飞机操纵前轮转向模糊控制仿真研究

研究了基于改进免疫遗传算法优化的飞机操纵前轮转向模糊控制方法.针对三点式起落架布局飞机,建立了操纵前轮转向系统的非线性数学模型.采用免疫算法、小生境技术与遗传算法相结合,克服了简单遗传算法的缺陷.将该算法得到的控制器应用于前轮转向系统中,实现了模糊控制器参数的寻优,仿真结果令人满意.     

一类特殊的非线性两层规划新解法

针对下层为可微凸规划的非线性双层规划,提出了一种新算法.基于遗传算法,该算法利用下层规划的单调性将其化为若干个有界约束;这样,整个双层规划就化成了若干个并行且独立的单层规划问题,从而有效地简化了原问题的计算复杂度.对于化简后的单层规划问题,设计了遗传算法,并给出了算法的收敛性证明.最后进行了数值仿真,结果表明该算法具有高效性和鲁棒性.     

虚拟维修拆卸序列智能规划研究

提出了基于虚拟拆卸Petri网的虚拟维修拆卸过程模型和基于混沌遗传算法的虚拟维修拆卸序列规划算法,解决了如何对虚拟维修拆卸序列进行智能规划的问题.基于拆卸优先矩阵和Petri网,提出了一种虚拟维修拆卸过程模型建立方法,研究了模型生成算法,运用多粒度可达图计算方法分析了可行拆卸序列,建立了拆卸序列规划目标函数,在改进遗传算法的基础上,提出了一种混沌遗传算法,该算法以遗传算法为主流程,利用混沌现象不重复遍历的特点优化生成初始种群,然后对每次迭代中的个体以一定的概率进行混沌优化,解决了虚拟维修拆卸序列规划效率不高的问题.经验证,虚拟维修拆卸过程模型和采用的混沌遗传算法能够有效解决虚拟维修拆卸序列智能优化的问题.     

解特殊工艺约束双目标调度问题的新遗传算法

针对特殊工艺约束下非一致并行多机双目标调度问题,设计了一个双目标调度模型(BOSP).进而基于遗传算法和免疫理论的思想,提出了新的遗传算法(IGA).算法的编码采用了向量组编码方法,能有效地反映实际调度方案;免疫算子的引入,保证了种群的多样性和种群的质量,加快了算法收敛速度.仿真结果表明,算法是有效的,免疫算法的引入,使算法能较好地收敛到最优解,优于没有引入免疫算子的遗传算法,并能适用于解实际的此类调度问题.     

基于免疫遗传算法的三维大脑图像分割

利用最大熵多阈值方法对三维大脑数据进行分割时,穷尽搜索法耗时长,而简单遗传算法的搜索结果又不够稳定和精确.针对该问题,提出了一种免疫遗传和模拟退火相结合的新算法来快速求解全局最大熵.与简单遗传算法相比,免疫遗传算法采用了更佳的选择操作,以确保更多不同个体被选择来保存种群的多样性,而模拟退火机制用于拉伸免疫遗传算法的适应度函数.算法给出了选择概率的一般表达式,并采用精英策略和自适应的交叉、变异机制以改善算法的收敛性.基于IDL平台的100次仿真结果表明,三维大脑数据被成功地分为:脑白质、脑灰质和脑脊液三部分,且与简单遗传算法和传统免疫遗传算法相比,本文算法在稳定性和精确性上更具优势.     

电子侦察卫星任务调度方法

基于电子侦察卫星任务规划问题的特殊性,提出了规划预处理的基本方法,并基于合理假设建立了问题的多目标规划模型;设计了一种改进的遗传退火算法对模型进行求解,为防止最优解的丢失,引入了基于精英保留的选择机制,同时该算法有效避免了遗传算法局部优化能力差及模拟退火算法易陷入局部最优等缺陷。最后,通过实例将该算法与遗传算法(genetic algorithm, GA)及模拟退火算法(simulated annealing algorithm, SA)相比较,结果表明该算法能有效解决电子侦察卫星的任务规划问题。     

基于海明距的改进免疫算法及其在SAT中的应用

免疫算法可以克服遗传算法的早熟和发散现象,是一种有效的全局寻优算法.针对传统基于信息熵的免疫算法的浓度计算中含有过多的对数计算,浪费了机时,影响了免疫算法效率的缺陷;本文提出了一种基于海明距与加速免疫进化的变异算子的改进免疫算法,证明了基于海明距与基于信息熵的浓度定义在控制中所起的作用是等效的,并将这种改进算法应用于S...     

