复合材料层合板铺层顺序优化遗传算法

采用遗传算法进行复合材料层合板的铺层顺序优化设计，即采用整数编码方式，并对解码进行特殊处理以满足平衡铺层要求；通过父代与子代竞争延长了父代个体寿命，使优良基因有更多机会遗传给下一代；遍历所有分析过的个体信息以减少计算量，算例表明，改进的遗传算法是有效的。     

基于模拟退火Memetic算法的复合材料层合板铺层顺序优化

应用基于模拟退火局部寻优的Memetic算法对复合材料层合板的铺层顺序进行优化设计,以层合板的面内几何因子和弯曲因子为优化对象,建立Memetic算法的优化模型。通过遗传操作,搜索问题的最优解,借助于模拟退火进行局部寻优,扩大了算法的寻优范围,加速了算法的收敛速度。数值算例中给定了层合板的面内几何因子和弯曲因子,应用Memetic算法求解层合板的最佳铺层顺序。并应用标准遗传算法和基于模拟退火局部寻优Memetic算法的结果进行比较,然后用有限元进行模拟分析,证明了本文中优化模型的有效性和基于模拟退火Memetic算法的优越性。     

基于稳定性的复合材料层合板铺层顺序优化

应用数学规划法对复合材料层合板的铺层顺序进行优化设计,以提高层合板结构的稳定性,并通过刚度等效的思想,结合铺层顺序代理模型实现优化目的.利用单层正交各向异性板的弹性模量、泊松比、剪切模量等属性模拟不同铺层顺序的层合板刚度,在此基础上,提出铺层顺序代理模型,并推导铺层顺序代理模型与刚度等效模型间的数学关系,将对离散的铺层顺序变量的优化转化为对连续变量的优化.算例中利用该优化方法求解层合板的具有最优抗失稳特性的铺层顺序,通过优化设计显著提高了层合板的稳定性.     

非对称铺层T700复合材料层合板铺层顺序优化

为分析经过铺层顺序优化后的复合材料层合板的承载能力,基于有限元优化设计软件,构建碳纤维复合材料层合板有限元模型,施加边界条件与轴向载荷,进行力学性能分析;以碳纤维复合材料层合板铺层顺序为设计变量,以层合板主应变、连续角度铺层不超过四层等为约束条件,最大承载能力为设计目标,对层合板进行优化;并对优化后的层合板基于强度理论...     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性。     

一种改进的遗传算法在函数优化中的应用

针对传统遗传算法在处理多峰值函数优化存在的"早熟"问题,以及在后期搜索效率低的问题,在对目前常见的几种种群早熟程度评价指标进行分析的此基础上,提出了一种新的种群"早熟"程度评价指标,并据此提出了一种改进的自适应遗传算法;最后将改进的遗传算法用于函数优化;实验表明:改进后的遗传算法有效地解决了过早收敛、局部搜索能力差和全局收敛 速度慢等问题.     

基于自适应交叉和变异概率的遗传算法收敛性研究

交叉概率pc和变异概率pm在整个进化进程中保持不变,是导致算法性能下降的重要原因。为了提高算法的性能,文章提出了自适应交叉概率公式和自适应变异概率公式,并在非线性排序选择情况下,证明了所提出的自适应交叉和自适应变异概率公式是收敛到全局最优解的。     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性.     

一种改善遗传算法早熟现象的方法

讨论了遗传算法(GA)中遗传算子对于改善群体整体品质实现群体进化的作用以及遗传算法中早熟现象的成因．通过动态调整遗传算法中的交叉概率和变异概率引入自适应算子，并与局部退化算子相结合来抑制早熟现象．最后给出了算例，说明该方法对于改善遗传算法中早熟现象以及提高算法效率有良好的作用．     

一种改进的遗传算法在多峰值函数优化问题中的应用

针对标准遗传算法在处理多峰值函数优化问题中存在的收敛性问题,设计了一种自适应多位变异遗传算法．有效地解决了过早收敛、局部搜索能力差和全局收敛性问题．实例计算表明.改进后的遗传算法是有效和可行的．     

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以Metropolis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。     

基于生物入侵思想的自适应遗传算法优化

为了改进遗传算法的性能,针对标准遗传算法存在的早收敛及稳定性差的缺点,分析这一问题的原因及应对措施。选择使用基于生物入侵思想的自适应遗传算法进行优化,根据种群的实际情况对交叉概率、变异概率及入侵概率进行动态调整,使算法具有更好的鲁棒性。通过对标准遗传算法、自适应遗传算法、改进的自适应遗传算法和基于生物入侵思想的自适应遗传算法进行仿真验证得知,优化后的算法具有更好的适应度曲线,表明其能够有效的克服不成熟收敛,具有更快的收敛速度及更好的的稳定性。     

基于自适应遗传算法的粒子滤波器

针对重采样导致的权值退化问题,应用遗传算法的进化思想来优化重采样算法,将粒子权值作为适应度值,合理设定阈值,利用最佳个体保存法保存高适应度粒子,利用自适应交叉、变异操作对低适应度粒子进行进化,将高适应度粒子与进化粒子组合成新的粒子集进行状态估计.仿真实验表明,该算法具有良好的实时性和估计精度,其状态估计精度比标准粒子滤波提高近24倍,比无迹卡尔曼粒子滤波提高近4倍,耗时约为无迹卡尔曼粒子滤波的1/10.     

一种改进的遗传算法

采用实数编码的遗传算法 ,在基于适应值比例和最优保留策略结合的选择、数值交叉及一致变异的基础上对算法作了两方面的改进 ,即对交叉操作采用剔除无效个体和保留父代进入选择 ,在算法出现未成熟收敛的趋势时插入混沌序列 ,增加群体多样性 ,以判断算法搜索特性。对函数优化仿真结果显示 ,新方法提高了搜索精度 ,较好地克服了未成熟收敛现象 ,取得了较满意的优化效果。     

基于遗传算法的层合板结构的可靠性优化设计

采用遗传算法分析了存在初始缺陷的复合材料层合板的可靠性优化问题．优化设计时，以层合板结构的厚度最小为目标函数，以可靠度要求为约束条件．在可靠度分析中，取初始缺陷、强度参数、单元层的厚度为随机变量，采用一阶矩法和Tsai-Wu准则分析每个单元层的失效概率，系统失效概率的计算基于串联系统假定．通过比较遗传算法与序列二次规划法的计算结果，证实了遗传算法用于可靠性优化设计的有效性．     

基于改进遗传算法的行星齿轮优化设计

针对行星齿轮的设计参数是由一些混合离散变量组成的特点,通过距离测度改进遗传算子,引入菱形思维,得到了具有实值编码技术的改进型自适应遗传算法．将齿数、模数、齿宽及行星轮个数作为设计变量,以机构的体积最小为目标函数,建立了有别于现有行星轮系的优化设计数学模型．并利用改进遗传算法对模型进行了优化,较常规设计体积减少了31．64％,较SGA减少了17．8％,具有一定的实际意义．     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.