机械系统动态优化设计的混合遗传基因方法

融合复合形法和基因算法提出一种可以有效地解决机械系统动态优化设计问题的随机优化算法－混合遗传基因法。该法以遗传基因方法实现代间进化，以复合形法改进代间较差个体以加速进化。数值分析结果表明，该方法结构正确，算法简洁。     

建筑火灾中人员安全疏散的可靠概率分析模型

将复合形进化算法引入火灾环境下建筑内人员安全疏散的可靠概率分析领域，考虑了影响人员安全疏散的随机因素，以概率分布来描述这些影响变量，根据Hasofer-Lind的可靠性指数思想，建立了基于复合形算法的建筑火灾环境下人员安全疏散评价的数学模型．通过具体的火灾案例，说明此算法可以方便地实现对目标函数复杂和附加多约束条件的函数进行全局优化计算．复合形进化算法能有效计算人员安全疏散可靠度，实现对火灾环境下人员风险的概率评价．     

离散变量结构优化设计的复合形遗传算法

对离散复合形法提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,从而建立了一种离散变量结构优化设计的混合遗传算法·算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的·     

改进遗传复合形算法及其在并行公差优化设计中的应用

提出了一种将遗传算法与复合形算法相结合而构成的遗传复合形算法．在遗传算法初始化之后，用复合形法选出较好的个体，再用遗传算法寻求最优解，并首次将加权制造成本和质量损失成本同时应用到公差并行设计的优化数学模型中．研制出面向公差并行设计的新的优化软件．经过试验验证较以前的算法有较大改进．     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法，提出的算法能充分利用目标函数值的信息，优化搜索过程具有较强的方向性和目标性，收敛速度快，且是全局优化算法；将群体复合形进化算法应用于三层前向人工神经网络逼近，提出了三层前向人工神经网络全局最优逼近算法；将三层前向人工神经网络全局最优逼近算法应用于实例，表明了提出的全局最优逼近算法的有效性     

分层复合形迭代法

本文针对复合形法在工程结构优化设计中应用的特点,提出以迭代次数作为控制参数的分层复合形迭代法,与复合形的标准算法相比,该方法迭代次数少,收敛速度快,且能够得到全局最优解.     

基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础，提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题，并设计出相应的适应度函数、改进的算子以及控制参数，以弥补传统基因遗传算法的不足，提高了执行速度和进化效率．     

离散变量结构优化设计的混合遗传算法

针对离散复合形法提出了一种新的初始点产生办法，并基于满应力思想，对离散复合形法进一步做了改进，提高了离散复合形法的局部寻优能力，从而构造了一种改进的离散复合形法用于离散变量结构优化设计；对基本遗传算法运用Hamming距离控制种群的个体差异；在适应度计算过程中加入判定因子来减少结构重分析次数：在遗传操作中。对交叉和变异操作做了改进．并把复合形算子嵌入到复制操作中，从而建立了一种离散变量结构优化设计的混合遗传算法。算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法，是可行和有效的。     

混合约束最优化问题的复合形解法

提出并讨论了联合应用复合形法和消元法求解可行域比较时形的混合约束最优化问题的方法,论证了这一方法的可行性,给出了相应的算法和程序框图,并用算例验证了该算法的收敛性．     

标号基因组间重组距离的一个线性时间算法

考虑的基因组的进化基于两种形式：基因组中染色体之间的移位(translocation)和染色体内部的翻转(reversal)．研究了标号基因组间的重组问题：求一个标号基因组进化成另一个标号基因组所需最少数目的移位和翻转，这个数目叫做重组距离．给出了求“共尾”标号基因组间重组距离的一个线性时间算法，从而改进了Hannenhalli和Pevzner的O(n^2)算法，其中n是基因组中基因的个数．     

