基于遗传基因算法的切削用量优化

介绍了一种全新的优化算法－－连续域中的遗传基因算法（ＧＡ），提出了基于ＧＡ的加工过程切削用量优化计算方法，给出了铣削用量优化算例。     

遗传基因算法在验证中的改进

随着SOC系统越来越复杂,将遗传基因算法应用于芯片验证,实现验证的自动化,可大幅度提高SOC验证的功能覆盖率。介绍了一种基于遗传算法的验证向量自动生成算法遗传基因算法,并在此基础上提出了一种改进算法,即生长算法。其思路是在遗传基因算法的基本原理上,通过由覆盖率较小的向量群成长为覆盖率较大的向量群。通过在SOC验证平台的应用证明了它们能快速达到较高覆盖率,缩短了验证周期。     

用基因算法实现切削参数的现场实时优化

为了使金属切削加工中,切削参数能实现实时优化保证产品质量和设备效率,提出采用基因算法。它是基于生物进化理论的优化算法,对问题进行全局的、并行的启发式探索优化,因而可以防止收敛于局部最优解,且搜索效率优于其它方法;适用于具有多参数、多约束条件和多目标的切削参数优化。基因算法结合现场实际工况的反馈信息实现了实时优化,在任一不同的生产条件下均能达到最优值。     

基于启发式遗传基因算法的半导体制造系统库存控制研究

针对外部订单变动对制造系统库存数量的影响,提出了一种面向半导体制造系统的双闭环库存优化模型.该模型将外部订单的实时信息及时反馈至半导体生产线,将外部订单需求与生产线在制品库存进行优化:首先,对半导体制造系统进行了分析,提出了基于恒定在制品和实时库存的订单反馈机制,建立了基于原材料闭环和半成品闭环的双闭环库存模型;其次,针对模型所涉及的多目标参数优化问题,提出启发式遗传基因算法并进行多目标寻优.为了验证该方法的有效性,将所提出的双闭环模型和启发式遗传基因算法应用在半导体封装测试工厂进行实例验证.结果表明,所提出的双闭环库存优化机制具有较好的系统性能参数.     

铝电解实验数据的回归分析和经验公式拟合

Na3 AlF6 Al2 O3 熔体中添加AlF3 、CaF2 和LiF ,构成多元复合体系·依据可靠的实验数据 ,采用多元非线性回归方法 ,进行最小二乘法拟合 ,得到初晶点、电导率和密度与诸组成分之间的关系经验式 ,可供铝冶金科学研究和工业生产应用     

金属切削条件的优化算法研究

目前使用的切削条件优化算法,几乎直接引用优化理论中的通用性算法,而这些算法反映切削加工模型的特点不够。本文从切削加工模型特点分析出发,运用优化理论建立了适合车削条件优化的SP法以及适合铣削条件优化的MS法。研究结果表明:在平均计算时间、加工成本方面,所建的SP法及MS法优于传统的查表法及一些典型的优化法。     

用模糊选择法提高进化算法的效率

提出了进化算法中选择优良个体的一种方法－模糊选择法。这种方法通过对个体的适应度进行模糊化处理，实现对优良个体选择。基于模糊选择法的进化算法应用于曲线回归和极值求解。结果表明，该方法是一种有效的优良个体的选择方法，它能显著地提高进化算法的效率。     

数学实验案例:浅谈如何利用计算机实现数据回归分析

数学实验的主要目标是培养学生通过开放的数学思维和数学活动主动构建知识,应用知识。经济、生活等方方面面存在大量的数据,对数据做相应的分析,可从中获得有用的信息,解决或者预测生产、生活等存在的问题。     

基于模糊分析方法的切削参数优化

选择切削深度、进给量和切削速度为评价因子,表面粗糙度、切削力和材料去除率为评价指标,应用正交法设计切削试验.基于试验数据,分别运用模糊关系综合评价法和模糊向量单值化法这两种模糊分析方法对切削参数进行综合评价,并获得了一致的结果;运用响应面法(RSM)建立综合评价预测模型并验证模型的准确性.研究表明,采用模糊分析方法进行基于多指标的切削参数优化有较好的应用效果.     

