一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想，在解决遗传算法中的约束问题时，将处理约束问题的两个关键方法（惩罚函数和修补算法）有机的结合起来，并用于解决一类典型的约束问题--背色问题。其仿真结果表明，对于约束问题的求解，该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高。     

一种基于免疫思想的混合式遗传算法

基于生命科学中的免疫思想,在解决遗传算法中的约束问题时,将处理约束问题的两个关键方法(惩罚函数法和修补算法)有机的结合起来,并用于解决一类典型的约束问题--背包问题.其仿真结果表明,对于约束问题的求解,该混合式遗传算法和标准遗传算法相比在搜索全局最优解的收敛速度和精度方面都有明显的提高.     

工程优化数学模型的预处理分析

工程优化数学模型预处理是对模型构成要素的一系列规范化处理过程。为了方便采用遗传算法对优化模型的求解，提出对目标函数、优化变量及约束因子在优化前进行预处理。在分析惩罚函数法对约束处理效率较低的情况下，提出了一种基于知识调整策略的修正法，对解码中不满足约束的映射关系进行修正，使调整后个体映射到最有希望获得最优解的空间中。理论分析和测试数据表明：对优化数学模型采用适当的预处理，简化了优化设计过程，加速了算法的收敛速度，同时提高了最优解的质量。     

一种基于模糊规则遗传算法在车间布置中的应用

提出了一种将模糊控制规则引入遗传算法的方法．根据每一代种群中所有个体适应度值的变化，对交叉概率、变异概率和染色体交叉长度进行模糊调整，很好地抑制了遗传算法的早熟现象，提高了搜索的效率．归纳出模糊调整规则，并叙述了应用模糊规则对交叉概率、变异概率和染色体交叉长度进行调整的策略；给出了模糊控制器的设计．用该模糊遗传算法对制造系统中的车间布置问题进行了仿真．结果表明，该算法是一种效率很高的寻优方法．     

网络化集成制造模式下调度问题的混合遗传算法

研究了网络化集成制造模式下的JOB-SHOP调度问题，即各任务有具体交货期约束的提前／拖期不同惩罚系数的复杂调度问题；提出了一种新的编码方案和相应的交叉算子，进而提出混合遗传算法；成功解决了上述问题，即找到一个最优调度，使在交货期窗口外完工的任务所受到的提前／拖期惩罚的总和最小．该算法解码复杂度低、通用性强、罗拔性强，最后用算例说明了算法的有效性并指出了工件车间调度问题中尚待解决的问题．     

采用A星-遗传算法的船舶管路智能布置

针对船舶管路设计中的路径寻优问题，提出了一种采用A星-遗传算法的船舶管路智能布置方法。首先，建立了船舶管路布置空间模型，包括网格单元模型、管路简化模型、设备障碍物模型和约束规则模型。其次，对传统遗传算法进行了优化设计，在种群初始化阶段，加入障碍物判定函数替换以往其他研究采用的罚函数；在交叉和变异过程，引入A星算法生成子路径；引入父子比较环节，每经过交叉、变异一次，便比较一次父代与子代的适应度值；在选择操作中，对传统的轮盘赌方法进行改进，引进个体的相似度比例，个体的被选择概率由相似度比例和适应度值共同决定。最后，对所提优化A星-遗传算法和粒子群、A星、迷宫-遗传算法进行了仿真对比实验。结果表明：A星-遗传算法在管路的长度、拐角数、能量值、适应度值、最优解次数和平均收敛代数等6项指标上均得到了最优值；与同为混合算法的迷宫-遗传算法相比，优化A星-遗传算法在两个案例中的最优解次数分别增加了44.4%、100%,平均求解时间分别减少了57.6%、58.1%,平均收敛代数分别减少了36.9%、44.1%。A星-遗传算法在保证管路布置质量的同时，有效提高了寻优效率，其对于船舶管路智能布置的适配性和...     

基于免疫思想遗传算法在FPGA设计中的应用

用生命科学中的免疫思想，指导一种惩罚-修补法来解决遗传算法中的约束问题，并用于解决FPGA设计中的功能模块利用率问题。其仿真结果表明，对于这类约束问题的求解，该算法搜索在全局最优解的收敛速度和精度方面都是可行的、有效的。     

一种新的自适应惩罚函数在遗传算法中的应用

惩罚函数是遗传算法中解决非线性约束最优化问题最常用的方法之一.但传统的惩罚函数运用到遗传算法中往往难以控制惩罚因子,因此本文引进了一种结构简单、通用性强的新自适应惩罚函数,并证明了其收敛性.随后构建了基于新自适应惩罚函数的遗传算法,使得种群能快速进入可行域,并且提高了遗传算法的局部搜索能力.理论分析及仿真结果表明该算法具有参数少、稳定性强、收敛快等优点.     

