基于遗传算法的模糊优化研究

针对约束条件、系数和优化变量均为模糊数形式的线性和非线性全模糊优化问题 ,利用模糊数积分排序方法 ,提出了基于遗传算法的模糊优化问题求解方法 ,在该方法中对优化变量采用模糊数编码(每个变量用三个实数编码 ,对应三角模糊数中的 a,b,c) ,最后通过全模糊线性和非线性优化算例 ,验证了方法的有效性.     

基于遗传算法的腿式跳跃机器人上肢运动优化

针对腿式跳跃机器人,提出了最优跳跃性能下的上肢运动优化方法.上肢运动是刻画跳跃机器人性能的关键因素之一.以跳跃性能为优化目标,地面反力冲量作评价函数,关节力矩为优化变量,运用遗传算法,分析了上肢运动对跳跃性能的影响程度.仿真实验表明,该多约束任务下的运动优化方法是有效可行的.     

基于遗传算法供水系统优化调度模型

研究了含有调速泵的供水系统直接优化调度问题.根据给水系统的网络特性,以测压点压力宏观模型、水源供水量和水源供水水头之间的关系模型替代复杂的管网水力平衡方程,并以每一泵站每时段应有水泵运行求得的出水量和管网求得的需水量相等的条件建立了混合泵站供水系统的直接优化调度模型.利用遗传算法对直接优化调度模型进行求解,提出了对各种约束条件处理的方法,针对遗传算法容易早熟等的不足,综合采用遗传算法和模拟退火技术以及自适应交叉和变异率的方法.最后算例计算表明该算法具有较强的适用性.     

基于MPI的主从式并行遗传算法框架

遗传算法是一种求解复杂系统优化问题的有效工具．其本身具有的固有并行性，在并行系统构架下有着非常广阔的应用前景。本文对D．L．Carroll的“遗传算法驱动”进行了改进，加入对当前通用消息传递接口MPI的支持，形成了一个可重用的主从式并行遗传算法框架。并且，针对该框架使用通用遗传算法测试函数，在由两台双至强处理器的工作站组成的COW集群上进行了测试。该框架使不具有并行程序设计经验的用户，可以很方便的构造并行遗传算法程序。     

基于遗传算法的交通信号动态优化方法

针对典型的城市多车道双向交叉路口的交通流分布，以四相位信号控制为例，建立了以控制周期内路口的总延误车辆数最小为控制目标、以信号相位绿灯持续时间和信号周期时长为控制变量的交通信号动态配时模型。并用基于实数编码的遗传算法对信号周期和相位4绿信号时间等控制变量同时进行优化。为检验算法的优化效果，针对实际交叉路口高峰小时的实测交通流量数据，进行了大量次数的仿真计算，并对仿真结果进行了分析。     

基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

基于掩模和俯仰角补偿的视觉自运动估计

提出了一种基于掩模M估计和俯仰角补偿的移动机器人自运动的单目视觉估计方法。在6-DOF自运动模型的基础上,提出了一种适合于乡村道路环境的4-DOF自运动估计模型,以此为基础,采用一种多尺度的超复小波相位相干理论来鲁棒地估计缺乏规则纹理的路面图像的微小运动,设计了一种掩模M估计对运动向量进行优化估计,并提出了一种俯仰角补偿算法克服乡村路面颠簸有效地估计机器人偏航角、俯仰角增量和平移增量。在乡村道路环境下,利用某自主机器人采集的实际数据对算法进行了仿真试验,运动估计结果与车载GPS/INS捷联系统做了对照。实验结果表明了自运动估计算法的有效性。     

基于遗传算法的制造流程价值优化

为解决最短路线动态规划的维数障碍及模式欺骗性问题，提出了一种数组链染色体编码方式及基于自适应性变异概率和模拟退火惩罚函数法的适应性遗传算法（AGA），仿真测试验证了该算法的有效性．针对某发动机壳体制造工艺流程优化问题，采用质量功能展开法得到了各工艺方案的价值，以工艺路线的总价值最大为目标函数、总成本为约束条件，采用AGA得到了一条最佳工艺路线．     

