基于模糊优选的多目标优化遗传算法

综述了多目标优化的传统方法,介绍了多目标优化的遗传算法解决策略,建立了基于模糊优选技术的多目标优化遗传算法模型．对用模糊优选理论解决多目标优化问题的有效性进行了证明．通过算例证明了理论体系的正确性和工程应用的实用性．     

求解多目标规划问题的Pareto多目标遗传算法

针对传统的多目标优化方法的局限性，提出用于多目标规划问题求解的Pareto多目标遗传算法。实验结果表明，该算法是可行有效的，而且能为决策者提供满意解。     

基于对位学习的多目标遗传算法

为了加强非劣排序遗传算法的搜索能力、加快其收敛速度,将对位学习与非劣排序遗传算法相结合,提出了一种用于解决多目标优化问题,基于对位学习的多目标遗传算法,并应用双目标、三目标的测试函数对该算法进行了验证.结果表明,基于对位学习的多目标遗传算法具有较好的收敛性和分布性.     

利用遗传算法实现进度计划的多目标优化

提出进度计划多目标优化的改进数学模型，利用遗传算法和VBA宏语言编制程序在Ms Project98下对模型进行求解，并给出一个时间／费用折中的计算实例，计算结果以及对比研究表明，这种方法是可行和有效的。     

基于自适应遗传算法的多目标PID优化设计

提出一种基于自适应遗传算法的多目标PID优化设计方法。采用染色体实数编码和具有自适应交叉概率和变异概率的遗传算法对PID参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度。通过在适应度函数中引入表示超调量、上升时间和稳态误差的指标项,并对指标项适当加权,可使优化后的PID调节器的综合性能达到满意程度。仿真结果表明,该PID调节器的性能优于常规方法获得的PID调节器。     

递进多目标遗传算法

在现有算法研究基础上,提出了一种递进多目标遗传算法,该方法每进化一定代数后以一定策略对群体进行重构,以提高算法对解空间的遍历性,从而较大程度上避免算法的早熟.该算法采用非劣解等级优先的选择方式复制后代,降低算法的时间复杂性;通过递进层次间对部分非劣解个体执行局部搜索,加快全局非劣解集的进化.采用递进算法与现有两种典型多目标遗传算法NSGA、MOGLS算法对一些典型优化问题进行对比分析,验证了算法求解多目标函数优化问题的有效性;通过调整算法递进层次与每层进化代数的参数设置,进一步研究了参数选取对算法性能的影响.     

基于多目标遗传算法的卫星成像任务调度技术

针对成像卫星的任务调度问题,考虑多种约束条件,提出了成像任务约束图模型。基于多目标优化和遗传算法思想,提出了一种应用于卫星成像任务调度的多目标遗传算法,详细分析了算法的各个关键步骤的设计思想,能够求得基于成像约束图模型的满意解,生成卫星的优化拍摄计划。卫星成像任务调度原型系统的实现和实验结果验证了该模型和算法的合理性和有效性。     

多目标优化设计中的Pareto遗传算法

遗传算法的随机性和隐含并行性,使它能同时搜索到多个局部最优解并获得最优解集。为了发挥遗传算法群体搜索的优势,提高多目标优化设计效率和灵活性,在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,建立了一种适用于多目标优化设计的Pareto遗传算法。以Pareto前沿面的形式给出优化设计的Pareto最优解集,供设计者按设计意愿选择最优的设计结果。采用Pareto遗传算法进行跨声速翼型的多目标优化设计,设计结果表明,Pareto遗传算法是十分有效的,完全可以用来进行多目标优化设计。     

基于对位学习多目标遗传算法的板形板厚控制

提出了一种基于对位学习多目标遗传算法的板形板厚控制系统设计方法。该方法给出了控制系统的结构,建立了板形板厚控制器参数的多目标优化模型,并采用对位学习多目标遗传算法对该模型进行多目标优化,得到一组控制器参数的Pareto解。在其中选择三个Pareto解对应的控制器参数,作用于板形板厚控制系统做仿真研究。结果表明,所得到的Pareto解集中选定区域的解都可以使系统具有满意的性能,并且对扰动有较好的抑制作用,证实了该方法的有效性。     

BRDF的遗传算法和遗传模拟退火算法建模及比较

结合遗传算法和模拟退火算法,构造出具有全局搜索优化特性的遗传模拟退火算法。根据空间目标表面的多组多角度双向反射分布函数（bidirectional reflectance distribution function, BRDF）实验数据和统计模型,获得样片BRDF五参数模型参数值及2D、3D的BRDF分布。比较基本遗传算法和遗传模拟退火算法在迭代次数、计算时间、参数值及精度等之间的差异并分析其原因。遗传模拟退火算法更适用于BRDF的统计建模。     

