无线传感器网络中目标检测节点的优化部署

为提高无线传感器网络的目标检测精度，提出了一种基于遗传算法的节点部署优化方法．通过把传感区域模型化为网格，将目标定位问题转化为确定目标在某个网格点的问题．随后，将传感器节点部署问题形式化为一个组合优化问题，其目标是在有限的成本和完全覆盖条件下减小最大分辨误差．遗传算法采用二进制编码表示节点的位置，使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率．实验结果表明，基于遗传算法的求解方案能快速地求出传感器节点位置优化问题的全局最优解，并满足目标定位的精度要求．     

基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础，提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题，并设计出相应的适应度函数、改进的算子以及控制参数，以弥补传统基因遗传算法的不足，提高了执行速度和进化效率．     

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法。在计算过程中，设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整，并且通过引入进化策略中的自适应高斯变异算子，对变异算子进行改进，加速了算法的收敛性。为了验证算法的可行性和鲁棒性，对一个高维多峰函数的极小值搜索问题进行了求解，并将算法进一步应用于离心叶轮的形状优化问题。计算结果表明，该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷，在收敛性和鲁棒性方面均优于传统的实数编码遗传算法。     

遗传算法的改进及其在水库优化调度中的应用研究

遗传算法是通过对样本中个体的不断改进来寻找各类问题的最优解。由于标准遗传算法（SGA）存在收敛性及个体适应度求解方面的困难，在研究中，通过对SGA中遗传算子改进，特别是对选择算子的改进，提出了一种改进遗传算法（AGA），并将它应用于水库优化调度中。改变通常以水位变化序列为基础的遗传算法编码方案，通过数组存储水库库容状态，并以各库容状态对应的数组下标为基础进行遗传算法编码，通过实例，表明AGA对水库优化调度问题具有良好的适应性，同时结合数组存储理论的遗传算法编码方法简化了水库优化调度遗传算法的实现过程。     

基于自适应遗传算法的无刷直流电机的优化设计

对遗传算法特别是自适应遗传算法作了分析，重点研究了交叉算子和变异算子对遗传算法收敛性的影响，提出了一种改进的自适应遗传算子的方法。该方法可在遗传模式得到保证的基础上加快新个体的产生速度，所构造的遗传算子随适应值自动变化，对远离最优值的个体采用较大的遗传算子值，对接近最优值的个体采用较小遗传算子值，以提高得到全局最优解的概率。通过测试函数的求解，验证了所构造的自适应算子的有效性和正确性。实算结果表明，在无刷直流电机的优化设计中，改进后的自适应遗传算法可在满足各项性能指标的前提下取得良好的优化效果，得到全局最优解的概率较改进前有明显提高。     

改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下，为了避免或减少钻井事故的发生，达到优质快速钻井的目的，选择合适的钻井液体系至关重要。基于案例推理（CBR，Case-Based Reasoning）的钻井液设计中，钻井液体系由岩性、井型和井深等属性推理得出，但属性权重的分配会对推理结果产生显著的影响；遗传算法在优化属性权重时，存在收敛速度慢、收敛精度低的缺点。针对上述问题，提出一种解决CBR中属性权重分配问题的改进遗传算法。首先，对遗传算子进行改进：选择算子方面，利用指数尺度变换法优化个体选择；交叉算子方面，对算术交叉中的比例因子进行自适应调整；变异算子方面，改进个体变异方向，保持种群多样性。其次，从个体适应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后，通过对UCI数据集的对比实验，证明了改进后的遗传算法能改善全局收敛性能，提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中，实验结果表明，所提方法能够优化属性权重的分配，进而提高钻井液设计的质量。     

基于特征保持和三角形优化的网格模型简化

在已有的以几何误差最小化为准则的边折叠简化算法的基础上，提出了一种新的三角网格模型简化算法．通过分析网格模型中顶点超邻域的二次误差矩阵，对模型上的重要细节特征进行定位，实现了网格简化过程中细节特征的保持．同时，在边折叠的代价函数中考虑新生成三角形的空间形状优化，并改善了简化序列的构造．算法既保持了边折叠算法快速的优点，又满足了对逼真度和网格质量的较高要求．     

遗传算法结合改进前向神经网络进行叶轮设计

为加速遗传算法的进化过程和缩短其进化周期，探讨了将遗传算法融合神经网络进行离心叶轮形状优化设计的方法，即应用神经网格替代有限元法来完成结构优化设计中的静应力分析任务．同时，提出一种改进的前向反馈神经网络(BP算法)，在训练过程中，学习率和动量项依据输出的均方差自适应调整，来加快网络训练速度和改善收敛性．采用混合神经网络的遗传算法对某离心压缩机叶轮进行优化设计，结果表明优化设计时间可缩短至单纯采用遗传算法的几十分之一，同时也验证了该方法的有效性和可行的。     

基于Kinect 2的三维人脸个性化建模

提出一种基于五官形状特征点以及人脸肌肉函数的优化Kinect 2 个性人脸网格的算法,然后通过自适应uv贴图,使结果更符合个性人脸特征.首先,通过提取彩色图的特征点位置获取个性人脸的x,y 空间的特征信息,基本的五官形状特征点为83 个,通过相似三角关系在鼻梁和鼻翼处添加了6 个特征点以丰富五官形状特征信息.肌肉形状特征约束方面,综合肌肉形状约束量有43 个.其次,通过Kinect 2 人脸个性化建模得到中间模型,同时也获得了五官形状和肌肉形状特征的深度先验信息.接着使用基于拉普拉斯算子的微分网格变形算法对Kinect2 的中间模型进行五官优化及肌肉形状约束,通过对比ASM、正则化均值漂移和face + + 算法检测的人脸特征点来选择更精确的五官位置.最后,为了让人脸更具有真实感,还通过平面微分网格形变实现了uv 自动贴图,提升了maya中手动调整uv 坐标的准确性和效率.同时,使用次表面散射光照模型来使人脸皮肤的真实感加强.实验表明,本文所采用的三维人脸模型的个性化变形方法能使Kinect2 模型更好地符合个性人脸特征,这将为后期的表情生成和动画制作奠定良好的基础.     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