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。     

基于混合遗传算法和复合形法的翼型优化设计

遗传算法的缺点在于计算过多的目标函数适应值而增加了优化设计的计算量。为了提高遗传算法的优化效率,将遗传算法和复合形法相结合,建立了基于混合遗传算法和复合形法的气动优化设计方法,对超临界翼型进行了单目标和多目标的优化设计,流场计算采用雷诺数平均N-S方程。算例表明,该设计优化方法稳定,设计质量高,效率比单纯遗传算法有很大提高,在工程中有较大的应用价值。     

改进的遗传算法用于离心叶轮优化设计

为了防止遗传算法中过早收敛引起的算法失效,提出了一种改进的遗传算法,来研究离心叶轮的形状优化问题,在计算过程中,增加了一个自适应算子,来不断调节个体变异概率,以保证搜索的全局性和种群的多样性,同时为了不引入过多的边界参数,采用B样条曲线对边界进行描述,最后,对一个数学算例和某离心叶轮进行了计算,给出了最终的优化结果和收敛情况,计算结果表明,改进的遗传算法能够很好地适应于各种应力约束和几何约束,并可得到形状优化的最优解,验证了该方法的合理性和正确性。     

改进的遗传算法在机械系统动态优化设计中的应用

针对机械系统动态优化设计的特点,建立了其数学模型。结合复合形法和变概率方法对传统遗传算法作了改进,以提高其求解效率和避免陷入局部最优。实例计算表明该方法结果正确,这为解决机械系统动态优化设计提供了一种有效的途径。     

利用遗传算法和人工神经网络的外形重构

给出了一种新的基于复变函数、遗传算法和神经网络的曲面重构方法，曲面可以用解析表达式的格式重构。根据确定的离散化样本集合，在均方差的意义上，这种表示法是最优的。我们采用的曲面表示方法是通过进化计算得到的，其中反复应用了交叉和变异操作，结合误差反传训练算法，直到满足终止条件。表达式最终被分类成一些基本函数的特征组合。这种方法可以用于3D物体的CAD模型重构和自由光滑曲面模拟。用VisualC 和MatLab演示了该系统，并且实现了在设计过程中的实时曲面可视化。     

基于混合优化鱼群算法的近空间飞行器控制分配

为解决近空间飞行器的控制分配问题, 研究了一种融合了差分进化与遗传进化的鱼群优化算法控制分配策略。该方法能充分考虑执行器的动态约束, 根据操纵面物理约束随机产生鱼群的初始个体, 再利用鱼群算法进行全局搜索。鱼群算法搜索范围从全局搜索快速收缩进入局部搜索, 在收敛速度减慢或停滞时, 利用差分进化算法运行速度快及局部优化的优势, 以提高收敛速度和精度。同时在差分进化未能获取更优解时, 由遗传算法进行全局寻优, 避免分配结果收敛于局部最优解, 从而提高整个分配算法效率。同时将该方法应用于某近空间飞行器。仿真结果表明, 该控制分配方法能有效地将控制指令分配到各操纵面上, 实现良好的跟踪效果。     

十进制遗传算法的收敛性分析

十进制遗传算法是一种模拟生物进化的最优化搜索方法 ,由于其稳定性好、不需要计算目标函数的导数和能处理多维数值问题 ,十进制遗传算法在科学研究和工程技术中得到了广泛运用。通过对十进制遗传算法的收敛性进行分析 ,为改进十进制遗传算法奠定了理论基础     

自适应搜索的改进遗传算法及其应用

提出了一种具有自适应搜索能力的快速收敛遗传算法。在计算过程中，设计变量的搜索范围依据每代自变量的数学期望和方差自动进行调整，并且通过引入进化策略中的自适应高斯变异算子，对变异算子进行改进，加速了算法的收敛性。为了验证算法的可行性和鲁棒性，对一个高维多峰函数的极小值搜索问题进行了求解，并将算法进一步应用于离心叶轮的形状优化问题。计算结果表明，该算法克服了传统遗传算法中设计区间的给定具有一定盲目性的缺陷，在收敛性和鲁棒性方面均优于传统的实数编码遗传算法。