遗传算法新模板理论的研究

模板原理是到目前为止遗传算法中最主要定量数学分析理论,但其对遗传算法运动机理的解释较为勉强。本文通过对遗传算法应用于黎曼函数的研究,给出了模板原理与结构单元假说局限性的有关分析,对结构单元假说的合理性提出了疑问。由于黎曼函数很好的数学特征,其引入将成为遗传算法理论研究一个不可多得的试验体。本文通过对遗传算法运动中模板的变化趋势进行深入地定量研究,以新的方法分析了代码串在算法进化中的变化趋势。以上工作建立了全新的遗传算法模板理论分析数学方法,对遗传算法理论的完善与发展意义重大。     

基于AGA的导弹控制系统自动化设计

鉴于传统的设计基于摄动理论和系数冻结法,将控制回路分成角稳定、质心稳定回路,存在工作量大、结果不是最优且有一定的盲目性等缺陷,为此,引入改进的自适应遗传算法,实现了基于性能分析的自动化优化设计整个导弹控制回路参数的目的。所用的遗传算子包括:多参数级联编码方法;选择操作采用比例算子与精英保存策略相结合,交叉和变异概率均采用自适应策略;适应度函数的构造则综合了误差和误差的变化量。仿真结果表明,自适应遗传优化用于自动化设计导弹控制系统是有效的。     

解多目标优化的均匀正交遗传算法

在多目标优化中，各目标通常相互冲突且不可公度，其最优解(常称为Pareto最优解)往往有无穷多，如何在最优解集合中求出一组分布均匀且数量充足的代表解供决策者选择十分重要,论文将均匀设计、正交设计与遗传算法相结合给出了解多目标优化的一种新方法，并证明了其全局收敛性,新方法用少的计算量便可求出一组在最优解集合中分布均匀且数量充足的最优解,计算机仿真也表明这种方法对不同的试验函数均可用少的计算量求出一组在最优解集合中分布均匀且数量充足的最优解。     

高层建筑垂直应急疏散系统的仿真研究

针对传统高层建筑楼梯应急疏散的弊端，建立了高层建筑垂直应急疏散系统的仿真模型，并进行了仿真实验研究。仿真模型包括楼梯疏散和电梯疏散两个模块，分别以人流在楼梯中的‘步行速度和电梯疏散时间的计算为基础。仿真实验结果可以反映人群的拥挤和电梯行驶等基本现象，并对电梯应急疏散系统的评价和高层建筑应急预案的设计有一定的参考作用。     

工程项目管理中工期—成本—质量综合均衡优化

进度控制、成本控制和质量控制是工程建设项目的重要管理内容，在工程项目管理中，对工期、成本和质量进行全面系统地分析，并进行综合均衡优化，对于提高工程建设项目的综合效益具有很重要的意义，论文利用多属性效用函数理论建立工程项目管理的工期—成本—质量综合均衡优化模型，并在网络计划技术的基础上，使用遗传算法对模型进行求解，可以得到最满意的决策方案，作为工程项目管理中的控制目标，最后通过一个案例，对模型的可行性和实用性进行了验证。     

隔离小生境遗传算法研究

小生境技术的引入,提高了遗传算法处理多峰函数优化问题的能力。本文提出了基于隔离机制的小生境技术,隔离小生境技术具有生物学基础,不仅能够有效地保证群体中解的多样性,而且具有很强的引进化能力。计算机模拟旅游商推销问题的结构表明,基于隔离小生境技术的遗传算法在求解 杂多峰优化方面是很有效的。     

自适应小生境克隆选择算法及其仿真研究

为了对多模态函数寻优,基于免疫克隆选择算法原理,提出了自适应小生境克隆选择算法(ANCSA).小生境决定位段会随着优化对象的维数及可行域的变化而自动调节,从而形成不同的小生境,每个小生境都具有免疫记忆功能.通过对四个典型的多模态函数仿真,并和相关算法进行比较分析,结果表明ANCSA在解决多模态函数优化问题时具有较强的自适应性和收敛性.     

混合遗传-模拟退火算法在公交智能调度中的应用

公交行车调度是公交企业运营的核心内容，关系到公交企业的经济效益与社会效益。兼顾企业与乘客的利益建立了公交车辆行车计划模型，将遗传算法与模拟退火算法相结合组成混合遗传．模拟退火（GA-SA）算法，并对公交行车调度进行优化。实例仿真计算表明该算法具有比标准遗传算法更好的效率，是优化公交调度问题的一个有效途径。