利用基因算法实现参数优化的研究

优化问题的实质是搜索空间中寻找一个点，在满足一定的条件下，使其给定的性质指标达以最大值（或最小值），基因算法（ＧＡ）是一种新型的基于遗传学理论，模拟生命进化机制来帝现搜索和优化的算法，该文以一定的目标函数进行了研究，结果表明，该处法能以很大的概率趋于全局最优解。     

不锈钢切削参数优化

采用正交试验研究涂层刀具切削不锈钢材料的参数优化组合,分析了不同切削参数对加工表面质量的影响规律,得出了不锈钢较佳车削加工参数. 最后通过实验验证了其正确性.     

切削过程仿真及工艺参数优化

加工工艺及其相关参数优化是协调加工质量、效率和成本等目标的主要途径之一.以切削过程为对象,研究基于有限元法（FEM）的切削过程建模与分析方法,考察了切削工艺参数对切削力的作用及其优化策略,根据切削力计算、仿真和实验对比结果,指出现有切削效应分析方法及相关仿真软件的应用尚有一些值得进一步深入研究的内容.     

基于粒子群算法的数控加工切削参数优化

以实际生产加工中的经验公式为基础,考虑加工中机床和刀具的实际约束,建立了以进给量和切削速度为变量,以最大生产率和最低生产成本为优化目标的多目标优化模型,并引入协调系数将其转化成单目标优化模型.应用粒子群算法对数学模型进行寻优求解.实例表明经过优化计算得到的切削参数取值比经验值更能满足优化目标,也说明了粒子群算法适用于解决复杂的非线性优化问题.     

自动化工艺设计中切削参数优化探讨

本文以切削加工为例,论述了以最高生产率(最少单件工时)为目标函数,在满足一系列约束条件下,采用线性规划方法求切削参数最优解。并介绍了在喷灌机具零件计算机辅助工艺过程设计系统(PGCAPP)中,切削参数优化的应用情况。     

金属切削条件的优化算法研究

目前使用的切削条件优化算法,几乎直接引用优化理论中的通用性算法,而这些算法反映切削加工模型的特点不够。本文从切削加工模型特点分析出发,运用优化理论建立了适合车削条件优化的SP法以及适合铣削条件优化的MS法。研究结果表明:在平均计算时间、加工成本方面,所建的SP法及MS法优于传统的查表法及一些典型的优化法。     

用遗传基因算法实现切削实验数据拟合

采用遗传基因算法实现切削数据的拟合,用数据库技术实现算法—将基因(gene)视为字段、染色体(chromo-some)视为记录、种群(population)视为库,以数据库的基本操作替代遗传过程;解决了传统回归分析方法的不足,使回归过程简单、结果稳定、可靠,并为回归分析提供了一条新途径。     

一种用于优化切削参数的学习控制方法

本文提出一种新的优化切削参数的方法,该法基于随机自动机的原理,通过向实际的切削过程的学习而逐步得到最佳的切削参数。文中阐明了建立这种学习控制系统的过程,分析了影响学习过程的因素,并提出了加快学习速度的方法。计算机模拟表明了这种方法的可行性。     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性.     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性。     

高通量图像编码中的端到端量化参数优化方法

高通量的图像传输可以获得更多的图像细节信息.在传输带宽受限和图像间时域相关性很低的条件下,图像编码的输出受到实时性和码率两方面的约束.有损图像编码的量化参数对输出码率和图像质量都有非常重要的影响.该文不同于基于图像复杂性特征的量化参数确定方法,提出了端到端的卷积神经网络深度模型、直接从图像预测最佳量化系数的方法.考虑编码实时性和算法泛化能力,在Inria aerial image labeling dataset数据集上训练,得到了优化的网络结构.实验结果表明,该文提出的端到端量化参数预测方法相比较相位一致性参数、SATD、图像信息熵等图像特征参数方法,码率预测准确度相较线性回归方法提高了10.31%,相较多层感知器方法提高了8.57%.     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法。结果表明改进的遗传算法具有直观、简便、快速及适应性强等特点。     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法.结果 表明改进的遗传算法具有直观、简便、快速及适应性强等特点.     

激光切割路径优化的双重编码改进遗传算法

针对激光切割路径优化的特点,将其归纳为旅行商问题,并利用改进遗传算法进行求解。为使优化更具实际意义,建立了考虑时间距离和热效应的多目标优化数学模型。改进的遗传算法采用双重编码对轮廓扫描顺序和各轮廓的起始点同时进行优化。在编码设计时,被切割件除考虑多边形情况外还考虑到圆及椭圆的情况,通过构建的适应函数将多目标函数转化为单目标优化问题,同时为提高算法的优化性能,适应函数采用动态控制,并改进了交叉与变异操作。仿真结果表明,该算法能有效地对激光切割路径进行优化。     

遗传算法在冗余系统最优分配问题上的应用

以前在串-并联冗余系统可靠性的最优分配问题上,总是把部件的可靠度看成是一个确定的值,此方法有其局限性.近几年提出了一种新的算法--遗传算法.笔者正是在遗传算法的基础上,把过去的方法作了相应的改进,把部件的可靠性和平均失效时间看成是随机变量,并在几个约束条件下,得出了最佳的分配方案.     

遗传算法在冗余系统最优分配问题上的应用

以前在串-并联冗余系统可靠性的最优分配问题上，总是把部件的可靠度看成是一个确定的值，此方法有其局限性。近几年提出了一种新的算法——遗传算法。笔者正是在遗传算法的基础上，把过去的方法作了相应的改进，把部件的可靠性和平均失效时间看成是随机变量，并在几个约束条件下，得出了最佳的分配方案。     

装填布局拓扑模式变换的遗传算法

在布局优化中需给出初始点以构成初始布局，用构造非同胚布局拓扑模式的方法给出若干非同的初始布局，是缓解组合爆炸，求得全局最优解或较好的局部最优解的关键。用遗传算法的思想来实现布局拓扑模式变换，生成非同胚布局拓扑模式的不同初始布局。     

工作地中设施布局问题的改进遗传算法

针对工作地中设施布局问题的现有遗传算法的不足,提出了一种对数学编码方式、变异操作等方面进行改进的遗传算法。该算法不仅使问题的表达方式更趋合理、显著减少进化过程中不合理后代的产生,而且通过采用动态分行技术,摆脱了现有算法存在的单维优化的局限性,在两个维度上对布局问题进行优化。实例研究结果表明:此算法不但具有良好的全局搜索能力,而且具有较快的收敛速度。