梯度遗传算法对一类非平滑优化问题的应用

提出一种求解非平滑优化问题的计算方法,通过引入约束将非平滑的优化问题转化为平滑的优化问题,以便使用梯度遗传算法(GGA)求解,充分利用遗传算法的自由性来找到一个初始最优解,并通过梯度算法进行快速的改进,最后,通过一个计算实例验证了结论.     

基于Kriging法的铁道车辆客室结构优化

为解决铁道车辆客室空间尺寸和内部部件接触刚度优化配置问题,实现客室结构多目标多参数优化设计,以座椅-桌子结构和座椅-座椅结构2种模型为例,基于Kriging算法构造了目标参数(乘员头部性能指标CHI15,CHI36和胸部性能指标CT3ms)关于设计变量(小桌高度h、小桌与座椅距离l1、座椅间距l2、桌子接触刚度k1和座椅接触刚度k2)的代理模型,分别得到目标参数随设计参数变化的响应曲面,并采用遗传算法对建立的目标参数代理模型进行整体寻优,得到2种结构模型的最优参数配置。分析结果表明:各代理模型的遗传算法寻优结果与数值计算的模拟结果吻合较好,误差范围为-5.94%~2.23%,说明基于Kriging代理模型和遗传算法的优化结果是可靠的。研究结果可用于指导铁道车辆客室结构的布置。     

Pu2O3晶体结构、弹性和电子性质的 密度泛函理论研究

采用基于密度泛函理论的全势能线性缀加平面波方法(FLAPW),在局域自旋密度近似(LSDA:local spin density approximation)和广义梯度近似(GGA:generalized gradient approximation)及LSDA/GGA+U下,系统研究了强关联5f电子体系Pu_2O_3的晶体结构,弹性参数,电子态密度和电荷密度.优化计算结果表明,LSDA+U的晶格参数a0和c/a与实验值吻合最好,同时也在不同的近似下计算了Pu_2O_3的弹性参数.与此同时,LSDA/GGA+U计算的态密度在费米能级处分别出现约1.8和2.2eV能隙,而LSDA/GGA的计算结果在费米能级处并无能隙,所以对Pu_2O_3的Pu-5f加U能使体系从导体转变为绝缘体,这与实验测定Pu_2O_3是绝缘性很好吻合.此外,电荷密度计算结果表明,与LSDA相比,LSDA+U计算的Pu-O间电荷密度增加且有明显的成键特征.     

基于改进的遗传算法优化支持向量机的精馏塔故障诊断

针对支持向量机(SVM)参数的选取困难,提出了利用改进的遗传算法(IGA)对其参数进行优化.IGA采用代沟选择和可变交叉概率,确保当前种群中最适应的个体总是被连续传播到下一代,并使进化后期优化的对象比较容易稳定,计算效率提高.将基于改进遗传算法优化的SVM(IGA-SVM)训练算法应用于某醋酸共沸精馏塔的故障诊断,仿真...     

适于物流配送车辆导航路径优化的遗传算法

提出了适于物流配送车辆导航路径优化的遗传算法,分别对遗传算法的初始种群产生方法、交叉方法、变异方法进行了改进,实现了算法中参数的自适应调整.实验结果表明,改进后的算法能避免断路、回路的产生,提高算法的搜索效率和适应性.文中提出的算法能快速有效地求解物流配送车辆导航路径规划中的点到点型路径优化,满足实时性要求.     

云计算环境下基于改进离散粒子群的并行调度算法

针对云计算环境下的任务调度优化问题和传统离散粒子群优化(DPSO)算法早熟、精度低等缺点,提出了一种适合云计算环境下动态调整惯性权重因子的方法,并给出了云计算环境下改进后的离散粒子群优化算法.该算法能快速确定合适的并行任务分配方案,使其达到调度长度最短的优化目标.仿真结果表明:文中改进的DPSO算法的收敛性、前期全局搜索和后期局部探索性能均优于传统的DPSO算法和遗传算法;在任务数较大的情况下,采用改进DPSO算法的并行任务调度算法的调度长度明显优于采用传统DPSO算法和遗传算法的并行任务调度算法.     

加速混合遗传算法及其在暴雨强度公式参数优化中的应用

根据重现期P-降雨历时t-暴雨强度i的关系表,推求暴雨强度公式参数,是一个已知关系式的非线性模型参数优化求解问题.在理论分析及前人研究的基础上,把求解无约束最优化问题的交尺度DFP算法嵌入到改进浮点编码遗传算法中,得到一种基于变尺度DFP算法和改进浮点编码遗传算法的加速混合遗传算法.该方法兼顾了改进浮点编码遗传算法和DFP算法的优点,既有较快速的收敛速度,又能求得最优化问题全局精确解.经求解暴雨强度公式参数的实例表明,该法是有效的和可行的,且求解结果优于其它方法.     

