模糊动态罚函数遗传算法及其在钢筋混凝土梁优化设计中的应用

在遗传算法中,约束的处理一般采用罚函数法.罚函数有多种形式,通过对其进行分析研究,本文提出一种新的罚函数,即模糊动态罚函数;用模糊动态罚函数遗传算法对钢筋混凝土梁进行了离散变量优化设计.数值实验表明:由于模糊动态罚函数综合考虑了横向放宽约束和纵向加强约束,该方法能从纵向和横向,即时间和空间的组合领域进行搜索,从而有很好的全局搜索能力,并且搜索速度快,能够迅速收敛到约束最优解.     

基于遗传算法的一类资源分配两层规划问题求解

提出了一种基于遗传算法求解一类资源分配两层规划问题的方法。为了提高遗传算法处理上级资源约束的能力,在生产初始种群时处理上级资源约束,将随机产生的初始种群变为满足上级资源约束的初始种群,避免使用罚函数处理上级资源约束。     

基于遗传算法的排课算法

本文把排课问题转化为一个组合优化问题,在此基础上以罚函数的方法建立数学模型,并给出了基于遗传算法的解法,提出“动态罚值权定标方法”和“分块遗传策略”.     

基于精确目标罚参数的遗传算法

结合一种精确目标罚函数和遗传算法,提出新的算法;算法能将约束优化问题转化为无约束优化问题,同时具有遗传算法的全局搜索能力,避免陷入局部收敛;给出并讨论了精确罚定理,实验结果表明了算法的有效性.     

二层线性规划问题的全局优化

在将二层线性规划问题转化为目标函数带有罚函数子项的非线性单级优化问题的基础上,提出了基于遗传算法求解该问题的全局优化方法,给出了应用实例。示例仿真表明,该算法是实用有效的。     

求解低秩密度矩阵约束最小二乘问题的优函数罚方法

本文应用优函数罚方法求解具有低秩密度矩阵约束的最小二乘问题. 首先用凸差方法处理非凸的低秩约束,并结合罚方法和优函数方法将原问题转化为一系列具有密度矩阵约束的凸优化问题,然后给出求解该优化问题的优函数罚方法,并对该方法进行收敛性分析. 之后,运用半光滑牛顿增广拉格朗日算法求解优函数罚方法的子问题. 最后,合成数据集和真实数据集上的数值结果表明了优函数罚方法有效地求解了具有低秩密度矩阵约束的最小二乘问题.     

求解静态 Stackelberg 决策问题全局优化方法

将静态Ｓｔａｃｋｅｌｂｅｒｇ问题转化为目标函数带有罚函数子项的非线性优化问题的基础上，提出了基于遗传算法求解该问题的优化方法，分析了算法的全局收敛性。示例仿真表明，该算法是有效的。     

用混合遗传算法求解约束NLP问题

将传统的求解约束ＮＩＰ问题的罚函数法和可行方向法同遗传算法结合,得到一种新的混合遗传算法。该算法弥补了仅用罚函数作为遗传算法的适应函数之不足,数值模拟结果表明该算法比其他算法更加有效。     

改进蜘蛛群优化算法的分布式电源优化配置

针对分布式电源定容选址问题,提出了一种改进蜘蛛群优化算法,并将遗传算法中的变异环节引入蜘蛛群算法中,加强了算法的全局搜索能力,并对分布式电源定容选址过程中的约束问题提出了一种自适应罚函数,避免了罚函数设置不恰当导致算法前期搜索时罚函数达不到惩罚作用或后期影响算法的边界搜索等问题的出现,最后在考虑电源出力的时序性的条件下用IEEE 33节点配电网络进行验证上述所提方法,其结果表明所得分布式电源定容选址方案有效的改善了配电网的线路损耗、节点电压和快速电压稳定指数,同时表明的搜索算法和罚函数的有效性。     

一类二层多目标规划的混沌遗传优化算法及其应用

针对求解一类二层多目标规划问题,首先将其转化为等价的单目标规划问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明,算法是有效可行的.     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

一种基于核的模糊聚类算法

结合核技术与改进的模糊c均值算法聚类准则提出一 种基于核的模糊聚类算法. 通过引入核函数, 样本点被非线性变换映射到高维特征空间进行聚类, 提高了聚类性能. 同时, 算法改进了模糊c-均值聚类模型中的概率型约束条件, 使其对噪声和野值点具有较好的鲁棒性. 在真实数据和人造数据上与常用聚类算法进行了对比实验, 结果表明该算法具有较低的时间、 空间复杂度与较好的聚类性能.     

