遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法．探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法．该算法可处理受应力、位移约束的结构优化问题．数值计算实例表明该算法效率高，具有很强的适应性     

自适应杂交NGA及其在多值电路分析中的应用

提出了一种具有自适应交叉算子的ＮＧＡ算法（简记为ＡＣＮＧＡ），以解决具有多模态函数的参数优化问题，ＡＣＮＧＡ能随着解空间参数结构的变化，自适应地选择不同的杂交算子并确定相应的杂交率，使解群在保持多样性的前提下，以较收敛率得到最优解集。该算法可求解非线性方程组，并主解具有任意约束关系的非线性电阻电路的所有解。     

一类高精度非线性系统参数和阶次辨识的浮点遗传算法

本文给出一种基于浮点操作的具有遗传算法机制的迭代启发式随机搜索算法。该算法同随机逼近算法相结合对非线性系统的参数和阶次的辨识结果表明，具有精度高和收敛性好等特点。     

基于遗传算法的批调度问题

对把独立的、可同时达到的工件组批，并同时在单机上确定批内序和批间序的批调度问题进行了研究。给出了问题的数学模型，并构造了一个有效的遗传算法。实验结果表明是有效的。     

基于隶属度-遗传神经网络模型的水质综合评价

针对水质综合评价问题,提出了基于隶属度-遗传神经网络的水质综合评价模型.水质综合评价模型对反向传播神经网络初始权值和阈值用遗传算法优化,并将隶属度的概念引入遗传神经网络,以便确定水质污染影响因子和水质等级.以苏帕河梯级电站水质监测数据为例,对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法提高了运算精度,减小了全局误差,均方误差降低至6.337 14×10-5,用于水质综合评价合理、准确,有其独特的优越性.     

伪并行遗传算法在供水管网优化调度中的应用

讨论了基于微观水力模型的多水源大型供水管网优化调度问题的主要特征，并提出了求解该问题的改进遗传算法．首先，针对决策变量的结构提出二进制-实数混合编码策略；其次，设计并实现了多种群进化的伪并行遗传算法．将本算法与单一群体进化算法同时应用于实际管网的优化调度求解，结果表明，通过个体迁移策略，伪并行遗传算法可以加速优化搜索的进程，显著改善解的质量，并有效节省运行调度费用．     

多目标遗传繁衍样本策略的应用研究

提出了以最小误差平方和作为样本相似度,结合制约条件经验公式的多目标遗传算法进行样本繁衍的策略,并探讨了使用多目标遗传算法对样本进行重复繁衍,从而得到符合真实条件并与原始样本非常接近的仿真样本,以便与原始样本一起进行训练得到可用神经网络的方法。作为对该方法的验证,笔者使用这种方法在仅能获得43个样本的基础上,建立了一个用于预测爆炸密实法地表沉降量的神经网络模型,获得了良好的效果。     

基于遗传算法的线性多输入系统极点配置设计方法的研究

在确定的闭环极点下,多输入线性时不变系统的状态反馈矩阵的解不唯一。针对无法解决的优化问题,提出了一种新的基于遗传算法的设计方法,即将传统的直接计算法和遗传算法相结合,找到合适的优化参数,从而找到最优阵。该算法不需要复杂的计算,物力实现容易。对于具有普遍性的对象进行MATLAB仿真,试验结果表明新算法得到的反馈矩阵优于其它各种方法,从而具有一定的理论意义和实践意义。     

水平轴风力机风轮叶片优化设计模型研究

提出了风力机风轮叶片的优化设计模型,该模型考虑了风场风速的概率分布,以风力机年能量输出最大为设计目标,使用遗传算法进行搜索寻优.利用开发的优化设计程序,设计了1.3 MW风力机的叶片.与已有风力机相比,设计结果显示了明显的优越性,从而说明了该优化设计模型的有效性和实用性.     

一种基于遗传算法的权重的确定方法

针对模糊综合决策中权重的确定,提出了一种新的解决方法——用遗传算法来求解.遗传算法具有全局搜索能力,可以找到一个近似的最优解,在算法中应用了替换操作,以提高种群的多样性,有效地避免早熟现象的发生.此算法克服了其他方法主观性偏强的缺点,实验结果也表明算法是有效的.