应用改进遗传算法的电力变压器优化设计

为了提高遗传算法在电力变压器优化设计中获得全局最优解的能力，对传统遗传算法的编码方案、遗传算子以及约束条件、适应值函数等方面进行改进研究，提出了一种改进遗传算法，并应用经典数学函数进行验证，结果表明改进遗传算法具有较高的寻优效率。在此基础上提出了适应于求解多目标优化的改进遗传算法，并将改进遗传算法首次应用于S9系列电力变压器的单目标和双目标的优化设计中。应用实例表明，文中提出的改进遗传算法（IGA）具有更强的全局寻优能力和更高的求解精度，对电力变压器的优化设计效果明显。     

膜系自动设计的优化技术研究

文章概述了国内外光学薄膜系自动设计方法的研究进展,对各类光学薄膜的优化设计方法进行了阐述,重点比较了阻尼最小二乘法、遗传算法和needle法;提出未来的膜系设计必将是多种优化技术相结合,在局部寻优中引入全局寻优,在全局寻优中加强局部寻优。     

基于遗传算法的铁路纵断面优化设计方法

针对传统的铁路纵断面优化大多采用局部优化的方法,提出了一种基于遗传算法的铁路纵断面优化方法,这种方法可以在一个可行域中自动搜索获得一个最优或较优解。其基本思想是首先根据纵断面初始解建立一个可行域,对解个体进行编码,然后对可行域中的可能解用一个评价函数(适应度)进行度量,对解个体进行选择、交叉、变异,从而获得最优解。该方法具有全局解空间搜索能力,从而实现了全局寻优的目的。     

基于遗传算的影像匹配

阐述了遗传算法的基本原理，应用遗传算法解决了在影像匹配过程中的全局寻优问题，通过数学试验，表明了遗传算法在影响匹配过程中的可靠性。     

基于遗传算法的公路自动选线与安全评价方法

针对公路自动选线交点搜索区域有限、评价方法不足等问题,基于遗传算法,通过构建公路线形约束模型、公路自动选线优化模型及运行速度预测模型,实现了公路三维空间选线方案自动寻优与安全性评价。结果表明：基于遗传算法的公路自动选线与安全评价方法,可以在给定的设计区域、拟定的技术、经济和安全条件下,克服路线交点只能在给定断面寻优的不足,实现设计方案的自动收敛和优化。在考虑路线安全性条件下,可以保证路线交点在拟定的选线区域全局进行自动搜索,验证了基于遗传算法的公路自动选线方法的可行性,并提升了选线工作的效率。该方法可以实现以速度一致性为指标的道路线形安全性评价,提高了选线方案的安全性设计水平。研究结果可为完善公路自动选线的理论基础,继续开展公路选线自动寻优方法的研究提供借鉴。     

遗传算法在超材料优化设计中的应用及实现

利用遗传算法对超材料进行优化设计,是近年来超材料优化设计的重要方法之一。设计了一套MATLAB与商业电磁仿真软件CST微波实验室的交互仿真体系,在MATLAB环境中编写遗传算法主程序,然后离线调用CST软件进行模型仿真计算,从而将具有强大全局寻优能力的遗传算法充分应用到超材料的优化设计中。然后以Y字紧凑型结构的二阶带通频率选择表面优化设计为例,采用基于罚函数法的遗传算法对这种设计思路进行了验证,取得了良好的设计效果。结果表明:与以往的设计方法相比,该方法编程简单,通用性强,设计周期短,优化效果好,同时可以推广到其他类型的超材料结构的优化设计中。     

基于遗传算法的计算机通信网优化设计

计算机通信网中将路由选择和链路容量分配综合起来考虑时的优化设计模型（ＣＦＡ）是一个复杂的非线性０－１规划，若采用传统的数学方法求解，无法快速有效地求得工程满意解。文中以遗传算法的基本思想为基础，设计了一个与传统方法完全不同的遗传寻优算法。对计算机通信网优化设计实例的计算表明，该算法能够迅速求出ＣＦＡ问题的全局近似最优解，并且解的精确度很高，能够满足工程设计中的要求。     

基于遗传算法的汽车离合器膜片弹簧优化设计

关于膜片弹簧的优化设计，可有多种不同的优化设计方案和模型。通过对比分析，以在摩擦片磨损极限范围内，弹簧压紧力变化的平均值最小及驾驶员作用在分离轴承装置上的分离操纵力的平均值最小为共同优化目标，建立数学模型，并应用此模型，采用遗传算法对某轿车离合器膜片弹簧进行优化设计计算。结果表明，应用此模型优化后的膜片弹簧各决策变量的值明显优于利用传统经验公式设计所得的结果；对于多目标优化设计，遗传算法具有比传统优化方法更强的全局寻优能力。     

应用遗传算法的齿轮传动优化设计

以一对齿轮机构分度圆柱体积之和最小为优化目标,建立了优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题,故通过神经网络方法拟合待求系数,结合遗传算法,应用matlab遗传算法工具箱寻求最优解,使求解过程得到简化,确保可靠地获得全局最优解。     

