得到既有较快收敛性，又能以较大概率得到全局极值的新的用于连续函数全局优化的混合数值算法。数值计算结果表明了本文方法显著优于求解函数优化的遗传算法和最速下降法.     

遗传算法在神经网络控制中的应用与实现

比较了遗传算法与神经网络的特点，并对将遗传算法用于前向神经网络的可能性进行了研究，同时阐明了遗传算法和神经网络结合的必要性，提出了一种融合遗传算法的神经网络控制方法，该方法采用多层前向神经网络作为遗传搜索表示方式的思维，以神经网络为基础，用遗传算法 习神经网络的权系数，即保留了遗传算法的强全局随机搜索能力，又具有神经网络的鲁棒性和自学习能力，将遗传算法和神经网络相结合，分析了遗传算法基本参数及神经网络结构、隐层和输出层节点非线性函的选择，设计了用遗传算法学习神经网络权系数的软件实现方法，成功地实现了机械手逆运动学求解问题及倒立摆的控制，仿真结果显示了遗传算法快速学习神经络权系数的学习效率与收敛精度，确保了快速达到全局收敛，克服了多层前向神经网络传统的BP学习算法精度低、收敛速度慢、容易陷入局部极小的缺陷，表明了该方法的可行性与有效性。     

一种基于能量熵的快速遗传算法研究

在分析标准遗传算法的优越性与存在不足的基础上,提出了对遗传算法的改进方法.将能量熵的选择加入到遗传算法的退火选择中,以充分地探索解空间,保持种群的多样性.将伪梯度搜索应用于对个体的邻域搜索,利用当前种群的有效信息及系统信息,提高寻优速度.对典型的TSP问题及一实际电力网络故障恢复的仿真研究表明,改进算法全局优化性能优于启发式遗传算法及标准、退火遗传算法,同时使收敛速度有了较大的提高.     

遗传算法在模糊线性回归子集选择中的应用

针对模糊线性回归，提出子集选择问题，给出评价准则，并采用遗传算法（ＧＡｓ）实现子集选择．最后给出应用实例     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

基于遗传算法的最优参差码搜索

提出了一种基于二进制编码遗传算法的参差时变滤波器设计,该方法采用遗传算法选择最优参差比使滤波器第一零点尽可能的浅,可在有效抑制杂波的同时避免目标丢失。遗传算法相对于传统最优参差码的选择,是一种全局随机搜索方法,收敛速度快,有利于信息的实时处理。对于米波雷达所做的仿真结果和性能分析验证了该算法的可行性和有效性。     

具有倒位算子的图式定理的分析研究

图式定理是遗传算法的基本定理，它给出在选择、交换、变异算子的作用下，遗传算法的某一图式经过一步迭代后在下一代存在的数目的下界。本文将这一定理进行推广，给出了具有倒位算子的图式定理的表达式．并论证了引入倒位算子的必要性。     

不确定条件下多目标R&D项目组合选择优化

应用模糊集理论描述R&D项目过程的模糊不确定性,建立了以模糊实物期权度量收益,模糊熵度量风险,模糊净现值度量费用的多目标R&D项目组合选择优化数学模型;运用定性可能性原理将模糊模型清晰化,并针对清晰型数学模型提出了一种改进的多目标遗传算法进行求解;仿真实验证明,实现的多目标遗传算法可以有效求解清晰型多目标R&D项目组合选择优化问题.