基于相似个体拥挤与Fibonacci法的遗传算法

由于传统遗传算法在应用中会出现"早熟",局部寻优能力较差,求解结果精度不高等缺点,提出了相似个体排挤方法和Fibonacci算子,给出了用相似个体的拥挤与Fibonacci算子相结合的改进遗传算法.数值仿真表明改进后的算法优于传统遗传算法和当前一些改进遗传算法,提高了遗传算法的局部搜索能力和收敛速度,并且能以较大概率搜索到优化问题的全局最优解.     

基于聚类遗传算法的梯级水利枢纽短期电力调度优化

针对标准遗传算法容易"早熟"的缺陷,提出聚类遗传算法;改进了选择算子和交叉算子,并利用Shubert多峰测试函数验证了聚类遗传算法的优势.引入水轮机组运行效率梯度变化因素提出改进变异算子,弥补了变异搜索过随机的缺陷.最后,将改进方式应用于三峡-葛洲坝梯级水利枢纽短期电力调度优化研究中,提出和构建了相应的优化模型以及机组组合启停和运行效率同步实现策略.实例优化结果表明:聚类遗传算法和改进变异算子能有效弥补"早熟"的缺陷,并能显著提高优化搜索效率,适用于梯级电站电力调度优化问题.优化得出的梯级电力调度方案可以满足设定目标和约束,并提高了梯级的发电效率.     

改进遗传算法的试题智能组卷方法

对传统遗传算法在初始种群选取、遗传算法编码、适应度函数设计、遗传算子的自适应设计等方面进行了改进,提出一种改进遗传算法的试题智能组卷方法.仿真实验结果表明,改进的遗传算法在组卷时提高了在题库中搜索的效率和准确性,有效地解决了智能组卷中的多条件约束优化问题,提高了组卷效率和成功率.     

改进遗传算法在电力系统低频减载中的应用

电力系统低频减载优化整定是一个多变量、多约束的混合非线性规划问题,其优化过程十分复杂.遗传算法是一种基于自然选择和遗传机制的搜索算法,比较适合于求解电力系统低频减载问题.本文研究了遗传算法应用于低频减载求解的运算流程,并且在结合低频减载问题自身特点的基础上对遗传算法应用于低频减载求解进行了研究改进,给出了包括编码方案、交叉算子、变异算子和收敛判据的改进遗传算法的实现方案.     

改进遗传神经网络对露天矿边坡位移预测

为提高BP神经网络对边坡位移的预测精度,将遗传算法的交叉算子及变异算子改进,用以优化BP神经网络的初始权值和阈值.应用改进的遗传神经网络对安家岭露天矿1270平盘边坡位移进行预测,同时应用未改进的遗传神经网络及BP神经网络作对比分析.结果表明:改进遗传算法为BP神经网络提供了进一步优化的初始权值、阈值,应用改进遗传神经网络对安家岭1270平盘边坡位移进行预测,改进遗传神经网络的预测精度与遗传神经网络及未经优化的BP神经网络相比进一步提高,是一种可行的边坡位移预测方法.     

基于改进遗传算法的汽车散热器优化设计

根据汽车散热器体积小、耗材少的设计要求,提出了相应的优化目标函数;选定散热器百叶窗翅片的波高、波距、水管横截面长、宽、芯体总宽等结构参数作为决策变量,采用遗传算法对其进行结构优化计算;通过对换热器遗传算法优化过程特点的研究,对基本遗传算法的种群初始化、选择算子、变异算子等作了一定的改进;为验证优化模型和改进遗传算法的正确性,编制了优化设计软件,优化实例显示优化后的散热器的换热面积比原型减少了31.2%,表明改进后的遗传算法用于汽车散热器的结构优化,能够取得较好的优化效果.     

改进的免疫遗传算法在优化问题中的应用

基于生物免疫系统原理,对人工免疫系统进行研究,提出了改进的免疫遗传算法.该算法的选择算子采用基于浓度和适应度的自适应式选择策略;引入免疫算子,抑制其优化过程中出现的退化现象.将改进的免疫遗传算法应用于TSP组合优化问题,仿真结果表明了该算法的有效性.     

一种抑制早熟收敛的改进遗传算法

遗传算法在许多优化问题中都有成功的应用,但其本身也存在一些不足.针对遗传算法的早熟收敛问题,本文在分析基本遗传算法的遗传算子和控制参数的基础之上提出一种改进算法.改进的遗传算法采用了实数编码、算术交叉算子、非均匀变异算子,并对控制参数进行了较合理地选取.改进遗传算法前期能均匀地搜索解空间,后期能对局部进行越来越细微的搜索,并使个体可以进入最优点的吸引域,在一定选择条件的作用下,算法后期可使群体逐渐集中到最优点的吸引域内,从而防止了遗传算法的过早收敛.理论和实例分析均表明,改进后的遗传算法在一些性能上明显优于基本遗传算法,较好地避免了遗传算法的早熟收敛,提高了遗传算法的进化效率,具有良好的有效性和可行性.     

面向成本优化的SBS虚拟化资源分配

在部署云应用问题中,对于结构复杂的基于SBS的资源优化分配问题,目前尚缺少深入研究.针对这一问题,提出了组件服务资源配置的概念及其确定方法,基于此将SBS的资源优化分配建模为资源配置的组合优化.为求解优化模型,给出了一种改进了交叉算子和变异算子的遗传算法.实验验证了优化模型的有效性,同时表明提出的遗传算法具有较快的收敛速度,且与线性规划相比,虽然最优解的质量相近,但是在较大规模问题上求解效率明显优于后者.     

基于改进自适应遗传算法的层合板铺层顺序优化方法

针对复合材料层合板的铺层顺序优化,设计随适应度自适应变化的变异算子和交叉算子,提出了一种改进的自适应遗传算法。通过铺层顺序优化算例证明:与标准遗传算法相比,改进的自适应遗传算法在组合优化方面具有更好的稳定性、收敛性和运行效率。针对不同的设计变量个数,变异算子和交叉算子应选取不同的参数;当设计变量较多时,自适应遗传算法选取P_(c1)=0.9,P_(c2)=0.6,P_(m1)=0.19,P_(m2)=0.01具有更优的收敛效率。