波阻抗混合优化反演方法研究

遗传算法是一种具有全局优化的随机搜索算法,针对遗传算法存在局部搜索能力差,求解精度不高等缺点,引入了模式搜索算法,利用模式搜索算法较强的局部搜索能力和较高的求解精度弥补遗传算法的不足。即利用遗传算法来控制寻优过程,用模式搜索算法使解快速逼近极小点,然后再用遗传算法使解逃脱局部极值,从而达到全局寻优目的。理论模型和实例计算分析验证了该方法的有效性     

基于免疫遗传算法的道路交通标志图像分割

针对道路交通标志图像分割的问题,提出了一种基于免疫遗传算法的实现方法。该算法利用免疫遗传机制,将图像的最佳阈值作为要求的解,设计了适合问题求解的抗体编码方式、克隆算子和免疫选择算子。仿真实验结果表明,所提算法能够有效地求得道路交通标志问题的最佳阈值。通过与传统遗传算法、改进遗传算法进行对比实验,更好地说明了本算法能够对图像分割得到较为满意的结果。     

基于均匀设计的遗传算法参数设定

在应用遗传算法进行优化计算时,各操作参数既有各自的功能又相互作用,彼此关系较为复杂,而各参数设定的好坏直接影响算法的性能,所以,各参数的设定是应用遗传算法进行寻优计算的重要问题·通过对遗传算法各操作参数作用与意义的分析,认为可以将遗传算法的参数设定描述为一个多因素多水平优化设计问题·为使遗传算法在应用中发挥最佳的寻优性能,同时考虑到参数设定方法的可行性,提出应用解决多因素多水平优化设计问题的均匀设计方法设定遗传算法的操作参数,实例应用仿真结果验证了这种方法的可行性、有效性·     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

基于实码遗传算法的汽车变速箱可靠性优化设计

对渐开线圆柱齿轮可靠性设计做了深入的理论分析,建立了汽车变速箱可靠性优化设计模型,并使用实码遗传算法求解大规模复杂优化设计问题,以便获得全局最优解。对BC174B汽车变速箱的优化结果表明该方法是行之有效的。     

免疫遗传算法在MATLAB环境中的实现

阐述了免疫遗传算法的基本原理,探讨了在MATLAB环境下实现免疫遗传算法中抗原记忆、抗体促进与抑制、抗体多样性保持等功能的方法,并以智能交流接触器优化设计问题为例,说明免疫遗传算法与标准遗传算法相比的优越性及其在MATLAB环境中实现的可行性.     

基于连通可靠性的城市道路交通离散网络设计问题

研究基于网络结构的城市道路可靠性对于保障大型灾害或事故后道路的连通有着重要的意义。通过合理设计网络结构可以有效降低这种灾害或事故对道路网络造成的严重影响。连通可靠性是研究网络结构的有效指标，这里将其作为系统的优化目标建立了基于连通可靠性的城市道路交通网络设计模型，并运用分支定界法对其求解。通过大型算例验证了所建模型的合理性和求解算法的有效性。     

遗传算法结合改进前向神经网络进行叶轮设计

为加速遗传算法的进化过程和缩短其进化周期，探讨了将遗传算法融合神经网络进行离心叶轮形状优化设计的方法，即应用神经网格替代有限元法来完成结构优化设计中的静应力分析任务．同时，提出一种改进的前向反馈神经网络(BP算法)，在训练过程中，学习率和动量项依据输出的均方差自适应调整，来加快网络训练速度和改善收敛性．采用混合神经网络的遗传算法对某离心压缩机叶轮进行优化设计，结果表明优化设计时间可缩短至单纯采用遗传算法的几十分之一，同时也验证了该方法的有效性和可行的。     

遗传算法在深基坑支护结构优化设计中的应用

利用遗传算法的基本原理 ,提出深基坑支护结构设计的全局优化算法 .该方法模拟了生物遗传的过程 ,克服了传统优化方法容易陷入局部最优解的缺点 ,降低了对目标函数性质的要求 .通过实例证明该方法的有效性     

网格协同设计环境下基于资源负载均衡策略的任务调度优化模型及其算法

为了解决协同环境中的冲突问题,设计了一种基于现代协同设计系统的网格仿真模型,并结合免疫克隆算法和遗传算法的优点,提出了一种网格任务调度优化模型和遗传克隆负载均衡算法.仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡,克服了遗传算法容易陷入局部最优的缺点,可以成功地应用于网格任务调度中.     

Immune Genetic Algorithm for Optimal Design

A computing model employing the immune and genetic algorithm (IGA) for the optimization of part design is presented. This model operates on a population of points in search space simultaneously, not on just one point. It uses the objective function itself, not derivative or any other additional information and guarantees the fast convergence toward the global optimum. This method avoids some weak points in genetic algorithm, such as inefficient to some local searching problems and its convergence is too early. Based on this model, an optimal design support system (IGBODS) is developed. IGBODS has been used in practice and the result shows that this model has great advantage than traditional one and promises good application in optimal design.