用GEP实现复杂函数的自动建模

GEP是一种新颖的遗传算法,在函数建模的应用中取得良好的结果.给出计算有效基因长度的伪代码,结合GRCM方法阅读基因,快速计算出染色体的适应值.在算法中增加了参数估计模块,用GEP得到较好模型后,用参数估计模块进行参数优化,试验显示这种混合的GEP方法比传统的最小二乘法、神经网络以及遗传程序设计等方法具有更好的性能.     

一种再制造物流网络设施定位优化方法

针对包含正向和逆向的再制造物流网络,提出一种由3种设施组成的2层物流设施定位优化方法,并给出0-1整数规划模型.基于遗传算法的全局搜索能力,全面考虑了正向流和逆向流及其它们之间的相互约束处理,避免了传统拉格朗日启发式算法中求上下限的繁琐计算过程.仿真实验表明提出方法的有效性.     

基于遗传编程的火电厂主汽温系统建模研究

遗传编程是基于自然进化理论的一种全局最优智能搜索技术,将它应用于系统辨识,可以实现同时辨识系统的结构和参数,并且得出的辨识结果是显示的。提出了一种新的多目标遗传编程算法,将进化的目标设定为偏差的平方和、表达式的复杂程度和最大动态偏差的综合最小。应用该算法辨识火电厂主汽温系统,仿真结果说明该算法是有效的,并且比常规遗传编程算法优越。     

三维粒子测速系统中遗传匹配法的设计

提出了基于遗传算法的三维粒子图像匹配方法及实际中的优化设计。该方法以视差为编码、结合SSD(sum of square difference)与SAD(sum of absolute difference)法对结果进行评估,并通过单点、多点的双交叉、变异与序列的混沌化处理达到对分析空间的搜索;最后,局部处理结合全局唯一性迭代检测进一步增加了匹配结果的可信度。利用优化前后所提算法对空间粒子图进行了对比及误差分析。结果表明:所提算法适用于粒子测速系统的立体匹配,能够给出较准确的视差信息。     

基于GA优化的质量矩拦截弹模糊滑模姿态控制

质量矩控制是一种全新的飞行控制方法,与广泛应用的空气动力控制相比,可以避免飞行器在超高马赫数飞行时舵面的气动加热问题,而且,可以提高飞行器的机动性、敏捷性和制导控制精度。以所建立的质量矩拦截弹数学模型为基础,通过对模型合理的简化,得到一个耦合的非线性动力学系统,利用滑模控制设计了拦截弹飞行时的姿态控制系统,提出采用模糊逻辑算法抑制系统抖振的同时,把控制系统的多个设计目标转化为不等式约束,采用遗传算法优化控制参数,控制系统性能满足设计要求。仿真结果验证了这种方法的有效性。     

空投设备缓冲气囊的优化设计

利用LS-DYNA对缓冲空投设备的气囊进行仿真计算,模拟其缓冲过程。同时利用遗传算法对气囊的排气孔面积、初始充气压力和排气压力进行优化。优化后的结果对空投实验具有很好的指导意义,可以减少气囊设计实验次数从而降低实验的成本。     

不同约束下多产品报童问题解的比较研究

不同约束形式代表决策者不同的决策过程。传统多产品报童问题只考虑预算和能力等线性约束,而不涉及损失约束,显然有违真实的决策过程。为说明损失约束模型不同于预算约束模型的决策特点,通过算例对两个模型的解进行了分析和比较,总结了各自的决策特点。预算约束模型参照基于预算边际效用删除法和一般迭代方法(GIM法)求解。损失约束模型应用基于损失边际效用排序的删除法与线性近似规划法求解。另外对GIM法中衡量误差的公式作了修正。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

用于连续域优化的蚁群算法及其收敛性研究

蚁群算法作为一种新的智能计算模式,由于其离散性本质而在组合优化问题上取得巨大成功,但这也限制了它在连续问题求解中的应用.为此,提出一种用于连续域寻优的改进蚁群算法.算法的局部搜索基于解决离散问题的经典蚁群优化思想,全局搜索利用Ant Walk和Ant Diffusion技术, 且每代寻优结束后均采用"精英策略"把本代最优个体保留到下一代中.最后在理论上对其进行了收敛性分析,证明可较快地收敛到全局最优解,并用几个基准函数对算法做了仿真测试,均取得良好效果.     

储层含油性识别中ANN和GA融合的模糊规则提取

提出一种基于ANN和GA融合的自学习自适应的模糊规则提取算法,用来对油层进行识别.其方法是:首先运用人工神经网络(ANN)对训练样本进行有导师学习,网络的输入是测井属性,输出表达为网络权值和输入的函数Ψk=f(xi(WG1)ij,(WG2)jk)(其中:Ψk代表含油性类别Ck的判别函数;C1为干层;C2为水层;C3为差油层;C4为油层).然后,以Ψk作为遗传算法(GA)中的适应度函数提取对应于类别Ck的模糊规则.最后,通过某油田oilsk81和oilsk83油井的实证研究表明,该方法能够有效地识别储层的含油性.