一种基于遗传算法的模糊神经网络控制器的设计

提出了一种基于遗传算法的模糊神经网络控制器的设计.该设计通过改进的遗传算法实现了控制规则和隶属函数的优化.算法中引入了优良模式自学习算子,改善了遗传算法的性能.通过对典型的非线性对象CSTR控制,仿真结果表明该方法是有效的.     

动态环境中基于遗传算法的移动机器人路径规划的仿真

动态环境中 ,移动机器人的动态路径规划是一个较难解决的课题 .提出了一种基于遗传算法的移动机器人的路径规划方法 .该方法采用实数编码和有明确物理意义的适应度函数 ,可以加快实时的运算速度和提高运算精度 .同时 ,该方法充分挖掘了可应用遗传算法解决移动机器人动态路径规划的潜力 .计算机仿真表明 ,仿真该控制方法具有良好的动态路径规划能力     

供应链库存控制策略的进化仿真

为优化供应链系统库存控制策略,研究了面向实体的供应链系统动态运转的仿真模型,分析了供应链系统构成实体的属性、活动、事件和状态转移的处理方法;运用遗传算法,研究了供应链系统库存控制策略的进化仿真方法.将模型和遗传算法相结合,采用Delphi软件开发工具,研制出供应链系统库存控制策略的进化仿真软件.采用日利润作为优化目标,进行示例分析计算,进化仿真得到的结果较传统方法计算结果提高效益10.2%.     

一种基于遗传算法的机器人加工路径规划方法

针对传统机器人加工路径规划采用示教再现方法很难适应复杂变化任务的问题 ,提出了基于遗传算法的路径规划方法 ,研究了遗传算法中的编码方式、交叉算子和变异算子的改进方法 .仿真实验表明 ,采用遗传算法进行机器人加工路径规划是可行的和有效的 .     

基于Hammerstein模型和GA的非线性广义预测控制

针对Hammerstein型的非线性系统,给出了一种基于GPC的预测控制方法.分析了使用近似法求解控制量的缺点,据此提出了基于遗传算法的控制量优化求解策略.以一个热交换器作为仿真实例,分别使用遗传算法和两种近似法求取控制量,并比较了3种情况下的控制效果.仿真结果表明基于遗传算法的预测控制器具有良好的性能.     

遗传算法在数字滤波器中的设计应用

给出了基于一般算法的遗传算法设计的仿真结果,提出了一种基于遗传算法的数字滤波器的设计,依使用和实现方法来分类,通过卷积来实现的FIR滤波器和通过递归来实现的FIR滤波器,得出具体算法在相应滤波器中的应用,并对仿真结果进行了分析.     

半导体芯片制造混合调度方法

针对半导体制造系统设备性能的多样性、多产品混合加工以及可重入性等特点,采用遗传算法和动态调度规则结合的方法优化生产过程.首先,通过遗传算法优化工件加工路径;然后,通过动态控制策略确定工件加工顺序.最后,进行仿真实验,比较了不同动态调度规则和遗传算法混合使用的效果.结果表明,通过遗传算法能够得到较优化的结果.     

一种改进的遗传算法在模糊控制器中的应用

将一种改进的遗传算法应用于模糊控制器的设计,对控制器的控制规则进行寻优.以倒立摆为例进行计算机仿真,结果验证了这种方法的有效性.     

基因植入遗传算法在焊接机器人序列规划中的应用

针对经典遗传算法的缺陷,在贪婪遗传算法的基础上引入了基因植入操作,此算法称为"基因植人贪婪遗传算法",并应用到多关节机器人多点焊接的全局序列规划中.实现了在不增加种群规模、不增加运算量的条件下增大搜索范围、改善收敛效果的目的.提高了收敛速度,减少了陷入局部收敛的可能性,仿真和实验结果充分证明了基因植入贪婪遗传算法的有效性和优越性.     

