基于MATLAB遗传算法工具箱的非线性电路求解

结合非线性电路,将非线性方程组的求解转化为用遗传算法求解目标函数的最小值问题,借助MATLAB的遗传算法与直接搜索工具箱(GADS)采用标准遗传算法较详细地介绍了其求解过程。结果表明,用该方法求解非线性方程组不仅方便快捷,而且近似解精度较高,突出了遗传算法在非线性电路数值计算中的优越性。该方法可以推广应用于其他非线性问题的求解。     

利用改进的遗传算法求解非线性方程组

提出一种改进的求解非线性方程组的浮点遗传算法,算法通过把非线性方程组的求解问题转化为约束优化问题,然后将局部搜索信息引入遗传算法,通过改进的变异算子不断调整搜索区域,最终搜索到含有最优解的区域,再利用局部搜索信息提高解的精度.数值实验结果表明,改进后的浮点遗传算法具有较好的全局优化能力和局部搜索能力,且提高了求解的速度和解的精度.     

改进量子遗传算法求解非线性方程组

非线性方程组的求解在科学技术和工程应用中经常遇到。将非线性方程组的求解问题转化为函数优化问题,并应用改进量子遗传算法求解此优化问题。数值模拟的结果验证了该方法的可行性和有效性。     

基于改进遗传算法的非线性方程组求解

 采用种群隔离机制、最优保持策略、算术杂交、自适应随机变异和异种机制等方法对遗传算法进行了改进。在保持遗传算法仅需目标函数值信息即可求解这一优点的基础上,这一改进方法增强了遗传算法的局部搜索能力。将该方法应用于非线性方程组的求解。数值算例表明,该方法能够求解以非线性方程为等式约束的〖JP2〗最优化问题。此外,异种机制的引入加快了遗传算法的收敛效率,有效提高了遗传算法收敛于全局最优解的概率。     

用实数编码遗传算法解非线性方程组

将非线性方程组的求解问题转化为求最大值问题,设计出选择算子,杂交算子,变异算子,加速收敛的最佳个体保留策略和预防早熟的灭绝与移民算子,利用实数编码遗传算法求出了非线性方程组的解,数值例子表明了该方法的有效性。     

求解非线性不等式组的混合遗传算法

提出一个求解非线性不等式组问题的混合遗传算法,即首先将非线性不等式组问题转化为等价的最优化问题,然后利用浮点遗传算法全局群体搜索能力强及起始搜索速度快的特点,快速得到接近精确解的近似解.之后将其作为牛顿法或拟牛顿法的初始迭代值,利用其局部寻优能力,快速迭代至满足精度要求的数值解.数值结果表明该方法是有效的.     

变循环发动机数学模型求解及有效性研究

采用部件法建立了变循环发动机的多维非线性隐式方程组模型,该模型具有隐式性,因而求解过程复杂,收敛困难.以变循环发动机为对象,设计了遗传算法,将数学模型转化为最优化问题,并对模型进行求解.提出了算法的有效性评价指标:初值敏感性、计算效率、收敛性、稳定性.与牛顿-拉夫逊法相比,遗传算法初值敏感性较低,收敛性较好.该结果可为变循环发动机模型求解算法的选择与设计提供参考.     

寻找非线性电阻电路全解集的 GA-HPNN 方法

利用群集遗传算法（ＮＩＣＨＥＤＧＡ,简称ＮＧＡ）中群集原理,提出了一种群集消除的思想。利用该思想可将多最大值最优化问题转化为满足群集消除条件的序贯最优化问题。利用非线性电阻电路方程组解与相应的最优化问题解的等价性,可将求取非线性电阻电路全解集的问题转化为满足群集消除条件的最优化问题。遗传算法和Ｈｏｐｆｉｅｌｄ神经网络组合算法（ＧＡ－ＨＰＮＮ）结合了遗传算法（ＧＡ）的全局寻优与Ｈｏｐｆｉｅｌｄ神经网络局部寻优特点,能以较高的精度与速度得到非线性电阻电路的全解集。算法的普适性较强。     

解非线性方程组的拟牛顿混合遗传算法

利用熵函数将非线性方程组转化为一个极小值优化问题。结合拟牛顿法和遗传算法的优缺点,提出了一种求解非线性方程组的拟牛顿混合遗传优化算法。该方法不仅有效发挥了遗传算法在进化初期的群搜索能力,而且利用了拟牛顿法的局部精搜索性能,克服了遗传算法在后期易陷入局部收敛的缺陷,提高了算法整体寻优效率。计算机仿真表明,该算法对非线性方程组的求解具有较好的稳定性和较高的收敛精度。     

带有梯度信息的遗传算法在求解非线性方程组中的应用

提出一种改进的求解非线性方程组的遗传算法.将梯度信息引入遗传算法,通过改变高斯变异参数不断调整搜索范围,逐渐搜索到包含最优解的区域,利用梯度信息提高解的精度.数值模拟结果表明,改进后的算法具有较强的局部搜索能力和全局优化能力,能够提高求解的精度与速度.     

