基于遗传算法的交通信号控制多目标优化

针对城市交通信号控制面临的多目标优化问题,提出了利用遗传算法实现多目标优化的方法.分析了城市交通信号控制多目标优化的本质及特点,采用基于遗传算法的多目标优化方法,提出了信号控制多层模糊控制模型,以平均延误和停车次数作为优化目标,采用遗传算法中的随机权重方法来进行该模型的多目标综合优化,给出了各模型参数的计算方法和优化步骤,最后进行了仿真试验.仿真结果表明,给出的多目标优化方法优于传统的多目标固定权重方法,可以获得更好的交通信号控制效果.     

隔减震结构中黏弹性阻尼装置的遗传算法优化分析

研究了基于遗传算法的粘弹性阻尼装置在结构隔减震控制中的多参数并行优化问题.同时考虑了粘弹性阻尼装置的材料性能和形状尺寸参数的组合优化,从性价比的角度提出了目标优化函数,建立了粘弹性阻尼装置参数的优化模型.以单自由度隔震结构体系为例,采用遗传算法对其进行优化分析.结果表明：在结构和造价的双重预期目标下,通过遗传算法优化分析得到,加入粘弹性阻尼装置后,结构的位移和加速度都达到了预期的效果,同时也表明遗传算法在用于多个组合参数的优化设计时是可行且有效的.     

隔减震结构中粘弹性阻尼装置的遗传算法优化分析

研究了基于遗传算法的粘弹性阻尼装置在结构隔减震控制中的多参数并行优化问题.同时考虑了粘弹性阻尼装置的材料性能和形状尺寸参数的组合优化,从性价比的角度提出了目标优化函数,建立了粘弹性阻尼装置参数的优化模型.以单自由度隔震结构体系为例,采用遗传算法对其进行优化分析.结果表明:在结构和造价的双重预期目标下,通过遗传算法优化分析得到,加入粘弹性阻尼装置后,结构的位移和加速度都达到了预期的效果,同时也表明遗传算法在用于多个组仓参数的优化设计时是可行且有效的.     

基于多目标遗传算法的主动悬架滑模控制器设计

为提高车辆的乘坐舒适性和行驶稳定性,针对主动悬架的车身垂直加速度、悬架动行程和轮胎动载荷性能冲突,以及考虑参数不确定与外界干扰带来的鲁棒性问题,本文拟采用滑模控制方法对汽车非线性主动悬架进行主动减振控制研究,并结合多目标遗传算法对滑模控制器进行多目标参数优化.首先,根据1/4车辆主动悬架系统模型利用Lyapunov稳定性理论进行滑模控制器设计;其次,基于滑模控制到达条件和滑模面的稳定条件,结合Hurwitz稳定判据选择合适的滑模面参数;然后,为改进滑模控制方法中按经验选取参数时的不足,采用多目标遗传算法对滑模控制器参数进行多目标优化;最后,进行数值仿真模拟.仿真结果表明,采用多目标遗传算法对滑模控制器进行参数优化后显著地改善了汽车的乘坐舒适性和行驶稳定性,对汽车非线性主动悬架的减振控制起到了一定的推动作用.     

基于多工况分析的焦炉加热过程火道温度模糊控制

对于焦炉加热这一复杂工业过程,提出一种包括协调层和优化控制层的多工况火道温度优化控制方法.协调层根据对焦炉加热过程工艺参数的分析,采用多信息融合的二次决策方法,由荒煤气的温度识别焦炉加热过程的实时工况,针对不同的工况选择合适的优化控制模型.基于工况分析,在优化控制层采用一种基于自适应遗传算法的多目标模糊优化控制方法,针对不同工况下的模糊控制器量化因子和比例因子调节困难的问题,采用精英保留和赌盘算法相结合的选择策略,以及具有自适应交叉概率和变异概率的遗传算法对模糊优化控制模型的参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度,并且通过对控制精度、能量消耗和调节时间等各项指标适当加权,构造适应度函数,使优化后的模糊控制模型达到满意程度.采用具有多工况火道温度智能优化控制结构的方法取得了良好的控制效果,为焦炉加热过程的优化控制问题的解决提供了一条新的途径.     

