基于改进遗传算法多体模型的汽车悬架参数优化

针对遗传算法普遍存在的概率参数主观选取问题、早熟问题以及汽车悬架优化模型采用集中质量模型问题,提出了改进遗传算法,采用交叉算子和变异算子分别独立作用于父代个体,使父代所有个体都进行交叉和变异来避免概率参数的选取问题;然后按父子混合杰出者选择策略产生子代个体;使用局部多次搜索算子和替换策略来加快遗传算法的收敛速度;建立遗传算法和ADAMS软件的接口,使用专业软件ADAMS来处理复杂目标函数和适应度的求解问题,实现复杂多体模型的遗传算法优化。通过对33自由度的汽车悬架多体模型进行优化分析并和传统优化方法、标准遗传算法和小生境遗传算法进行对比,结果表明该方法明显优于其它方法。     

基于遗传算法的多目标优化方法

本文通过建立多目标问题模型,提出了运用改进的遗传算法求解多目标物流网络问题.该算法借鉴AHP方法的思想,采用将其与遗传算法混合的求解策略,并采用分阶段化的实数编码思想以及相应的遗传算子设计,对遗传算法进行适应性改进.     

遗传算法和蚂蚁算法混合求解旅行商问题

介绍了一种求解旅行商问题的混合蚂蚁算法,该算法结合了遗传算法中的改进的交叉算子和变异算子,对产生的局部最优解进行适当地交叉和变异,提高算法的搜索空间,可以提高蚁群算法的寻优能力,实验表明该算法很有效.     

基于改进多目标遗传算法的连铸二冷过程优化

采用一种改进的多目标遗传算法对二冷工艺进行优化.改进的多目标遗传算法应用概率法选取选择算子,根据适应度值来动态计算交叉和变异概率,能够得到更好的全局最优解,提高算法精度和整体性能.在基于凝固传热模型的二冷优化过程中,采用变间距差分法离散求解传热方程,对比粒子群算法、多目标遗传算法,改进的多目标遗传算法搜索效率高,得到的价值函数最小.在实际生产中,采用优化后的二冷工艺,使得总用水量减少约10%,提高了铸坯质量,达到了节能降耗的要求.     

注塑成型工艺多目标稳健设计及优化算法

在注塑成型过程单目标稳健设计的基础上,提出了成型质量特性均值及标准差的双目标稳健设计模型以及成型多质量特性的多目标稳健设计模型,提出了基于Pareto最优的混合交叉变异的多目标蚁群算法.在结合实例的研究中,针对某遥控器上下盖的注塑成型工艺参数设置分别建立了翘曲量均值及标准差的双目标稳健设计模型和最大翘曲量及最大体积收缩率的多目标稳健设计模型,再利用混合交叉变异的多目标蚁群算法进行求解,求解结果与non-dominated sorting genetic algorithmsⅡ(NSGAⅡ)算法比较,得出部分算法性能指标优于NSGAⅡ算法.利用多目标稳健优化得到的工艺参数进行实际注塑成型,得到的塑件制品成型质量好并且波动较小.     

基于遗传算法的试题库自动组卷问题的研究

给出了利用遗传算法求解试题库自动组卷问题的新方法，讨论了运用遗传算法求解在一定约束条件下的多目标参数优化问题，提出了功能块的概念，并采用了新的编码方式、交叉算子和变异算子。实验结果表明，改进的遗传算法相对于其他算法更能有效的解决自动组卷问题，具有较好的使用性能和实用性。     

面向作业车间调度问题的遗传算法改进

为了获得遗传算法在作业车间调度问题上的最优化解,提高算法的迭代速度,研究了遗传算法的改进方法,以工件的加工时间最短为目标建立调度模型。在算法上提出了基于概率改进的具有自适应能力的交叉与变异算子,以求作业车间调度问题的最优解。在遗传算法上采用精英保留策略方法,并结合改进的自适应算子对问题进行求解。以基准案例LA01和FT06作为实验仿真对象,获得了相应的甘特图以及搜索过程曲线。仿真结果表明,与未改进的算法相比,该算法能够更加快速地获得最优解。改进后的算法在搜索上更加快速有效,在求解作业车间调度问题上具有一定的可行性,更加适合工业加工生产。     

用遗传算法求解GTSP的编码改进

在遗传算法的过程中,变异概率是很低的,相对交叉算子对于影响染色体的多样性更为重要。针对基于广义染色体求解GTSP的遗传算法,提出一种二进制与十进制混合编码,改进了交叉算子,具有更强的搜索能力。测试证明算法改进是有效的。     