基于遗传算法的3D动态实时建模方法

3D建模需要较为精确的数值参数作为基础才能建立逼真的3D模型. 为得到误差尽可能小的数值优化参数,提出一种从普通的择优遗传操作改进为有意识的突破最优择优方式的新型遗传算法,并以手持设备为平台,利用陀螺仪传感器作为空间简易测量工具,结合遗传算法计算房间3D模型尺寸与镜头位置,实时进行房间等比例的动态3D建模. 动态3D建模技术应用在家居装修领域,有实时、精确、低成本等特点,实验表明该方法具有高效、合理性和可行性.     

单纯同伦算法的改进遗传算法

为解决基本遗传算法在实际应用中存在的收敛速度低及稳定性差的问题.采用了单纯同伦算法与基本遗传算法相结合的改进算法,将n维函数优化问题放到高一维的空间中.改进后的算法通过同伦参数的变化设置跟踪路径,使用网径渐细的单纯剖分,使目标解的精度随着算法的迭代过程逐渐提高,在不损失算法效率的前提下提高了算法的精度;算法依据单纯剖分的顶点整数标号信息作为判断收敛的标准,改善了基本遗传算法判敛标准受人为因素影响的缺点,提升了稳定性.优化算例表明:与相关文献的优化算法相比较,改进后的遗传算法有更高的效率及更高的精度.     

融合多策略的黄金正弦灰狼优化算法

【目的】为解决灰狼优化算法(grey wolf optimization, GWO)收敛精度不高,收敛速度较慢和易陷入局部最优等不足,提出一种融合多策略的黄金正弦灰狼优化算法(golden sine grey wolf optimization, G-GWO)。【方法】首先,利用非线性调整收敛因子、动态调整比例权重和引入黄金正弦策略对GWO算法进行改进;然后,选取三类基准测试函数进行寻优实验,并与GWO算法、其他智能优化算法和其他改进GWO算法进行对比,从寻优的收敛精度、鲁棒性和收敛速度方面验证G-GWO算法的优越性;最后,建立板料冲压成形工艺参数与质量参数的BP神经网络(BP neural network, BPNN)代理模型,选用8种算法分别优化BP神经网络的权值和阈值,对比优化后的代理模型精度,验证G-GWO算法在实际工程应用中的有效性。【结果】G-GWO算法在三类基准测试函数的收敛精度、鲁棒性和收敛速度较其他算法均有较大优势,优化后的代理模型最大减薄率相对误差为3.47%,最大增厚率相对误差为4.99%。【结论】改进策略能提高GWO算法的性能,这可作为建立高精度代理模型和后续的...     

基于改进模式提取变异算子的遗传算法

在经典遗传算法的基础上，提出了一种基于改进模式提取（Algorithm of pattern extraction,Alopex)，种群个体的连续进化方向作为当前代个体的变异方向，并利用自适应来调整变异步长，通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明，基于该变异算子的遗传算法能较好地避免收敛到局部最优，收敛性能优于经典遗传算法。     

基于遗传算法的路径柔性作业车间调度优化

针对柔性作业车间调度问题中加工路径的多样性,以最长完工时间最短化为优化目标建立调度模型,采用遗传算法进行模型求解。提出一种基于工序与机器编码相融合的二维矩阵编码方法。在遗传进化过程中,通过附加方法产生新个体以扩展搜索范围,对交叉和变异算子进行了分析。通过算例验证了该算法的可行性和有效性。     

面向绿色再制造系统的AGV路径规划研究

为了解决绿色再制造系统中的自动导引运输车(AGV)路径规划问题的问题,提出一种粒子群遗传融合的AGV全局路径优化的自适应算法.该方法集成了遗传算法(GA)和粒子群算法(PSO)二者的优点,为了改善传统PSO-GA融合算法迭代前期寻优速度慢的问题,引入了自适应惯性权重;为了提高算法进入迭代后期的收敛精度,提出了一种双重交叉变异策略,使得改进的PSO-GA融合算法比传统的PSO-GA融合算法搜索能力更强,进化速度更快,收敛精度更高.为了验证改进后算法的优越性,采用栅格法模拟自动导引运输车运行环境并通过MATLAB对标准粒子群、遗传、传统的PSO-GA融合、改进PSO-GA融合四种算法解决路径优化问题进行试验对比,结果证明了改进后的PSO-GA算法的可行性和有效性.     