基于改进遗传算法多体模型的汽车悬架参数优化

针对遗传算法普遍存在的概率参数主观选取问题、早熟问题以及汽车悬架优化模型采用集中质量模型问题,提出了改进遗传算法,采用交叉算子和变异算子分别独立作用于父代个体,使父代所有个体都进行交叉和变异来避免概率参数的选取问题;然后按父子混合杰出者选择策略产生子代个体;使用局部多次搜索算子和替换策略来加快遗传算法的收敛速度;建立遗传算法和ADAMS软件的接口,使用专业软件ADAMS来处理复杂目标函数和适应度的求解问题,实现复杂多体模型的遗传算法优化。通过对33自由度的汽车悬架多体模型进行优化分析并和传统优化方法、标准遗传算法和小生境遗传算法进行对比,结果表明该方法明显优于其它方法。     

基于微型多目标遗传算法的布料机臂架结构优化

针对目前用于散料输送的大跨度布料机布料臂架结构重大、设计冗余度严重过剩等问题,采用一种微型多目标遗传算法对布料臂架主梁结构尺寸进行多目标优化.以各节臂架主梁的截面尺寸为优化变量,以增强臂架刚度和轻量化为优化目标,结合微型多目标遗传算法和参数化有限元建模技术,建立了布料臂架的优化设计模型.此方法既能高效率地解决增强臂架刚度和臂架减重等优化问题,又能仅通过一次计算就提供多组方案以满足对布料机性能控制的不同需要.该优化结果已用于该系列布料机的定型设计.     

电子膨胀阀调节蒸发器过热度的控制算法

将遗传算法引入蒸发器过热度的模糊控制中,对确定优化目标、选择优化参数、遗传算法的编码、产生初始样本群、求适与值、繁殖、交叉、变异、选择运算、获得优化参数等问题进行了研究;对比了遗传算法优化的模糊控制与PI控制的效果。遗传算法引入模糊控制,解决了蒸发器过热度控制中,只能依赖人的经验调速隶导度函数的难题,从而简化了模糊控制设计的过程;模糊控制与PI控制相比,过热度调节过程稍慢,但比较平稳,过热度控制精度较高。     

遗传算法求概率积分法预计参数程序设计

目前基于概率积分法求取地表移动预计参数的优化算法,如线性最小二乘法,具有易发散、易出现局部解、对初值要求较高、抗粗差干扰性弱等问题。遗传算法(Genetic Algorithm)是一种高效的全局寻优搜索方法,采用人工进化的方式对目标空间进行随机优化搜索。采用遗传算法,利用地表任意点的概率积分法数学模型编写了求取地表移动预计参数的程序,通过皖北某矿井的1013工作面的观测数据并结合地质采矿条件反演了地表移动预计参数,通过与传统的优化算法所求取的参数比较,证明了遗传算法反演结果的准确性和可靠性。     

铅锌烧结过程的智能集成优化控制系统

以铅锌烧结过程的优化控制为背景,建立了铅锌烧结过程的烧穿点预测模型、综合透气性预测模型、综合工况预测模型,得到了烧结过程的优化控制的目标函数.采用模糊专家规则进行烧结过程状态控制,同时采用聚类搜索混沌遗传算法获得最优的操作参数,从而实现了铅锌烧结过程的在线实时集成优化控制.提出了智能集成优化控制系统,解决了多输入多输出复杂工业过程的控制问题.     

基于遗传算法的核电备件库存模型仿真优化

备品备件是核电厂设备检修的物质基础,然而持有过量的备件库存将增加核电厂运营成本,通过设置合理的备件库存参数,在保障供应和控制库存之间寻找到一个合理的平衡点。针对核电备件库存参数设置问题,将遗传算法引入备件库存参数优化领域。通过建立核电备件库存参数评价方法,将核电备件库存参数设置转换为多变量优化问题,使用遗传算法计算最优库存参数。选用大亚湾核电厂的备件进行仿真测试,当给备件增加多种领用波动时,使用遗传算法计算的备件库存参数均优于当前数据库中的库存参数,结果表明遗传算法应用到备件库存参数优化领域具有重要的实用价值。     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题，传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题，该文采用多重参数化方法处理最优控制问题，非可微精确罚函数方法处理约束条件，引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性，优于遗传算法以及序列二次规划等经典优化算法。     

应用混合优化算法求解一类热传导反问题

热传导反问题具有非线性,不适定性等特点,研究方法很多,但通常方法很难较好地接近全局最优.在遗传算法的基础上,研究了基于遗传算法+梯度法的混合优化算法求解一类热传导反问题.具体介绍依据目标函数如何利用上述的算法寻找最优参数组合.进行了大量仿真实验,结果显示在解决热传导反问题优化问题中,混合优化算法性能优越,具有良好的收敛性和快速性.     