自适应免疫遗传算法在混合流程车间调度中的应用

针对钢丝绳生产混合流程生产模式和工艺、结构特点，研究与设计了自适应免疫遗传算法求解钢丝绳生产JSSP问题．该算法利用免疫算法指导收敛方向，提高了遗传算法运算效率，改善了局部搜索能力．同时改进了算法交叉算子和停机准则．应用于钢丝绳生产作业计划管理系统，提高了调度的科学性、时效性及可行性．     

基于遗传算法的ERP生产计划排单模型

以某家具制造企业为实际背景 ,讨论ERP生产计划排单模型的建立及算法设计 .在所建模型中 ,对染色体采用工件编码规则进行编码 ,提出了掺杂人工基因重组的交叉方法 ,并且给出了选择、交叉和变异的具体算子 ,利用自适应遗传算法可实现生产计划的自动生成及调度     

基于免疫遗传算法的炼钢最优炉次计划研究

针对炼钢最优炉次计划问题难以准确求解的实际情况,建立了一种含有0-1变量的整数规划模型,为了求解该优化模型,提出了一种新的免疫遗传算法.该算法通过将免疫算法和遗传算法相结合,在传统遗传算法中加入免疫算子,并且引入了新的个体选择概率模型,有效防止了算法过早收敛的现象.针对该类优化问题的特性,设计了自适应的交叉率和变异率准则,动态调整交叉率和变异率,提高了该算法的精度.基于工厂的实际数据,进行了仿真实验,实验结果表明该免疫遗传算法比普通遗传算法有着更高的搜索精度,证明了该算法在实际炼钢最优炉次计划问题中的有效性和准确性.     

基于遗传算法的单件准时化生产计划

设计了一种遗传算法,用来解决以准时生产为目标的单件制造业生产计划问题,提出了基于投产日期的生产计划编码方法,这种编码方法直接把生产计划映射为一个有序的字符串,并针对这种编码设计了专门的交叉算子和变异算子,相似度检验增加了初始种群的多样性;小生境进化技术的运用有效地保持了群体的分布性;种群并行进化策略、变异率自适应调整、与启发式算法相结合等措施提高了遗传算法收敛到最优解的成功率。     

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少16.67%,并具有很高的稳定性.     

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少1667%,并具有很高的稳定性.     

改进交叉算子和变异算子抑制GA算法早熟

分析了传统遗传算法早熟收敛的主要原因,提出了一类改进的遗传算法。通过引入个体相似度,改进传统的交叉算子,避免了近亲繁殖现象,采用二元变异算子替换传统变异算子。仿真结果表明该改进算法有效地提高了全局搜索性能和收敛速度。     

改进遗传算法在压缩机优化设计中的应用

对标准遗传算法进行了有益的改进,使得算法避免了早熟和陷入局部最优·采用混合编码的方法,使算法更适用于工程实际·设计的重组和筛选算子用于初始种群的形成使得初始解分布更加合理,有益于提高算法的计算效率和收敛性,在算法实现中遗传算子的选择采用了适用于二进制编码的单点交叉按位变异和适用于实数编码的算术交叉非均匀变异的混合算子,使得遗传算子能够适用于实数和二进制两种编码方式·并且尝试了将改进的遗传算法用于滑片式压缩机参数的优化,结果表明,经过改进的遗传算法有效可靠,经过优化的压缩机参数合理·     

基于改进遗传算法的三坐标测量机光学测头的标定

针对三坐标测量机上安装激光测头时机械调整误差大以及传统补偿算法鲁棒性差的缺点，提出了三坐标测量机非接触扫描测量时PH10回转体上光学测头安装姿势误差的补偿方法，建立了安装姿势误差的数学模型，通过对标准球球心的最小二乘拟合，给出了误差模型待标定参数的无约束最优化目标函数的惩罚函数形式，提出了一种改进的遗传算法，在并行组合模拟退火算法中采用了改进的多点交叉算子和自适应变异算子，同时使用了两次最优保存策略，通过仿真实验证明了算法求解的精确性．     

基于改进遗传算法的混合装配生产线平衡问题研究

文章针对传统混合装配生产线缺乏对一个工位多个产品的研究,建立了一个工位多个产品的装配生产线平衡问题模型;以汽车主减速器装配生产线为例,对模型进行分析建模,设计了基于激素调节机制的改进遗传算法的适应度函数、选择、交叉及变异算子,对一工位多产品的混合装配生产线平衡问题模型进行求解;利用Matlab软件编写仿真算法程序对模型进行仿真,在一定程度上验证了模型的可行性和算法的有效性。     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

基于遗传算法的自动组卷的研究

介绍了自动组卷的数学模型和主体思想,讨论了运用遗传算法求解一定约束条件下的多目标参数优化问题,提出了功能块的概念,并采用了新的编码方案、交叉算子和变异算子。实践表明,改进的遗传算法能更好地解决自动组卷问题,具有较好的实用性。