基于遗传算法的波分复用网络保护容量优化设计

针对传统数学方法难以快速求得波分复用（VDM）网络保护容量优化问题的工程满意解，提出了一种基于遗传算法的全新求解方案，它具有结构简单，搜索效率高，求解速度快等优点，分析了交配概率和变异概率等控制参数对算法性能和求解精度的影响，为了加快遗传算法对链路分离型路径保护方法下WDM网络优化模型的求解过程，设计了一种简捷的问题解编码方式，它极大地简化了选择，交配和变异等遗传算子的执行，仿真结果表明，基于遗传算法的求解方案能够迅速地求出保护容量优化问题的全局近似最优解，且满足工程设计的精度要求。     

QoS感知的Web服务选择

一个组合服务可以由多个具有不同QoS属性的服务合成,由此带来的一个问题是如何将QoS属性作为条件选择最合适的服务以满足组合服务的全局QoS需求.针对这个问题,提出了利用分层图技术对复杂的服务组合过程模型进行化简,将服务选择问题简化为有向图中的选路问题,这样在服务选择时就无需考虑不同的流程结构(例如,顺序、选择、并发和循环结构等),从而降低了服务选择算法的复杂性,提高了执行效率.在简化模型的基础上,给出了一个基于自适应遗传算法的QoS感知的组合服务选择算法.仿真实验表明该方法是可行和有效的.     

Harmony Search-Dij kstra混合算法在铁路物流中心分层选址中的应用

为了满足铁路集中化运输的要求,基于铁路物流中心的层级特点,结合分层选址的理论和方法,以铁路物流中心覆盖的总需求最大化为目标,提出了铁路物流中心分层选址分配模型.针对铁路物流中心选址分配模型的特点,提出采用求解效率较高的和声搜索算法(Harmony Search,HS)和Dijkstra算法相结合的混合算法进行求解,并通过算例验证了模型的可行性和算法的有效性.为了验证算法的性能,对不同规模下的算法进行多次测试,结果表明当规模较大时,HS-Dijkstra混合算法仍可以在可接受的时间范围内收敛.为了体现算法的计算效率,对大规模下的Harmony Search-Dijkstra混合算法与遗传算法(Genetic Algorithm,GA)进行比较,结果显示Harmony Search-Dijkstra混合算法收敛速度明显优于遗传算法.因此,Harmony Search-Dijkstra混合算法可以有效解决铁路物流中心选址分配问题.     

A GA-Based Approach for FMS Machine Loading Planing

The machine loading problem in flexible manufacturing system isaddressed in this paper. The problem is modelled as a mixed integer program. A Genetic Algorithm (GA) approach is developed to yield an optimal solution. In the genetic algorithm, chromosomes are encoded in term of operation routes. A point-to-point crossover search operator together with a Cyclic Shifting Mutation (CSM) operator is designed to adapt to the problem. At last computational experience with the model is presented, and the results show that our genetic algorithms are very powerful and suitable to machine loading problems.     

二维对流-扩散方程反问题的遗传算法求解

给出了利用遗传算法求解二维定常对流一扩散方程参数反演的一种新方法,该方法把参数反演问题转化为优化问题求解。特别从多个初始点开始寻优,并借助交叉和变异算子来获得参数的全局最优解。数值模拟结果表明,该方法具有精度高且编程简单、易于计算机实现等特点。     

基于混合遗传算法的混凝土大坝力学参数反演

将混凝土大坝和岩石基础的力学参数识别反问题作为优化问题处理,然后采用混合遗传算法求解可准确地确定岩体的力学参数。基于观测的混凝土大坝坝顶水平位移,建立了识别混凝土大坝和岩石基础力学参数的数值方法。为解决简单遗传算法的早熟问题,将遗传算法与模拟退火算法相结合,提出了基于混合遗传算法的混凝土大坝力学参数反演方法。丰满混凝土大坝实际工程应用表明,根据参数反演结果预报大坝在不同水位条件下的水平位移具有较高的精度。     

BOD-DO水质模型多参数反演的遗传算法

给出了利用遗传算法求解河流水质BOD-DO模型参数反演的一种新方法,该方法把参数反演问题转化为优化问题用遗传算法求解,其特点在于:从多个初始点开始寻优,并借助交叉、变异算子来获得水质参数的全局最优解。模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。