混合动力电动汽车系统参数的优化方法研究

混合动力电动汽车(HEV)的系统参数匹配影响着整车的动力性能、燃油经济性及排放性能,是HEV设计初期的一项重要工作。目前HEV的系统参数匹配多是基于仿真环境下的多变量多目标非线性优化问题。从数学模型、仿真环境和优化算法3方面介绍了HEV系统参数的优化,以ADVISOR为主要仿真工具,得出在HEV参数寻优过程中非梯度算法DIRECT的效果是最好的,并且指出遗传算法应用于HEV多目标优化问题具有较大的研究价值和发展前景。     

用改进的遗传算法实现网络计划优化

遗传算法的网络计划优化属于离散的非单调、欺骗性问题，较难得到全局最优解．而采用改进的遗传算法，并运用数据库，通过对大量实际运算结果的统计分析表明：改进后遗传算法，能显著提高全局最优解的成功率．研究中发现，该类问题适应度的动态缩放技术具有最好的效果，并就该类问题提出了合适的参数取值．     

一种新的改进遗传算法在等距型面检测中的应用

设计了一种新的遗传算法用来测量等距型面的廓形参数和误差.标准遗传算法的控制参数为常数,将变异概率设计为随遗传代数变化的函数,设计了改进的遗传算法,并进行了实例计算.计算结果表明,该改进的遗传算法可以很好地解决等距型面的检测问题.     

遗传算法在铁路客车横向稳定性多参数优化中的应用

以典型铁路客车的动力学模型为研究对象,以车辆最大可行速度为目标函数,采用遗传算法对其横向稳定性参数进行了最优化的计算研究．结果表明：遗传算法在求解车辆动力学系统的参数优化问题中具有很好的适用性．尤其是对于多参数、多峰的非线性问题,该法提供了求解问题全局最优解的可能性．     

基于二维函数地貌的遗传算法控制参数优化研究

针对遗传算法求解函数优化问题时控制参数难于确定的问题,提出先将函数按地貌信息聚成不同类,按类给出最佳的控制参数指导知识的解决方案。本文以复杂二维函数优化为例,提取表达函数的地貌信息特征参数,采用模糊C均值法将其聚类,得到适于不同类函数的最佳控制参数的知识。该知识可以指导遗传算法以最佳的控制参数进行函数优化。本研究为获取遗传优化最佳控制参数提供了一种新方法。     

基于粒子群优化的主动悬架PID控制策略

针对汽车主动悬架比例-积分-微分控制器（proportional-integral-derivative,PID）参数选择问题,传统PID控制参数整定具有一定的盲目性。设计粒子群优化算法,目标函数根据悬架性能指标建立,利用粒子群优化算法,优化PID控制器中的参数。结果表明,与优化前PID控制的主动悬架相比,采用粒子群优化PID控制的汽车主动悬架的性能指标有了明显的提升。最终得出结论,经过粒子群算法（Particle swarm algorithm,PSO）优化后PID控制提升了汽车行驶平顺性及操纵稳定性,同时解决了PID控制器参数整定的问题。     

基于改进型蚁狮算法的PID控制器参数优化

由于被控对象往往具有高阶非线性等特点,传统PID( Proportion Integration Differentiation) 控制器参数整定方法容易使控制器出现超调、震荡、性能变差等缺陷。为此,提出运用将蚂蚁和蚁狮的移动步长进行改进的蚁狮算法对参数进行优化,通过其互动关系,选择最佳蚁狮位置确定控制器参数,并与改进前蚁狮算法及其他优化算法进行了对比。仿真结果表明,基于改进型蚁狮算法的PID 控制器具有较好的性能指标,相比于改进前蚁狮算法、遗传算法和粒子群算法,该算法具有较高的系统控制精度,以及较短的响应时间等优点,且算法实现更加简单,证明了该方法对于优化PID 参数具有优越性和有效性,为PID 控制器的参数优化提供了参考。