遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作,较大地提高了寻优效率和寻优能力,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系数可靠性优化设计总是,通过定义隶属函数,把问题转化为清晰的普通优化问题利用改进的算法求解,以提高求解的精度和可靠性。     

低灵敏度换热网络的旁路优化设计

针对过程系统中低灵敏度换热网络设计与旁路优化控制的协调问题,提出了一种兼顾控制性能要求的低灵敏度换热网络旁路优化设计的低灵敏度与控制性能集成优化方法。首先通过计算机模拟,对换热网络旁路控制性能和换热网络柔性进行分析,发现系统柔性越好则控制性能越差,两者是竞争关系;然后,通过关系图分析给定换热网络柔性、控制性能与经济特性三者之间的关系,采用混合整数非线性优化方法进行旁路优化设计;进而利用工艺设计与控制的集成优化思想,根据动态仿真的约束破坏量来反馈修正稳态优化的约束,进行稳态优化设计;最后得到同时满足工艺设计要求和控制性能约束的换热网络经济最优方案。仿真实验结果表明:相比于换热网络旁路开度多次优化设计方法,采用低灵敏度与控制性能集成的优化方法,换热网络的柔性虽有降低但控制性能提升了约35%,总费用也显著下降,能够实现在满足系统柔性与控制性能要求的前提下,有效提升换热网络经济性能的目标。     

基于遗传算法的工艺路线优化决策

为了实现计算机辅助工艺计划(computer-aided process planning, CAPP)系统中的工艺路线优化决策,分析了工艺路线优化决策过程中存在的问题以及相关约束,提出利用遗传算法对基于工艺约束的工艺路线进行优化决策.在加工工序排序决策过程中同时考虑机床和刀具的选择,通过遗传算法的复制、杂交、变异等操作进行工艺路线决策.结果表明 利用遗传算法可以有效地对工艺路线进行优化决策,得到满足生产要求的最优或接近最优的工艺路线.通过实例,详细介绍了利用遗传算法进行加工工序排序决策以及相关的机床和刀具的选择过程.     

基于混合元胞遗传算法的柔性车间调度问题研究

针对柔性作业车间调度问题,建立了以最大完工时间最小、机器最大负荷最小、总机器负荷最小为优化目标的多目标优化模型.引入多色集合理论,建立了柔性车间调度问题的多色集合约束模型,提出了基于多色集合约束模型的元胞遗传算法(apolychromatic collection based cellular genetic algorithm,PCGA),以解决遗传算法在求解柔性车间调度问题时表现出的早熟和收敛性不足等问题.用改进的元胞遗传算法求解柔性车间调度的多目标优化算例,并与其它遗传算法进行比较,实验结果表明,基于多色集合的改进元胞遗传算法在求解此问题时更为高效.     

大型复杂结构优化问题的遗传算法

大型结构的整体优化问题一般具有多目标、多约束和多混合变量的特点，自由度多达千计，其算法的速度和效率是问题的关键所在．遗传算法是求解大规模函数优化问题的有力工具，在复杂结构的优化设计问题中得到广泛应用．本文介绍了遗传算法的基本思想、特点，阐述近年来遗传算法在结构优化设计及其相关领域的应用现状和重要发展．     

基于遗传算法的目标规划求解

首先讨论了遗传算法的优点，然后提出了将遗传算法应用于带有约束优化问题的求解，并进一步将其运用于一目标规划的优化设计中，计算机数值仿真结果表明该方法的有效性     

动压滑动轴承遗传算法优化设计中的参数选择

文章建立了以降低润滑油流量为目标的动压滑动轴承优化设计模型,应用遗传算法对该模型进行优化;研究了遗传算法中位串长度、种群个体数、进化代数和变异概率4个主要参数对动压滑动轴承优化设计的影响,并提出了根据约束条件的数量确定合适的变异概率,根据优化模型自身特点和约束条件的复杂程度确定合适的位串长度、种群个体数和变异概率,根据种群收敛的情况确定合适的进化代数。算例表明,文中提出的动压滑动轴承遗传算法优化设计中参数的选择确定方法是合理的,可以拓展到基于遗传算法进行优化设计的其他领域。     

基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·     

基于遗传算法的装配序列规划

装配序列规划是面向并行工程的DFA和CAAPP（Computer Aided Assembly Process Planning)研究中的关键问题之一。介绍了遗传算法用于解决装配序列规划的优越性,建立了基于遗传算法的装配序列规划模型,探讨了装配序列编码方法以及遗传算子的设计,采用VC6.0研发了相应的软件系统,测试结果表明将遗传算法用于规划装配序列大大提高了优化效果。     

