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.     

基于遗传算法的约束优化方法评述

用遗传算法求解无约束优化问题已经取得了成功 ,但如何处理有约束优化问题是其面临的问题之一 .目前处理这一问题没有一致适用的方法 ,最常用的处理约束方法是惩罚函数法 ,也有一些其它方法 .本文对近几年出现的几种方法进行了介绍 ,并评述了它们的优缺点 .     

遗传算法的研究及其在函数优化中的应用

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法.在文中介绍了遗传算法的初始群体的生成、交叉算子、变异算子.在分析了基本的遗传算法的特点和缺陷的基础上,提出了改进的方法.改进的遗传算法在函数优化中的应用具有较好的效果.     

应用智能可视化优化方法确定催化重整的优化操作区域

为了确定催化重整的优化操作区域,以方便催化重整过程中操作参数的调节,基于数据驱动的智能可视化优化方法,提出了优化催化重整过程的操作方法。基于该过程的操作数据,以脱戊烷油量和辛烷值为目标,应用智能可视化优化方法建立了降维映射模型,将操作数据降维到二维平面,并生成目标等值线。由此,在映射平面上找到了协调脱戊烷油量和辛烷值两目标的优化操作区域。该优化区域为催化重整过程中操作参数的调节带来了便利,当某个或几个操作参数发生变化时,可通过调节其他参数,使操作点仍然落在优化区域内。应用所提方法对一个季度的操作数据进行统计,结果表明,有96%的操作点在优化区域内,且脱戊烷油量和辛烷值得到了同步提高,验证了所确定优化区域的有效性。     

一种改进的遗传算法及其在约束优化中的应用

提出一种违约解修正法来改进遗传算法 ,目的是把遗传操作中产生的不可行个体 ,经过修正变换成可行个体 ,并用测试函数验证其有效性 .计算的结果表明了违约解修正法的遗传算法应用在约束优化中是可行的 .     

一种求解约束函数优化问题的遗传算法

遗传算子和种群更新策略在遗传算法全局寻优过程中发挥着重要作用，通过多父体杂交算子使产生的后代更具多样性和采用最小代数代沟种群替换模型有效地均衡算法对问题解空间的探索和开发能力提高算法的性能，给出了一种求解约束函数优化问题的遗传算法。对两个典型约束函数优化问题进行了数值实验，实验结果表明了该算法的有效性和稳健性。     

MIMIC算法在非线性多约束机械优化问题中的应用

将双变量相关的分布估计算法与惩罚函数法相结合,用于解决机械工程上非线性多约束优化设计问题.算法对每一次迭代寻优后的变量进行保留,建立概率模型,通过正态分布发生函数对变量重新取值,并采用惩罚函数来处理变量约束条件.仿真结果表明,该算法能有效防止早熟收敛,提高算法的全局搜索能力,具有较好的应用前景.     

神经网络与遗传算法在硝酸生产操作参数优化中的应用

讨论了用人工神经网络建立硝酸生产操作参数稳态优化模型的方法,然后在该模型的基础上采用遗传算法优化过程参数,为硝酸生产的优化操作提供了参考.     

遗传算法在系统可靠性优化中的应用

将遗传算法用在可靠性优化中，更好地解决了文献[2]中提出的非线性优化模型。     

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。     

求解含等式约束优化问题的遗传算法

针对遗传算法较难处理含等式约束的优化问题,在设计变量独立性分析的基础上对等式约束采用了降维处理方法,不仅使等式约束在优化时始终严格满足,而且经降维处理后优化问题仅包含不等式约束;然后,借鉴多目标优化思想,提出了从个体违反约束程度和违反次数2方面同时对种群进行排序,使算法对个体的排序和选择更符合实际.实例验证了该算法的有效性和可行性.     

基于遗传算法的函数优化拟下降算法

在传统优化算法中嵌入一拟下降步,改善了算法的收敛性质;用遗传算法计算拟下降步,提高了算法的全局搜索能力,又不改变原算法的收敛性．数值计算结果表明,所提出的算法结合了遗传算法和传统算法的优点,是一种可行的解决函数优化问题的混合算法．     

基于改进伪并行遗传算法的函数优化

针对遗传算法早熟和收敛速度慢的问题,在已有的伪并行遗传算法基础上对遗传操作进行改进。采用3个测试函数对改进的算法进行验证,结果表明改进的算法在函数的平均适应度值、平均运行代数、收敛概率等方面都取得了较好的结果。     

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

遗传搜索优化算法

简述了多峰优化的主要问题及遗传算法的基本概念及算法.在传统的优化方法基础上,引入遗传算法的思想,提出以优化搜索方向向量为研究对象,在连续空间进行优化的遗传搜索优化算法;给出了算法中关键参数的选取方法;最后,给出了该算法的计算实例,结果表明,用该算法能较稳定地找出全局最优点.     

模糊控制器隶属函数曲线的优化方法

应用遗传算法优化隶属函数曲线的疏密分布，阐述了优化的基本原理和具体实施过程，最后将该算法应用于一类对象模糊控制系统的设计中。仿真结果表明：该方法得出的隶属函数具有较为理想的控制效果。     

多工况多约束离散变量桁架拓扑优化的GA算法

采用遗传算法(ＧＡ)求解了多工况、多约束的拓扑优化问题,并对拓扑优化设计变量的遗传编码、约束处理及结构重分析减少等三个方面进行了改进·设计变量采用了额外基因表示法,更易获得最优拓扑结构·为减少结构重分析次数,引入了Ｓｔｅａｄｙｓｔａｔｅ遗传算法,并采用了新的约束处理方法,扩大了搜索空间·     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

遗传算法求解函数优化问题的Matlab实现

利用Matlab优化工具箱,结合典型的一维和多维变量函数,在Matlab环境中有效地解决了用遗传算法求解函数优化问题.图形直观,性能优越,为遗传算法的实际应用开辟了新的渠道和途径.