改进的自适应遗传算法及其工程应用

引进小生境技术、种群迁移以及增加杂交个体之间的海明距离对自适应遗传算法进行了改进,从而建立了改进的自适应遗传算法,改善了传统的遗传算法局部收敛和早熟的现象,大大加快了全局搜索的速度以及搜索全局最优解的概率.工程实例表明:提出的改进自适应遗传算法应用于岩土工程的位移反分析具有搜索速度快、精度高等优点;同时对初始种群的形成方式、种群规模以及最大杂交概率、最大变异概率进行了参数分析.     

选煤厂配煤调度中的云模型改进遗传算法

针对传统遗传算法求解最优值存在搜索速度慢、容易陷入局部最优解的问题,基于传统遗传算法和云模型,提出了云自适应遗传算法和云遗传算法,建立了选煤厂三产品配煤调度模型,并分别采用改进算法和传统遗传算法求解。实例表明,两种改进算法优于传统遗传算法,为选煤厂配煤调度优化提供了技术途径。     

基于改进自适应遗传算法求解移动机器人路径的优化问题

通过对遗传算法进行自适应改进,计算出能够随时适应的遗传算子,克服了传统遗传算法的早熟收敛问题.通过运用序号法设定各货位在工作环境中的位置,建立移动机器人拣选作业的数学模型,运用改进自适应遗传算法对初始路径进行改进,得出最优解,并运用Matlab遗传算法工具箱对此进行仿真.实验结果表明,此方法收敛速度快,可以获得全局最优...     

基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。     

基于改进自适应多种群遗传算法的结构-控制系统一体化优化

提出一种改进的自适应多种群遗传算法,以更好地解决建筑结构-主动控制系统一体化优化问题,即同时对被控结构参数、控制算法参数、主动作动器布置位置进行优化。该遗传算法对编码方法、初始种群生成、选择策略、交叉概率和变异概率的自适应调整、多种群协同进化中移民策略等进行改进。研究结果表明：改进的自适应多种群遗传算法和改进的基本遗传算法优化结果总体一致,表明前者分析结果是正确的,并且具有较高的精度;改进的自适应多种群遗传算法和改进的基本遗传算法首次得到优化分析最优解的平均进化代数分别为320与730,表明前者比后者收敛速度更快;改进的自适应多种群遗传算法每次能达到或接近最优解,可有效克服基本遗传算法优化结果随机性较强的缺点;经改进的自适应多种群遗传算法优化的主动控制系统取得明显减振效果,E1 Centro波输入时,主动控制结构层间位移角峰值和绝对加速度峰值较无控时分别平均减小54.5%与46.7%。算例结果表明了改进的自适应多种群遗传算法的有效性,实现了对建筑结构-主动控制系统的一体化优化。     

基于改进自适应遗传算法的仿真研究

交叉概率Pc和变异概率Pm是遗传算法中重要的参数,自适应遗传算法中Pc和Pm能根据个体适应度差异自适应地调节其大小,在快速收敛和全局最优之间获得了较好的平衡,但自适应遗传算法对于进化初期不利.改进的自适应遗传算法避免了进化初期较优个体处于停滞不前的状态.分别用3种算法对典型的测试函数进行训练,仿真结果表明:改进的自适应遗传算法在收敛速度和寻最优解方面是最优的.     

改进遗传算法的试题智能组卷方法

对传统遗传算法在初始种群选取、遗传算法编码、适应度函数设计、遗传算子的自适应设计等方面进行了改进,提出一种改进遗传算法的试题智能组卷方法.仿真实验结果表明,改进的遗传算法在组卷时提高了在题库中搜索的效率和准确性,有效地解决了智能组卷中的多条件约束优化问题,提高了组卷效率和成功率.     

改进自适应遗传算法解决登机桥桥手调度问题

为了降低因登机桥桥手调度问题而引起的机场运行秩序被破坏、登机桥桥手工作效率低下以及工作负载不平衡事件发生的可能性,该文通过改进自适应遗传算法结合登机桥桥手调度原则对调度问题进行建模求解。首先设计了有针对性的适应度函数。同时为了克服传统遗传算法无法直接应用于该问题以及改进算法性能,该文改进了算法的执行流程,最终通过改进后的算法对问题进行优化计算。通过算法计算得到了满意的调度结果,并且与基本遗传算法、传统改进自适应遗传算法以及模拟退火遗传算法进行比较,发现性能得到大幅度提升。算法不仅避免了未改进之前的早熟问题,同时加快了收敛速度以及人工调度带来的隐患,同时克服了传统遗传算法无法直接适用于登机桥桥手调度的问题,为机场地勤部门对于桥手调度问题提供了工具和方法,具有重要实际意义与工程应用价值。     

改进遗传算法求解带不相关并行机的HFSP

以最小化最大完工时间为目标的不相关并行机混合流水车间调度问题。首先建立了不相关并行机混合流水车间调度问题的数学模型;然后提出了改进的遗传算法进行求解。为弥补遗传算法的迭代后期容易陷入局部搜索的缺陷,在传统遗传算法的基础上利用改进的自适应交叉和变异概率因子及模拟退火局部搜索策略,增强遗传算法在迭代后期跳出局部最优的能力。并通过两个案例来验证改进遗传算法的有效性。     

基于改进遗传算法的控制器参数优化

针对标准遗传算法易发生成熟前收敛和收敛速度过慢的缺点,提出了保护优秀个体、引入外来移民以及采用自适应交叉和变异算子等改进策略.综合分析了它们对算法收敛性的影响.应用改进遗传算法对PID控制器参数进行优化设计,并与传统的ZN法、简单遗传算法进行比较,仿真结果表明控制系统的时域性能指标有极大改善.     