基于群体智能免疫算法的PID自整定

传统的PID整定方法得到的结果通常不是最优参数,很多学者采用遗传算法和模拟退火方法来解决这个问题.针对遗传算法很容易陷入局部最优值和模拟退火算法收敛速度慢这些缺点,融合了粒子群算法和人工免疫机理的优点,提出了一种基于群体智能的免疫算法,对典型二阶对象进行PID控制器参数优化整定.仿真结果证明了提出的算法有效可行.     

一种混合嵌套分区算法及其在车间调度中的应用

设计了一种嵌套分区算法框架下的局部搜索算法,即基于最优计算量分配技术的序遗传算法,该算法采用序优化思想保证在有限计算量条件下得到局部最优解,并用遗传算法的进化搜索能力和学习能力对解空间进行搜索.将设计的局部搜索算法与嵌套分区算法相结合提出一种新的混合优化算法,用该混合优化算法求解几个标准的随机车间调度问题,数字仿真的结果表明该混合算法的优化性能好于遗传算法及基于最优计算量分配技术的序优化方法.     

一种基于免疫遗传算法的认知决策引擎

为改善认知无线电的自适应参数调整功能,设计了一种基于免疫遗传算法的认知决策引擎。运用免疫遗传算法对无线电系统待优化的目标函数进行寻优,针对一种多载波系统对算法性能进行了仿真分析。结果表明,该认知无线电决策引擎在爬山能力、收敛精度和算法稳定度等方面要优于基于标准遗传算法和模拟退火遗传算法的决策引擎。     

基于反馈外延的电网规划模糊决策方法

利用基于反馈外延的模糊决策方法,对电网规划的决策问题中涉及到的模糊问题进行了处理．文中考虑了投资费用、系统可靠性和对环境影响等三方面因素,认为各个因素的权系数是可变的,并应用变权分析方法对此进行了处理．讨论是在ＩＥＥＥ－６样本网络上进行的,文中对多个候选方案进行决策分析,结果表明该模糊决策方法能很好地解决电网规划中遇到的模糊问题．     

求解多峰函数优化的小生境克隆选择算法

分析了传统的用于多峰函数优化问题的小生境遗传算法的特点和不足,基于免疫系统中的克隆选择原理,运用记忆算子、抑制算子和重组算子等技术对克隆选择算法进行了改造,并引入一种新的小生境技术,提出了一种解决多峰函数优化问题的小生境克隆选择算法。最后,实现了该算法对单无人作战飞机（unmanned combat air vehicle, UCAV)多航路规划这类多峰函数优化问题的优化仿真,结果表明该算法简单有效。     

基于拉丁超方抽样的全渠道供应链网络优化

全渠道零售模式下需求的大样本、差异性、相关性特征将改变传统供应链的网络结构,文章构建离散拉丁超方抽样的免疫遗传算法进行全渠道供应链网络优化.先通过离散拉丁超方抽样对需求数据进行处理,保留样本特征的基础上减少样本容量,然后通过免疫遗传算法进行供应链网络多目标多机制优化,在保证较快收敛的同时避免局部极值,以此解决全渠道零售模式下供应链网络优化问题.实例证明该模型与算法的有效性以及在实践中的可行性.     

空间预警系统任务分析/规划仿真环境

针对空间预警系统的任务分析和规划问题，使用基于ASPEN的表示建模语言建立起航夭系统的任务模型，将Pareto遗传算法、混合遗传算法等多种搜索算法，和卫星仿真软件STK集成在一起，建立了一个任务分析规/划仿真环境，并在其中进行了一些仿真分析研究，如预警卫星星座优化、预警卫星传感器调度等。     

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。     

用于多峰函数优化的免疫粒子群网络算法

针对多峰函数优化问题,借鉴粒子群优化特性和免疫网络理论,提出一种免疫粒子群网络算法。该算法利用粒子群的信息共享和记忆功能,通过加强粒子对自身经历的认知,提高算法的局部搜索能力;采用动态网络抑制策略,保持种群的多样性,自适应地调节粒子群的规模。多峰函数优化的仿真结果表明,该算法能有效地改善种群的多样性,较好地实现全局优化和局部优化的有机结合,具有更强的多峰函数优化能力。     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

复杂物流网络区间规划模型及算法

分析复杂物流网络结构特征,考虑物流网络规划设计的不确定性影响,运用区间规划理念,以区间数度量不确定性变量,构建多商品、多层次、多节点的复杂物流网络设计模型。定义风险系数与最大决策偏差,给出适合物流网络不确定性变量的区间运算准则,实现模型的确定性转化。在两层递阶优化求解策略下,结合区间运算与遗传算法,设计了区间分层优化遗传算法的求解模式。算例测试表明该方法具有较强的实用性,可以作为物流网络规划的决策参考方法。     

基于免疫算法的前向神经网络学习方法

提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。     

基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.