一种改进的车间调度算法

为了解决考虑生产总成本的车间调度问题,对引入加工成本、库存管理成本和拖期惩罚成本的车间调度问题进行了研究,提出了一种改进的遗传算法求解该问题。论述了改进遗传算法的编码、初始化、选择、交叉和变异操作,通过与基本遗传算法的仿真比较,验证了该算法在收敛速度和最优解值上的优越性。     

整流机组效率优化中遗传算法的研究与应用

针对多台大功率整流机组并列运行效率优化的需要，采用浮点数编码遗传算法，并进行适当的改进：采用不同群体配合不同惩罚系数的方法处理约束条件；采用最优个体保留方法进行选择；采用线性交叉和自适应变异；通过基于控制参数自适应调整的策略克服早熟收敛。采用现场数据进行验证，结果表明，该方法收敛于全局最优解，收敛速度满足需要，过程比传统的工程方法简单，计算结果优于工程方法。     

改进的遗传算法在优化设计中的应用

针对实际机械优化设计中大量的非线性规划问题,提出一种改进的遗传算法.在对单纯形搜索与算术交叉思想进行分析的基础上,将二者相结合,提出了改进的交叉算子以提高遗传算法的局部寻优能力,将种群逐步向极值点引导,实现算法的快速寻优.同时,为了更好地引导非可行个体趋近可行域,改善解的可行性,将惩罚策略与修复策略相结合提出修复算子,对不可行解进行修复操作,加快个体趋近可行域的速度,提高算法搜索效率以及对非线性约束的处理能力,从而达到改善算法整体性能的目的.实际机械工程优化设计问题的应用研究验证了这种方法的有效性.     

模糊罚函数遗传算法及其在曲线光顺中的应用

基于遗传算法中处理约束条件使用的传统罚函数方法效果并不理想,文中指出了一种处理约束优化问题的模糊罚函数遗传算法,并将这种方法用于计算机辅助图形设计中的扫描光栅曲线的光顺问题,得到了很好的效果。     

遗传算法在机组启停中的应用及改进

提出了一种遗传算法应用于机组启停的新思路。针对一启停问题的特点,设计了一些启发式技术,使得遗传算法初始种群中的所有个体都是可行解。     

混沌高效遗传算法在水库含沙量预报中的应用

利用混沌映射的遍历性和实编码遗传算法的全局优化性,通过在遗传进化过程中加入混沌变异操作,在变量的定义域内投放大量的混沌初始群体,在实编码遗传算法进化过程中加入单纯形法学习算子,建立了一种新的混沌高效遗传算法(chaos higher efficient genetic algorithm, CHEGA).应用该法对3个非线性、高维、多峰值测试函数进行了仿真,在收敛速度和全局优化方面好于现有的简单遗传算法和改进的遗传算法.建立了水库含沙量预报模型.并将CHEGA用于求解上述模型的参数优化问题,与实数编码加速遗传算法(RAGA)、二进制加速遗传算法和随机优化算法等方法相比,CHEGA可以遍历到整个区域,较好的保持了种群的多样性,并且精度高、收敛速度快.CHEGA对求解实际水库计算模型的参数优化问题非常有效.     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

基于MATLAB的圆柱齿轮减速器优化设计

优化设计是将最优化理论和计算技术应用于设计领域,为工程设计提供一种重要的设计方法。在对圆柱齿轮减速器优化设计分析的基础上,建立了圆柱齿轮减速器的优化设计数学模型,选取了合理的设计变量,并且确定了合适的约束条件,采用遗传算法来求解该优化设计问题。利用遗传算法优化得到的优化解与罚函数优化得到的优化解进行对比,差别较小。优化结果表明,利用遗传算法进行工程结构中的优化设计,优化方法可靠有效,能够使实际设计效率得到明显的提高。     

基于XML索引动态分组的P2P信息检索机制

针对中心服务器P2P存在瓶颈和单点失效以及无结构P2P易产生网络阻塞的问题,提出一种基于XML索引动态分组的P2P信息检索机制,解决了P2P系统多层次分组不能及时更新以及分组依据片面性的问题。方案中基于发掘用户兴趣设计了动态分组的IBDG算法,该算法通过实时更新分组提高了搜索效率。仿真实验结果证明该算法有效。     

基于遗传算法的车间设备虚拟布局优化技术研究

根据车间布局设计的最小物流费用原则,建立车间设备布局优化模型,并对该优化模型进行遗传算法求解．借鉴车间设备布局的块树表示法,设计了基本块、分割线和方向的混和染色体,并给出解码方法．根据车间布局优化的特点,改进选择算子、交叉算子和变异算子等遗传操作算子,设计基于块树的分割线有效性检验算法,并融合了选择交叉算法的优点,有效地避免了遗传过程中无效个体的大量出现,保证了算法的有效性和高效性．最后,给出了一个12台设备车间布局仿真算例,结果表明,算法快速地在进行到170代左右时达到了收敛,并采用虚拟现实技术将计算结果形象地呈现出来．本文所提出的方法能够很好地解决车间设备虚拟布局问题．