遗传算法的并行处理分析

随着高性能计算机与网络的发展,将遗传算法与并行处理相结合,可大大提高遗传算法的执行效率.分析了遗传算法并行化的动因和实现模型.     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点,即不能有效地克服过早收敛现象,以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法,它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合,提出模拟退火遗传算法,实验结果表明,该算法在性能上有较大的提高。     

基于正交设计法的遗传算法

将正交设计法和遗传算法相结合，既保留了遗传算法本身的优点，又可以较好地解决遗传算法在达到全局最优解前收敛慢的问题。该算法能有效地求解函数优化问题。     

基于数据挖掘技术的全局优化算法

在过程系统综合中,许多问题属于非线性规划(NLP)和混合整数非线性规划(MINLP)范畴.它们大都具有奇异、多峰、刚性等特性.人们很难有效地得到它们稳定的全局最优解.而知识性、经验性约束使基于梯度方向的Newton方法无法有效地获取该类问题的全局最优解.通常只能得到该类问题的局部最优解.遗传算法的随机性虽为求取NLP和MINLP问题的全局最优解提供了可能,但是随机过程中的盲目性及"伪穷举"性却又限制了该算法的搜索效率.针对过程系统综合问题的特殊性,在信息提取技术对搜索空间进行充分数据挖掘的基础上,用遗传算法的随机扰动来跳出局部极值陷井,获得全局最优解.对反应器网络综合问题的求解,显示了信息提取技术与遗传算法相结合求取全局最优解的能力.     

基于遗传算法神经网络集成股票市场预测研究

神经网络集成技术能有效地提高神经网络的学习能力和泛化能力,已经成为机器学习和神经计算领域的一个研究热点.本文利用不同的神经网络算法产生神经网络集成个体,以误差平方和最小为准则,用遗传算法动态求解集成个体的非负权重系数,进行最优组合集成建模研究,并以此建立股市预测模型.通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法相对传统的简单平均集成模型,具有预测精度高、稳定性好,易于操作的特点.     

遗传算法在温室控制中的应用

遗传算法是一种基于自然选择规律的优化方法,适合解决温室控制中复杂的、非线性的优化控制问题.综合论述了遗传算法,包括差分进化算法在温室控制中的应用,以及今后的发展方向.     

基于改进型期望值选择的GA及程序实现

遗传算法(Genetic Algorithms,GAs)作为一种新的全局优化搜索算法,在各学科中有着广泛的应用,选择策略在GA的进化中具有重要的意义,直接决定GA进化结果的效率和效果,该文指出基于轮盘赌选择的遗传算法和基于传统期望值选择的遗传算法的不足,并在此基础上提出了基于改进型期望值选择的遗传算法(RevisedExpected Value Selection-GA,REVS-GA),提高了程序的简洁度,同时通过实验证明了REVS-GA有效地克服了“早熟”现象,并且执行的效率比传统算法高.     

基于改进遗传算法的多维函数的优化计算

针对标准ＧＡｓ在多维优化中存在的弊端,提出了一种改进ＧＡｓ,在染色体基因解码方式,交换与变异算子、适应函数设计等方面做了改进。通过对极难优化函数的优化计算,说明该算法有良好的全局搜索能力和较快的收敛速度。     

基于遗传算法的基站天线赋形波束综合

提出了一种改进的适应度函数确定方法,通过改变适应度函数中的待定参数,有效提高了搜索效率。采用遗传算法对基站天线的方向图赋形,其结果优于同种条件下用WoodWard法得到的结果。结合工程实践,考察了本文遗传算法的解的稳定性。文中的结果对工程和理论研究都具有重要意义。     

Optimization Method for Turbine Airfoil Designing Using Genetic Algorithms, CFD and Parallel Computing

An optimization method to design turbine airfoils using a Genetic Algorithm (GA) design shell coupled directly with a viscous CFD (Computational Fluid Dynamics) analysis code is proposed in this paper. The blade geometry is parameterized and the optimization method is used to search for a blade geometry that will minimize the loss in the turbine cascade passage. The viscous flow prediction code is verified by the experimental data of cascade, which is typical for a gas turbine rotor blade section. A comparative study of the blades designed by the optimization technique and the original one is presented