遗传算法在求解超定方程组中的应用

只有在极特殊的情况下超定方程组才有精确解,一般情况下都是求超定方程组在某种意义下的近似解.使用两种非数值算法———遗传算法和模拟退火算法求得超定方程组的最小二乘解,对它们的原理、参数设置进行了比较分析,数值实验的结果显示这两种方法是非常有效的.     

一种求解非线性方程组的算法

为满足理论研究与工程实践对非线性方程组求解的需求，综合遗传算法和牛顿迭代法各自的优势，提出了能够充分发挥遗传算法大范围搜索全局解、牛顿迭代算法在局部细致搜索的新算法。实例证明，该算法搜索效率高，求解速度快，并能获得全局近似最优解。     

嵌入共轭梯度算子的遗传算法

分析病态线性方程组的机理,将原线性方程组的求解问题转化为一个等价变分问题的极少值点寻优问题。在遗传算法产生的子代群体的个体以固定的概率采用共轭梯度法产生新子群,即采用共轭梯度法在局部进行搜索。将共轭梯度法局部搜索能力与遗传算法全局搜索能力有机结合,从而实现了混合算法的优化。算例结果表明,该算法对于病态方程组的求解效果明显优于一般的遗传算法和共轭梯度法。     

轴向受载的高速滚动轴承动态特性分析

根据Hertz接触理论和刚性套圈理论,建立了轴向受载时高速滚动轴承的力学模型,得到了组成该模型的动态特性方程组。针对传统Newton-Raphson迭代方法对所建立的动态特性方程组求解过程中对初值敏感、不易收敛和振荡的问题,提出了基于遗传算法的求解方法,并将所得结果与传统Newton-Raphson方法结果进行了对比。结果表明,遗传算法可以有效求解高速滚动轴承的动态特性方程组,避免了传统方法的缺点,提高了编程效率。     

遗传算法应用于方程求根的一点改进

在牛顿法与遗传算法的基础上,将方程求根问题转化为函数的优化问题,提出了一种新的求解非线性方程的遗传－牛顿法.算法一方面克服了遗传算法局部搜索能力差的缺陷,另一方面解决了单独使用牛顿法时难以找到合适的初始值的问题.数值实验结果表明,遗传－牛顿法能以较高的效率和精度得到方程的数值解.     

一种新的模糊遗传算法

将模糊控制思想引入到遗传算法中,进行交叉概率P6和变异概率Pm的整定工作,并在此基础上提出了一种基于模糊控制的遗传算法－模糊遗传算法,仿真结果表明：该算法不仅能提高解的质量,而且能加速解的收敛速度。     

基于自适应惩罚函数法的混合遗传算法

引入了自适应的惩罚因子,将约束问题转化为无约束问题．通过遗传算法求得无约束问题的可行解,再将此解作为约束变尺度法的初始可行点,由约束变尺度法得到精度较高的解．数值实验表明该混合算法比单纯使用遗传算法效率高,而且在多数情况下能得到全局最优解。     

非线性动力方程精细积分级数解的并行算法

非线性动力方程通过变量变换可以转化为一阶微分方程,该方程的解由表示初值影响的齐次方程解和反映荷载作用的积分之和组成.其中:第一项用指数矩阵计算;第二项在文中采用级数解计算(设计了3种相应的并行算法),算法1对级数解的每一项先做若干个向量的线性组合,再做矩阵向量乘1次;算法2与算法1原理相同,只是将矩阵的幂运算转换成乘积;算法3先做若干个矩阵向量乘,再做若干个向量的线性组合.算法1的并行效率最好,但存储空间需求大,不利于大型结构的求解.算法2、3利用动力方程的稀疏变换改善了算法1的不足,算法3中级数解每一项计算均在其前一项基础上进行,一般能比算法2节省时间.最后,给出了算例验证,三种算法都获得了较好的加速比.