基于改进型遗传算法的FIR滤波器设计

基于最大误差最小化原则,利用改进型遗传算法设计了一线性相位的FIR低通滤波器.经过仿真结果比较,说明改进型遗传算法比自适应遗传算法更快更好地收敛到全局最优解.     

基于遗传神经网络的产品价格预测方法

应用遗传神经网络方法，建立了工业产品预测的神经网络预测模型，并运用遗传算法对建立的神经网络模型的结构和推理参数进行优化，使预测结果更加准确，为工业项目的投资评估提供了一种更为合理的预测方法．     

遗传算法在组合优化中的应用

针对组合优化中规模较大问题用传统的优化方法求解耗时较长的缺点,将遗传算法应用于0-1规划中,用基于二进制表示的罚函数法和修正方法处理背包问题;并对指派问题进行遗传算法设计,使这两个问题得到很好的解决,从而说明了遗传算法具有超越传统方法的优势,为解决此类问题提供了一种新的手段,是传统方法的补充和完善.     

解决影片递送问题的改进混合遗传算法

影片递送问题(简称FDP)是一个典型的NP-Hard组合优化问题.遗传算法是一种生物自然选择与遗传机理的随机搜索与优化方法.论文针对影片递送问题的特点,在遗传算法中引入新的交叉算子,同时对进化个体进行可行化及结合2-opt邻域搜索也提高了运算效率,设计出一种改进的混合遗传算法.具体实例测试表明在解决FDP时新算法的有效性.     

遗传算法综述

遗传算法是一种自适应全局优化概率搜索算法,在各种科学工程领域得到了广泛的应用,文章介绍了遗传算法的发展历程、理论研究和应用研究状况.     

基于免疫进化算法的Bayesian网结构学习

利用免疫进化算法（IEA）, 借助遗传和接种疫苗操作将基于打分和基于约束的两类Bayesian网结构学习方法有机地结合在一起, 提出一种新的Bayesian网结构学习方法. 通过与基于遗传算法的Bayesian网结构学习方法EGA(Expectation & Genetic Algorithm）的对比试验表明, 所提出算法的收敛速度更快、 学习得到网络的精度更高.     

非线性电路的ACNGA求解方法研究

在非线性电路的研究中，非线性电路的全解集的求解方法研究是非线性电路理论的重要研究领域之一。遗传算法是一种模拟生物进化的最优化搜索方法，因其稳定性好、不需要计算目标函数的能处理多维数值问题，遗传算法在科学研究和工程技术中得到广泛运用。针对非线性电路的全解集的求解要求，本文提出了一种改进的具有自适应交叉算子的小生境遗传算法，成功地应用于非线性电路的全解集的求解，结果表明了具有自适应交叉算子的小生境遗传算法（ACNGA）对非线性电路求解的有效性和实用性。     

基于基因调控的改进遗传算法

针对标准遗传算法存在个体多样性差，易陷入局部极小等缺陷，提出了基于基因调控的改进遗传算法。该方法具有结构简单、搜索速度快、操作方便等特点。典型函数测试实验及对比分析结果证明了该方法的有效性，为遗传算法的改进及智能优化方法的研究提供了一条新的途径。     

遗传算法在输电网中长期规划中的应用

本文中将遗传算法用于输电网中长期规划问题的研究,取得了令人满意的结果。     

基于MATLAB遗传算法工具箱的PID参数优化研究

遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法,遗传算法工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具。针对传统PID的局限性,利用遗传算法工具箱对PID控制器参数进行优化。仿真结果表明:该方法几乎无超调,且过渡时间短,可获得比传统设计方法更优良的控制效果。     

基于遗传算法的进化神经网络

提出了一种基于遗传算法的前馈神经网络的自动化设计方法 (genetic m ultilayer neural network,GMNN ) ,用以同时完成对网络结构空间和权值空间的搜索。该算法利用模拟退火算法、 BP算法和小生境技术来加快算法的收敛速度 ,改善解的性能。初步实验结果表明 ,该方法的收敛速度较快 ,由此得到的神经网络的泛化能力也较好 ,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的。