改进多种群遗传算法在中压配电网规划中的应用

针对电网规划的多目标性,提出一种改进的多种群遗传算法(Poly—Population Genetic Algorithm,简称PPGA)。子种群对应独立的目标函数,父种群对应归一化的目标函数,精华种群采用最优个体保存法保存父子种群中的最优个体,并作为收敛依据,保证了算法全局收敛性。父子种群采用改进自适应SGA,进行独自寻优,并通过迁徙算子以一定频度进行信息交换,打破“封闭竞争”。在原有配电网络的基础上实现网络的有效扩展,满足当前配电网络规划的多目标多阶段的要求。算例结果表明,该方法是有效的。     

基于模拟退火粒子群优化算法的拆卸序列规划

文章将模拟退火粒子群优化算法应用于拆卸序列规划求解过程,基于拆卸约束图构建了产品结构表达模型,将拆卸过程相关信息赋予拆卸约束图的节点与边,定义了判断拆卸序列优劣的适应度函数,将算法与模型进行了映射;最后以某款料理机主机体为例,运用模拟退火粒子群优化算法求解其拆卸序列,并与单一粒子群优化算法相比较,验证了该算法的有效性.     

基于改进遗传算法的拆卸序列优化研究

针对复杂机械装配关键系统的拆卸序列优化问题,建立了拆卸序列规划模型,提出了一种改进的双种群遗传算法.通过拆卸混合图的表达拆卸序列信息,在改进的遗传算法中利用优先约束矩阵生成TOP序列种群,以拆卸时间最少为优化目标对拆卸序列进行优化.某企业生产的装载机变速箱的再制造拆卸序列优化,进一步验证了该算法的有效性和可行性.     

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。     

基于Tabu搜索与遗传算法研究拆卸序列优化

针对废弃装配体的拆卸序列优化,提出建立描述装配体结构的干涉一自由矩阵以及“拆卸楔”的概念和算法,据此计算各个零件从装配体上可以拆卸下来的方向和次序．鉴于遗传计算过程中,其邻域往往过早地收敛于局部优化点上,于是将Tabu搜索组合到遗传算法之中．实例验证表明,用这种组合优化方法解决装配体拆卸序列优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．     

基于遗传算法与Tabu搜索的拆卸序列优化算法

为研究废弃装配体的拆卸序列优化,首先提出了建立装配体的干涉-自由矩阵,作为描述其结构的数学模型．其次,运用遗传算法原理,提出面向装配体拆卸序列自动生成及优化的计算模型．依据初始输入的若干拆卸序列和其它控制参数,由程序搜寻几何上可行的最佳拆卸序列．这里是以装配体在拆卸过程中具有最少的换向次数为优化目标．最后,鉴于遗传计算的未熟早敛问题,提出建立Tabu搜索与遗传算法的组合优化算法．通过把Tabu搜索的集中与分散策略引入遗传算法,可望获得更加健壮的搜索行为．大量的实例验证表明,用这种方法解决装配体拆卸序列的优化问题,所生成的可行拆卸序列在适应度函数值、数量、分布范围等方面均优于单纯的由遗传算法生成的结果．     

基于层次网络进行拆卸序列规划

分析了产品拆卸研究所需要的信息,从产品三维模型中提取产品的相关信息,并根据需要,可以补充部分信息,从而建立了产品拆卸的不完全有向层次网络图模型。研究了零部件的拆卸路线。在三维环境下,基于面向对象技术,研究了零部件拆卸时的移动路线。优化拆卸序列和目标拆卸序列。分别给出了拆卸序列和目标拆卸序列评价的指标体系,利用模糊层次分析法和逼近理想解法,得到最优的拆卸序列和目标拆卸序列。     

基于多目标蚁群算法的复杂设备拆卸序列规划

针对复杂设备转化成混合图信息模型后面临的组合爆炸和搜索爆炸问题,提出了一种改进的Louvain算法,对其模型进行社团化处理。将拆卸工具、拆卸方向改变次数以及拆卸时间作为优化目标,构造了基于多目标蚁群算法搜索社团划分可行解;并得出由多个Pareto解构成的平衡解集。最后结合直升机旋翼,利用所提方法进行算法验证;对比未被社团化处理的多目标蚁群算法而得出的拆卸序列,在算法运行效率上提升了17.2%;且复杂设备中紧密度越小零件占比越多时,运行效率越高;对比单目标蚁群算法社团化后得出的拆卸序列,在迭代次数相同的条件下,更易得到较高效率的解。实验结果表明,在实际拆卸序列规划问题上,该方法为方案设定人员提供了更合理高效的选择。     

基于蟑螂算法的产品拆卸序列规划

文章为研究废弃产品的拆卸序列规划,首先建立了产品拆卸模型混合图,描述零部件之间的连接关系和优先关系,推导出可拆卸性条件;其次,通过几何推理生成产品可行的初始拆卸序列,建立目标函数并构建适合拆卸序列规划的蟑螂算法;依据初始拆卸序列和其他控制参数,结合蟑螂算法对拆卸序列进行优化得到最优解;最后,通过实例验证了该方法的可行性...     