改进DNA遗传算法求解非线性多约束规划研究

基于生物DNA信息遗传机理及生物进化规则，给出一种基于DNA编码方法的改进遗传算法，以求解非线性多约束规划问题，原始的选择算子和交叉算子分别被改造为动态选择算子和基因传递算子；算法中还加入了一个新的算子——淘汰算子，分析及算法仿真结果表明，本算法可有效求解该问题。     

基于遗传算法的机器人综合路径规划

为解决机器人路径规划问题,在极坐标系下利用遗传算法,依据多属性决策理论提出了新的综合适应度函数。采用基于该适应度函数的遗传算法可首次规划出满足路径、时间和耗能3个约束属性的最优路径。同时引入理想适应度函数,并基于引入的理想适应度函数,提出一种新的变异算子,该变异算子可保证个体变异的方向性,对优异的父代个体有较小变异、劣质个体有较大变异。仿真结果验证了算法的可行性和有效性。     

基于图形旋转系统的渐进网格研究

拓扑简化可以为渐进网格带来更好的效果，但目前几乎所有的渐进网格方法都不支持拓扑简化，而且edge collapse和vertex split操作有时会产生非流形．针对这些问题，提出了基于图形旋转系统的渐进网格法．以基于图形旋转系统的数据结构和操作实现了渐进网格，用图形旋转系统的操作集合构建了edge collapse和vertex split操作．在此基础上，通过扩展新操作即可进行任意拓扑变化，从而实现拓扑简化，     

基于混合遗传算法的两流薄板坯连铸连轧流程生产调度系统

首先建立了两流薄板坯连铸连轧流程生产调度规则库.然后根据该生产流程的特点,提出了遗传算法新的编码、交叉、变异操作及改良的概念,并在遗传算法的初始种群建立和改良过程中引入调度规则.在此基础上,利用调度规则和遗传算法相结合的混合遗传算法建立了两流薄板坯连铸连轧流程生产调度系统.该调度系统可以较好地解决两流薄板坯连铸连轧流程的动态调度问题,进一步优化生产组织.     

一种基于遗传算子优化组合的TSP问题求解方法

一般遗传算法求解旅行商问题时,存在着搜索速度与求解质量之间的矛盾.针对此问题提出了一种逆序与对偶组合算子,用以增强遗传算法的局部搜索能力.将其与具有良好全局搜索模式的均匀杂交算子优化组合应用,采用自然数和二进制相互转换的编码方式,构造了一种对TSP问题进行求解的遗传算法,保证了算法的全局收敛性.仿真实验结果表明,该求解方法具有良好的搜索效率和求解质量.     

一种改进的自适应遗传算法

在对自适应遗传算法中选择、交叉、变异算子作用分析的基础上,提出一种新的自适应遗传算法,新算法基于实数编码机制,选择操作采用精英选择与轮盘赌相结合,变异和交叉操作采取根据适应度自适应地非线性调整变异和交叉概率的策略,同时提出进化的后期采取先变异后交叉的操作次序.仿真实验表明,新算法有效防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力.     

改进的遗传算法在优化设计中的应用

针对实际机械优化设计中大量的非线性规划问题,提出一种改进的遗传算法.在对单纯形搜索与算术交叉思想进行分析的基础上,将二者相结合,提出了改进的交叉算子以提高遗传算法的局部寻优能力,将种群逐步向极值点引导,实现算法的快速寻优.同时,为了更好地引导非可行个体趋近可行域,改善解的可行性,将惩罚策略与修复策略相结合提出修复算子,对不可行解进行修复操作,加快个体趋近可行域的速度,提高算法搜索效率以及对非线性约束的处理能力,从而达到改善算法整体性能的目的.实际机械工程优化设计问题的应用研究验证了这种方法的有效性.     

一种改进遗传算法性能的方法研究

考虑种群多样性,提出一种描述多样性的函数.根据多样性函数值的大小,引入局部退化算子,改善种群的多样性,抑制早熟发生.模拟生物杂交原理,根据被交叉个体的海明距离,决定被用于交叉个体的类别,同类个体之间的交叉采用等位基因的交叉,异类个体之间的交叉采用非等位基因交叉即在某一类个体中引入异类个体的某些基因,达到快速产生优良个体的效果,通过求取函数极值问题的仿真实验,说明该方法提高了遗传算法的收敛速度,减少了早熟收敛的可能.     

遗传算法的多样性与收敛性

从遗传算法的选择算子研究多样性和收敛性对求解速度和质量的影响. 通过遗传算法解决TSP问题, 介绍了具有多样性的轮盘赌算子和具有收敛性的标准锦标 赛算子, 在综合考虑多样性和收敛性的基础上, 通过改进提出保留上代锦标赛算子和新锦标赛算子, 并得出结论, 增加其多样性, 会使收敛速度变慢; 加快其收敛速度则会破坏其种群多样性, 从而影响在限定的代数内找到最优解的机会, 并影响最终解的质量. 为更好地解决实际问题, 需折衷考虑多样性和收敛性.