邻域自适应的微分变异约束分数阶粒子群优化

分数阶粒子群算法（FOPSO）是一种具有路径记忆的改进型粒子群优化算法。在多峰约束优化问题中,针对FOPSO易于早熟和依赖于初始参数的问题,文中提出了一种邻域自适应的约束分数阶粒子群优化方法（NAFPSO）。在算法中,依据进化状态来动态调整邻域拓扑从而更新粒子位置和速度,以提高可行解的全局寻优能力和收敛速度;采用带惩罚因子的罚函数约束处理技术,迫使粒子趋向可行区域;设计了微分变异策略以增加种群多样性,增强粒子逃脱局部最优的能力。用9个约束优化基准函数实验验证了NAFPSO的有效性和收敛性能,并应用于2个约束工程设计问题,结果表明,提出的算法寻优能力强、收敛快、精度高、稳定性好,可用于有效地解决复杂的约束工程设计优化问题。     

基于Petri网和GASA的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模.该模型不仅能够反映柔性生产线上待加工产品的多条工艺加工路径及其资源约束,还可以对系统的设备维护、各种优先级等特性进行描述.利用遗传算法和模拟退火算法(GASA)获得调度结果,用于解决作业车间在机床、操作工人等生产资源制约条件下的动态优化调度.该调度以生产周期为目标,通过多种交叉、变异、概率更新、再分配策略等遗传和模拟退火操作,得到目标的最优或次优解;尤其重要的是该算法能够在扰动发生后迅速提供新的调度计划.对算法进行了仿真研究,结果表明该算法是可行、有效的.     

给水管网优化设计的混合遗传算法

利用遗传算法全局优化和广义简约梯度法(GRG法)局部收敛速度快的特点,将两者有机结合,构造出一种混合遗传算法应用于新建环状给水管网的优化设计．同时针对遗传算法,采用了实数编码技术,基于扩大采样空间的随机采样、惩罚策略、算术交叉及动态变异技术．最后结合工程实例验证了混合算法的高效性。     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

飞机薄壁件多点柔性定位变形控制寻优算法

根据装配过程中飞机薄壁件多点柔性定位形变量的工程要求,基于“N-2-1”定位原理,针对飞机薄壁件多点柔性定位系统,提出了一种确定薄壁件在多点柔性定位时如何选择定位点数目、布局和吸盘吸附压力的寻优算法.该算法根据各参数对定位精度的影响规律,以工程要求为目标函数,以定位点的移动范围为约束条件,对定位点数目、布局和吸盘吸附压力进行分布搜索综合寻优.为实现该算法,采用MATLAB作为主控循环程序,通过MATLAB和ANSYS联合调用,实现定位点数目、布局和吸盘吸附压力的最优选择,解决了传统的依靠操作人员经验或者单纯凭借有限元分析软件进行分析而导致的效率低和效果差等问题.最后针对某工程要求进行寻优计算及实验验证,结果表明该算法具有较强的工程可行性.     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．     

过程综合的全局优化改进遗传算法

针对过程系统综合和蒸汽动力系统优化的复杂非线性规划问题，提出了改进和连续化全局优化的遗传算法，算例表明，该方法用于求解复杂优化问题是非常有效的，而且具有获得全局最优解的能力。     

压力机杆系优化求解的变量循序组合响应面法

为了能够切实有效地对机械压力机杆系驱动机构进行优化设计,采用响应面分析法并结合试验设计方法,提出了求解该杆系多目标优化问题的变量循序组合响应面法(VSCRSM),并建立了优化数学模型.对优化变量及其变化范围进行循序取舍组合和设定,同时采用响应面分析法多次拟合进行优化求解,最终得到了优化结果.与初始设计及变容差遗传算法相比较,VSCRSM优化目标的最小值分别降低了15.85％和5.8％,并且滑块行程误差仅为0.09％,不仅解决了初始设计及变容差遗传算法所得结果中滑块行程超出误差范围的问题,而且实现了压力机杆系的显著优化.     

基于自适应遗传算法的网络化制造盟员选择研究

针对网络化制造中动态联盟盟员选择优化问题,分析了盟友的评价指标体系,建立了盟友选择的多目标优化模型,并在此基础上提出一种自适应遗传算法.该算法设计了自适应交叉和变异概率, 使其在遗传过程中根据适应度自动选择, 从而使群体中每个个体对环境的变化具有自适应调节能力.通过保持迭代过程的最优解, 加快了搜索速度, 并保证收敛于全局最优解.