多种群遗传算法在图像恢复中的应用研究

针对目前图像恢复方法中所存在的较多约束和计算求解复杂等问题,提出了一种基于多种群遗传算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较,仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

基于模块化的拆卸模型及拆卸序列规划研究

为解决拆卸序列规划过程中的组合爆炸问题,提出了产品的基于模块化的拆卸回收模型,对零部件之间的约束关系进行定义;提出了基于约束关系矩阵的拆卸序列规划方法,降低了拆卸模型的复杂度,提高了搜索的效率.最后,通过一个实例验证了该方法的合理性和有效性.     

基于多种群遗传算法的装配线平衡问题研究

产品在制造过程中,装配作业成本大约占制造成本的30%,装配线平衡问题是影响装配作业效率的关键因素。在装配线平衡研究中,提出在固定作业工位下求解装配线平衡的问题,建立了以生产节拍和工位负荷均衡为目标的装配线平衡优化模型,采用多种群遗传算法对固定工位下装配线的生产节拍、工序分配、工位负荷均衡、装配线平衡率进行求解,并基于MATLAB环境实现了多种群遗传算法的编码和求解。最后通过实例求解,验证了模型和算法的可行性。结果分析表明:装配线平衡问题得到了较明显的改善。     

基于多种群遗传算法的涡旋型线误差评定

为了提高涡旋型线的评定精度和效率,基于展成法开发了涡旋型线误差快速测量系统,分别对固定涡旋体和转动涡旋体进行测量.建立了以涡旋中心偏差和转角偏差为参数的涡旋型线径向误差数学模型.分别采用不同的优化算法对涡旋型线误差进行了评定,评定结果表明:多种群实数编码遗传算法(RMGA)对固定涡旋体和转动涡旋体涡旋型线误差评定结果分别为13.01和11.48μm.RMGA能满足涡旋型线误差的评定精度和效率.     

基于多种群遗传算法的水下吸声覆盖层结构参数优化设计

采用传递函数法导出含有渐变空腔的吸声覆盖层的声压插入损失,利用吸声覆盖层结构的声学特性,对吸声覆盖层的吸声系数进行计算。分析计算结果,探讨吸声覆盖层的不同结构参数对吸声系数的影响。以吸声覆盖层的反射系数为优化目标,对空腔的几何尺寸和吸声覆盖层的厚度参数设计提出优化方法。基于吸声覆盖层结构的数学模型,同时利用多种群遗传算法对消声层结构进行多参数优化设计研究。结果表明,在同等设计条件下,优化后吸声覆盖层的吸声系数得到了明显提高。该方法对水下吸声覆盖层的吸声效果的提高具有一定的理论与现实意义。     

基于多种群免疫遗传算法的配电网网架规划

配电网网架规划是一个复杂的组合优化问题,传统的优化方法往往难以解决此类问题.提出一种多种群的免疫遗传算法进行配电网网架优化规划,采用多个种群针对优化目标的不同方面进行优化搜索.在遗传进化过程中,借鉴生物免疫机制对每个种群的染色体进行免疫算子操作,种群之间通过优秀个体转移进行交互,有效防止了种群退化,提高了种群的多样性和遗传算法的全局寻优能力.以网络年费用最小为优化目标建立配电网网架规划的数学模型,利用多种群免疫遗传算法求得优化解,通过具体实例验证了该算法的有效性.     

安全软件模糊测试中多种群遗传算法的研究

结合多种群遗传算法和模糊测试技术,将测试用例对代码块的覆盖率作为适应度值评价的一部分,通过自动化产生畸形测试数据进行模糊测试。同时将针对不同漏洞类型的测试样例放在同一种群内进化,提升了测试效率, 为提高软件的安全性提供了基础依据。     

基于割集的拆卸序列生成方法

拆卸序列是拆卸研究的重要内容,文章首先建立了产品的装配模型,然后提出采用基于割集的方法来生成产品的拆卸序列。其中,子装配体的拆卸可行性可以利用三维软件UG的二次开发来判断,从而提高了判断的准确性,减少了拆卸序列的数目。最后以圆珠笔为例进行验证,表明该方法的正确性和有效性。     

基于遗传算法的产品拆卸线平衡问题研究

对废旧产品进行回收再利用,是节约资源和保护环境的有效方式.产品拆卸是实现废旧产品回收再利用的重要手段,是实现产品生命周期完整性的必要环节.本文针对产品拆卸线的特点,构建了拆卸线平衡问题的多目标优化模型,并运用遗传算法对模型进行求解.本文的模型及方法可以为废旧产品的回收拆卸提供理论指导.     

基因植入遗传算法在焊接机器人序列规划中的应用

针对经典遗传算法的缺陷,在贪婪遗传算法的基础上引入了基因植入操作,此算法称为"基因植人贪婪遗传算法",并应用到多关节机器人多点焊接的全局序列规划中.实现了在不增加种群规模、不增加运算量的条件下增大搜索范围、改善收敛效果的目的.提高了收敛速度,减少了陷入局部收敛的可能性,仿真和实验结果充分证明了基因植入贪婪遗传算法的有效性和优越性.     

基于改进遗传算法的机器人路径规划

路径规划是移动机器人领域中的重要问题之一.传统遗传算法在寻找最短路径时容易陷入局部最优,为了缩短机器人运动路径长度和提高避障性能,本文提出一种免疫克隆自适应遗传算法,该算法结合了免疫克隆算子、自适应算子从而提高解的质量,设计栅格模型,给出适应度函数用于计算机器人路径长度,并针对复杂的二维路径编码问题,设计一维路径编码方...