利用孔隙度遗传反演约束储层地质模型

针对油田投产初期井距较大、井间储层发育状况难以预测的情况,应用遗传反演方法进行孔隙度反演,在地质建模过程中利用反演数据体约束孔隙度属性。以某油田东营组某小层为例进行地质建模,结果表明：应用遗传反演方法得到的孔隙度反演数据体可以在三维空间中较真实地反映出储层物性;利用孔隙度遗传反演数据体对对孔隙度模型进行约束的方法,相比传统地震约束方法,中间步骤少,准确性高,工作周期短,在实际工作中取得较好效果。     

变量约束网的建模和推理算法

设计的变量约束网是一个能够综合表达变量间各种约束关系的网络结构。文章中首先介绍了它的结构特征;然后给出了它的建模方法和可在Ｗｉｎｄｏｗｓ下操作的图形建模工具;最后讨论了该约束网的推理算法,即如何通过约束传播完成相关变量的求解,此算法与网络的复杂程度无关。利用文章提出的方法可构造任意复杂的变量约束网,完成对复杂系统的变量求解;与传统的表示方法相比,简化了问题求解过程,从而提高了求解效率。     

建模方法综述

介绍了几种建模方法,阐述了将神经网络和模糊逻辑、遗传算法、小波分析与传统建模理论有机结合起来的智能建模方法.     

基于主成分分析和优化聚类算法的行驶工况研究

针对模糊C均值聚类算法容易陷入局部最优以及传统的主成分分析法没有完全体现出用数量较少的综合指标来代替多个指标的问题,提出了一种改进的主成分分析和利用遗传模拟退火算法优化后的模糊C均值聚类算法相结合的聚类算法(GSA-FCM),从而构建汽车行驶工况图:首先,利用改进的主成分分析法对特征参数矩阵进行处理;然后,采用GSA-FCM聚类算法对运动学片段进行聚类;最后,选择合适的片段合成最终工况图. 并且,对GSA-FCM聚类、传统的K均值聚类的合成工况与实际工况中的特征参数进行有效性验证,与NEDC标准测试工况进行比对. 实验结果表明:GSA-FCM聚类合成工况与实际工况的特征参数的平均相对误差为6.46%,说明GSA-FCM聚类算法的聚类效果明显、误差小,所合成的行驶工况可以代表该城市的汽车行驶状况.     

模糊神经网络的混合调整方法

由于常规调整方法的收敛性依赖于模糊模型的初始条件 ,文中提出一种新的基于遗传算法和梯度法的模糊神经网络自动调整方法 ,通过仿真证明了这一方法是有效的 .     

医疗废弃物多目标多周期可持续回收网络优化

针对医疗废弃物回收量的不确定性、多周期性,以及部分有毒有害废弃物处理不当不仅污染环境,还会危及操作人员健康等问题,以最小经济成本、最小环境影响、最大社会效益为目标,构建了不确定条件下医疗废弃物多目标多周期可持续性回收网络模型。为了减少不确定参数的影响,采用模糊机会约束方法,将模型中的模糊约束转换为清晰的对应式。以上海市某医疗废弃物回收企业为例,采用遗传算法（GA）对模型进行求解。算例结果表明,多目标优化总体优于单目标优化,且多周期回收网络规划比单周期规划更加灵活。     

具有混合变量的桁架结构多目标形状模糊优化设计

分别以桁架杆件截面面积和可动结点坐标为离散和连续设计变量,以结构总重量最小、结点位移最小和结构固有频率最大为目标函数,进行桁架结构形状多目标优化设计。采用的改进遗传算法用二进制编码方式对两类不同变量进行编码,用凝聚函数将问题的多项约束转化成单个约束,用凝聚选择策略和竞争保留机制保证有潜力的解被优先选择,最终得到问题的理想解和有效解。最后从工程实际出发,根据模糊相似优先比方法,从多组有效解中寻找出最优解。