遗传算法及其在信息熵优化中的应用

为解决在信息熵优化中需要通过求解复杂的非线性积分方程组才能获得一定概率分布的问题,首先分析了常用的Ｎｅｗｔｏｎ－Ｒａｐｈｓｏｎ法的２点缺陷,然后以求解最大信息熵分布为例,将一类新颖的智能优化技术－－遗传算法应用到信息熵优化领域中,避免了方程组的直接求解,计算结果表明,该方法易一,具有良好的稳定性,从而为信息熵优化提供了一种新方法。     

凸需求函数、凸分布与多种价格并存的优化模型

 建立了商品销售中的凸需求函数,凸分布和多种价格并存的优化模型.首先将二次需求函数模型推广为一般的凸需求函数模型,证明了需求最大价是利润增长价,利润最大价是需求下降价.其次,提出了价格的凸分布模型,并给出了期望价格,价格的方差和期望收益的计算公式.再次,在凸需求函数模型下给出多种价格并存的非线性规划模型.最后,通过纯净水的销售实例验证了结果.     

遗传算法在岩土工程反演问题中的应用

综述了岩土工程反演的基本过程，并在介绍遗传算法研究进展的基础上，将遗传算法与传统优化算法进行比较，然后给出几种遗传算法的改进策略，同时介绍了遗传算法在岩土工程反演领域中经常使用的几种改进方法，最后通过实例验证了遗传算法是求解岩土工程反演问题的有效方法。     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

带一个反凸约束的凸规划问题

讨论带一个反凸约束的凸规划问题－ 给出了整体最优解的特性，利用此特性借助分枝定界方法，构造出求该问题整体最优解的算法，并进行了收敛性分析－     

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.     

基于遗传算法的交叉口信号优化控制模型

本文结合题设,根据交叉口延误的随机特征,建立了交叉口延误的概率模型。给出了通用性算式,使用遗传算法等方法对该非线性模型进行了求解,得到了秒级精度的最优解。并对该模型做了深入分析,实现了相应的仿真计算。进一步对计算结果进行了比较,初步得出该交叉口信号控制模型有较强的鲁棒性。     

基于遗传算法的凸多面体间碰撞检测算法研究

将两凸物体间碰撞检测问题归结为一个带约束条件的非线性规划问题．对该问题进行适当的处理后．利用遗传算法对该问题进行求解．实例表明,遗传算法对该问题的求解比用传统的方法求解具有更高的计算效率和更快的计算速度．     

遗传算法在装备供应优化问题中的应用

在装备供应中,由于装备品种多、配套复杂,存储装备的仓库和需要装备的单位地域分布不同,担负的任务不同,对装备的品种、数量、时限要求不一样,如何使装备供应科学化、合理化,是一个涉及多变量、多目标的复杂系统问题.在综合考虑装备供应各项因素的基础上,建立了装备供应优化的数学模型,提出了基于遗传算法的解决方案,解决了采用传统优化...     

基于分布估计算法的建筑结构设计优化

建立了以质量最小为目标的建筑结构优化数学模型,解决具有应力约束和截面尺寸约束的离散变量结构优化问题.通过统计方法构建个体空间分布概率模型,随后依据此模型随机抽样生成新的群体,实现群体的进化.仿真结果表明分布估计算法求解建筑结构优化设计问题是可靠有效的,搜索能力更强,收敛性能更佳,为解决建筑结构优化问题提供科学的参考.     

基于改进遗传算法的双层优化方法在化工换热网络设计中的应用

换热网络是化学工业过程中最常用的能量交换系统,其设计的优劣直接影响到系统能耗的大小以及企业效益的好坏．作者对换热网络设计优化问题,提出了一种改进遗传算法与传统数学规划相结合的双层优化方法,并用Matlab仿真研究验证了此方法的有效性．     

遗传算法对振动平板夯进行优化设计

有关振动平板夯的研究文献所给出的设计参数多为图表、统计曲线等,由于运动关系比较复杂,设计新型夯机时参数的选择比较困难。本文以振动平板夯的振幅值为设计目标,采用遗传算法求解,寻找满足条件的参数。     

迷彩图案的数值优化设计

为解决迷彩图案设计问题,建立了一种基于遗传算法的迷彩图案优化设计模型.在结合遗传算法特点的基础上,分析了影响迷彩图案设计的颜色、形状和纹理等诸多因素,利用层次分析法和基于信息熵的权重计算模型研究了迷彩图案最优化设计模型的目标函数,并结合面积、亮度对比、尺寸、纹理特征距离阅值等约束条件,采用遗传算法优化求解了目标函数.实例计算结果表明,优化结果能够与实际的典型背景的特征值相匹配,从而验证了该方法的有效性.     

模糊遗传算法在钢桁架结构优化设计中的应用

考虑到约束条件的模糊性,应用遗传算法和模糊集原理对钢桁架结构进行了优化分析.通过对计算结果的比较和分析,可以得出考虑了结构模糊性的遗传算法对于结构优化设计的优越性,它的优点在于增加了得到整体最优解的可能性,同时,提高了收敛精度,降低了收敛过程中的重复次数,减少了计算时间.     

关于桁架结构拓扑优化中的奇异最优解

回顾了结构拓扑优化奇异最优解的研究,着重介绍了应力函数的求解问题：应力函数的不连续性可以解释受应力约束的桁架拓扑优化的奇异最优解问题;这类问题的可行区是由不同维数的可行子区域组成,奇异最优解位于退化的低维可行区的端点且和其他子可行区连通;具有不同性态约束的拓扑优化问题有本质差别,求解时需要不同的松弛处理。还介绍了可求得奇异最优解的松弛、延拓算法。     

基于模式库的遗传算法在非静态函数优化中的应用

本文针对非静态函数优化问题提出了一种基于模式库的改进遗传算法，此算法最主要的特点就是采用模式库来保存算法进行过程中的一些好的模式，这些模式一方面用来组建一些适合环境的优良个体，提高收敛速度，另一方面可以给早熟群体注入新的基因，增加群体的多样性。文中分别就函数优化问题和背包问题给出了改进遗传算法的仿真结果，表明本文算法的有效性。从理论上来说，本文算法适用于多个状态之间的动态变化环境。     

自适应迁移并行遗传算法在无线通信网优化中的应用

为利用最少的基站数实现规定的服务质量 ,提出了在一个区域的若干个备选位置中选择最优组合的粗粒度并行遗传算法 ,在不提高成本的同时 ,优化网络的覆盖率。不但提出了一种高效的局部搜索算子 ,而且为防止未成熟收敛 ,使用了只在子群体无法继续进化时才接收迁入个体的自适应迁移策略。仿真证明 ,对比固定周期迁移 ,采用的自适应迁移策略能够提高优化的速度和质量。     

一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。     

基于遗传算法实现电网的无功优化

在无功优化问题中引入了遗传算法（GA），着重解决了无功优化中离散变量的处理、目标函数及相关参数值的选取等问题。该算法可有效地减少系统的网损，在电网中实现无功优化。