有限制自适应遗传算法在三峡水电站厂内经济运行中的应用

针对三峡水电站厂内优化运行问题,提出一种改善算法收敛性的有限制自适应遗传算法．为了保证适应度函数的非负性,采用包含解空间初始种群生成和有限制摄动变异的有限制策略．运用个体优劣和群体分散程度自适应调整的交叉和变异概率,保持种群多样性和提高收敛速度．三峡水电站厂内经济运行不同量级的26台机组负荷分配结果表明：有限制策略解决了机组空蚀振动问题且保证了适应度函数的非负性,改善了算法的收敛性;同时,根据个体优劣和群体分散程度进行参数自适应调整的策略对于求解水电站厂内经济运行来说,是一种有效可行改进方式．     

遗传算法进化中积木块的识别和利用研究

提出了一种基于积木块识别的遗传算法，该算法通过对进化过程中的候选积木块进行识别与利用来加速搜索，从而避免遗传算法随机搜索的盲目性．利用经典的对称旅行商问题求解过程来测试各种识别方法，再利用积木块的识别结果改进原有遗传算法，包括改进积木块的识别率以及基于积木块的交叉、变异算子．与基本遗传算法的计算结果对比分析表明，所提算法可显著提高遗传算法的搜索效率，减小遗传算法随机搜索的波动性．     

运用改进遗传算法的输电网规划

遗传算法对许多问题是有效的，但普通遗传算法只能保证全局最优解的出现而不能保证每次都收敛于全局最优解，其原因是在搜索过程中出现的全局最优解不能保留下来，针对这一问题，本文将改进自适应代沟方式的遗传算法用于输电网规划中，一方面保证了计算结果有多个解可供选择，另一方面加快了搜索速度，提出了搜索性能，算例表明了这种改进方法的优越性。     

基于遗传算法的发电机线性最优励磁控制研究

介绍了求解发电机励磁控制器中的增益矩阵K的一种新算法－－遗传算法,它不同于常规算法的特点在于,从多个方面初始点开始,沿多路径搜索实现全局最优或准全局最成,计算过程不需要存储状态或决策变量的离散点,节约计算机内存,不必求导计算,编程简单,是一种有效的自适应随机搜索算法,仿真结果表明,用遗传算法设计的发电机励磁控制器具有良好的控制效果和鲁棒性。     

基于遗传算法的多用户OFDM比特加载

根据最小发送功率准则,针对多用户OFDM系统,提出了基于遗传算法的自适应比特加载解决方案.采用的矩阵编码方法直观、简单,具有并行性运算特性.通过交叉和变异让搜索跳离局部极值的陷阱,搜索到全局最优解.仿真结果表明,在给定的误比特率下,遗传算法与等比特分配方案相比可节省功率5~6 dB,与multiuser adaptive OFDM(MAO)方法相比仅相差1 dB,同时遗传算法的并行性使得节省了运算时间,提高了运算效率.     

一种基于遗传算法的OFDMA系统的跨层资源分配

针对现有的跨层资源分配算法计算量大、复杂度较高的问题,提出了一种基于遗传算法的OFDMA系统的跨层资源分配算法。利用遗传算法隐形并行处理、较好的全局搜索性能、易收敛到最优解的特点,在系统性能一定,且满足各个用户业务要求的条件下,对资源进行优化分配,较好地解决了跨层资源的分配问题。仿真结果表明,在满足用户间公平性的前提下,算法有效提高了系统的频谱利用率及吞吐量,减小了用户的平均等待时延,提高了服务质量,并且随着子载波数和用户数的增加,算法在复杂度方面优势更突出。     

煤与瓦斯突出强度预测的IGABP方法

针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面进行改进,以提高GA自身的性能。其次,将BP导向性训练以算子的形式引入到标准GA进化过程,实现了GA寻优搜索的随机性向自主导向性转变。BP对GA搜索到的近似最优值进行微调,GA算法的收敛速度得到提升,确定精确解的位置能力加强,同时,又避免了单一BP网络本论文易陷入局部极小值的缺点,实现了两者一体化结合。仿真实验表明,构造出的进化神经网络更能反映煤与瓦斯突出强度样本的复杂非线性关系,有效克服了传统模型的不足,其运行效率、预测精度、可靠性等方面均优于传统模型,为瓦斯智能预测提供了新的解决方案。     

具有局部搜索能力的自适应变异遗传算法

针对函数优化问题，提出一种自适应变异遗传算法来提高局部搜索的能力，弥补简单遗传算法易于早熟收敛的缺陷。最后以De Jong函数为仿真对象，将此算法与其它三种遗传算法进行比较，仿真结果表明此算法对于函数优化问题非常有效，大大加快了算法的收敛速度，并大幅度提高了搜寻到最优解的概率。     

利用优化的遗传算法解决饲料配方设计问题

 利用改进和优化传统遗传算法的选择策略、搜索空间,自适应调整交叉率和变异率提高了计算效率,并在遗传进化过程中用优秀个体群来逐步缩小搜索空间,提出了求解饲料配方设计问题的一种改进方法(GA+).应用该方法对3个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的遗传算法.结果表明,GA+较好地保持了种群的多样性,精度高、收敛速度快,对求解饲料配方设计问题非常有效.