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．     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

处理带约束的多目标优化进化算法

针对当前对求解多目标优化的遗传算法中主要考虑如何处理相互冲突的多个目标间的优化,而很少考虑对约束条件的处理的问题,提出一种求解带约束的多目标优化遗传算法,利用邻域比较与存档操作遗传算法处理多个相互冲突的目标之间的优化、利用不可行度选择操作处理约束条件和选用约束主导原理指导进化过程选择操作; 面向多目标约束优化算法,列举了2个难点典型问题进行仿真计算研究,仿真结果表明该算法能较大概率地获得多目标约束优化问题的可行Pareto最优解.     

面向机械设计的一种改进的遗传算法

根据对机械优化设计应用中模型的约束与目标函数的特点,提出一种改进的遗传算法.提出个体多代生存的模式和种群规模动态波动促进优良模式积累的理念.对约束和目标函数的处理分别采用了新的选择和配对算子.采用一种小生境技术保持优化算法搜索的全局性能.最后通过实验验证了本文提出的理念以及改进的遗传算法对于复杂约束问题的良好性能.     

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     

基于遗传算法的结构振动主动控制优化方法

在结构振动主动控制的研究中，控制能量是限制其广泛应用的瓶颈。为减少控制系统所需能量，有必要对结构进行优化设计，而传统的优化方法对于振动主动控制系统的优化不太适合。为此，在杂交遗传算法和实代码遗传算法的基础上，开发了一种改进的杂交遗传算法，该算法不仅可以计算含不等式约束的优化问题，而且可以处理含线性等式的优化目标问题。最后给出了计算实例来说明所提方法的有效性。     

面向柔性装配系统的人机一体优化设计

工程设计过程可看作是一约束确定与满足过程,柔性装配系统的优化设计也是一约束优化问题。遗传算法是一种广泛应用于复杂工程技术系统设计的有效方法,但用遗传算法求解约束优化问题比较困难。在人机一体化概念的基础上,讨论了如何通过优化开始前的约束预处理、优化过程中的约束处理以及建立变异库给变异操作一个进化方向,来将以约束形式表达的领域知识融合到优化搜索过程中,从而提高了遗传算法的优化性能,并在柔性装配系统中成功地实现了人机一体优化设计。     

基于混合元胞遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,建立了以最大完工时间最小、机器最大负荷最小、总机器负荷最小为优化目标的多目标优化模型.引入多色集合理论,建立了柔性车间调度问题的多色集合约束模型,提出了基于多色集合约束模型的元胞遗传算法(apolychromatic collection based cellular genetic algorithm,PCGA),以解决遗传算法在求解柔性车间调度问题时表现出的早熟和收敛性不足等问题.用改进的元胞遗传算法求解柔性车间调度的多目标优化算例,并与其它遗传算法进行比较,实验结果表明,基于多色集合的改进元胞遗传算法在求解此问题时更为高效.     

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数可靠性优化设计总是,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。     

遗传算法的改进与应用

遗传算法不依赖于具体问题,作为优化方法用于决策支持系统有其明显优势．通常的遗传算法是一种求解非线性无约束优化问题的迭代自适应启发式概率性搜索算法,对于约束优化问题一般采用罚函数法将其化为无约束情形后再运用遗传算法求解．文中提出的基于浮点编码的改进算法,通过构造交叉与变异操作,可用来求解一类约束非线性优化问题．该方法已用于一个决策支持系统,取得了较好的效果     

免疫遗传算法在变频调速泵站中的应用

针对高速线材厂冷却水循环系统中调速泵站能耗高、效率低的问题,对调速水泵的性能进行了研究,建立了基于免疫遗传算法、变频调速技术以能耗为最小目标的优化运行数学模型,对不等式约束条件进行了简化。在求解数学模型的过程中,免疫遗传算法中融入了一种新的处理约束条件的方法。避免了处理约束条件时遇到的困难和遗传算法易早熟、易收敛等缺陷,使得处理约束问题简单化,并提高了收敛速度。最后通过仿真实验验证了此算法对于解决水循环系统中多台变频调速水泵并联优化运行问题的有效性。     

一种求解价格控制问题的混合遗传算法

针对价格控制问题提出了一种将遗传算法与单纯形法相结合形成的混合遗传算法，在分析了价格控制问题具体特点的基础上，对遗传算法在编码、约束处理、下层问题无解处理等方面进行改进，最后进行了数值模拟，模拟结果验证了该算法具有较高的精度且简便易行。     

基于遗传算法的约束优化方法评述

用遗传算法求解无约束优化问题已经取得了成功 ,但如何处理有约束优化问题是其面临的问题之一 .目前处理这一问题没有一致适用的方法 ,最常用的处理约束方法是惩罚函数法 ,也有一些其它方法 .本文对近几年出现的几种方法进行了介绍 ,并评述了它们的优缺点 .     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

户外广告资源配置优化模型及算法研究

针对户外媒体广告的特点,提出了一个户外广告资源配置优化模型,将其建模为一个带约束的整数优化问题,最大化户外广告的总收益。通过罚函数法进行约束处理,提出了一种协同混合粒子群算法进行求解,仿真结果表明了该算法的有效性。将这种模型运用于户外广告进行综合定价,能够较好地解决广告主和相关广告运营企业的共同利益互存,使双方的利益最大化。     

批量及路径可变时机器ROBUST布置问题

应用混合遗传算法(HGA)解决了生产批量及路径可变时的车间ROBUST布置问题，即用遗传算法找到一种车间布置，它在各个生产时期都是最优或接近最优的．对遗传算法操作中产生的违反约束的个体采用修补和动态惩罚相结合的处理方法，即对变异操作产生的违反约束的个体采用修补的方法，同时在目标函数中引入惩罚函数控制种群中违反约束的个体数目，并设计了一个模糊控制器动态地调整惩罚系数，以解决遗传算法中的约束满足问题，提高了遗传算法的效率．仿真结果表明，所提出的动态调整惩罚系数的思想及方法是提高遗传算法效率的一种有效途径．     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

一种基于遗传算法的AUV动目标避碰规划的方法

提出了基于遗传算法实现AUV对运动目标避碰规划的方法.该方法采用实数编码,把避碰、路径最短和航迹跟踪等约束条件映射为适应度函数,引入最优保存策略,保证了遗传算法的收敛性.计算机仿真表明,该控制方法使AUV能够较好的实现对运动目标的避碰.