基于量子遗传算法的滤波器参数优化

针对传统模拟滤波器设计对于较为复杂的目标需求往往精度与效率均较差的问题,提出一种基于量子遗传算法(quantum genetic algorithm,QGA)的模拟滤波器优化设计方法。量子遗传算法是量子计算理论与进化理论相结合的产物,同传统遗传算法(classical genetic algorithm,CGA)相比具有种群多样性好、收敛速度快和全局寻优能力强的特点。引入QGA算法对滤波器参数进行寻优。通过采用自适应的量子旋转角调整策略并引入量子交叉、变异及群体灾变操作,提高了算法的搜索效率,降低了算法出现早熟的可能性。实例计算表明了算法在该类问题中的有效性和可行性。     

基于遗传算法的相位调制波形智能优化

随着智能化程度的提高,雷达发射信号更加复杂多变.为有效应对复杂的、未知的威胁信号,需要提升对抗系统智能对抗的能力,提出一种基于智能优化算法的对抗波形智能优化方法,并通过仿真实验对基于遗传算法的相位调制波形智能优化进行研究.不同优化参数、不同实施条件、不同雷达信号及信号变化条件下的实验结果表明,遗传算法能够以较少的迭代次...     

基于混合遗传算法的近距离放射剂量仿真优化

提出了一种连续驻留位置和驻留时间的近距离放疗剂量优化算法.将驻留时间t看成是驻留位置x的一个连续函数,用积分方式计算每个参考剂量点的剂量.再用计算剂量和目标剂量值之间的差别为目标函数,用遗传算法和POWELL算法混合求解最优的曲线参数.曲线可根据具体情况进行分段.得到曲线后再根据积分的数值逼近方法原理将其离散化,得到最终的驻留位置和驻留时间.实验的结果表明,算法不仅避免了负的驻留时间问题,还让相邻驻留位置的驻留时间比较平滑.在最后的离散化过程中,还可以得到不同的驻留位置和驻留时间结果,使计划具有更好的灵活性.     

基于多目标遗传算法的高层建筑概念设计优化

在高层建筑方案概念设计阶段,同时考虑了建筑、结构、设备等多种因素,并运用多目标遗传算法及MATLAB编程,对高层建筑概念设计进行优化.算法中的随机变权重因子可以更好地体现不同决策的侧重倾向,从而更好地符合实际需要.以高层办公建筑为例,提出了具体的方法和实施步骤,所得结果可为工程设计人员提供有益的借鉴.     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

基于改进遗传算法的对单个目标射击弹序优化的算法

针对攻击单个目标时战术导弹射击顺序规划问题，首先给出了战术导弹射击过程的数学分析，进而通过设计自然数编码方案和基本互换的遗传算子，构造了一种用于弹序优化的改进遗传算法，实现了战术导弹作战效能的智能优化，算法的应用结果表明其收敛速度及优化效果均好于传统算法。     

基于改进遗传算法的物流配送路径优化

物流配送路径规划对于提高物流配送效率、节约配送成本具有重要意义。以物流配送路径总长度为优化目标,将其转换为经典TSP优化问题进行求解并建立了数学模型。基于该数学模型,提出改进的遗传算法,针对遗传算法的选择、交叉和变异分别提出了基于序的选择算子、基于最小代价树的交叉算子和基于随机点长度控制的变异算子。改进的遗传算法与简单遗传算法的对比仿真实验表明,所改进的遗传算法有较好的全局寻优能力,且其收敛速度快,是解决物流配送路径优化问题的有效方法。     

基于改进遗传算法的影像中心布局优化方法

针对影像中心现有布局优化方法自动化水平低、受个人主观意愿影响较大等问题,提出运用系统布置方法(systematic layout planning,SLP)和改进遗传算法相结合的方法对布局进行优化。利用SLP生成的布局方案改善遗传算法的初始种群,增加初始种群多样性;从遗传进化代数和个体适应函数值2个方面实现遗传参数自适应调节,提高其寻优效率。在西安某影像中心布置区域模型和多目标优化数学模型的基础上,运用改进后遗传算法对西安某影像中心布局优化问题进行了仿真实验。实验结果证明：该算法在求解影像中心布局优化问题时比传统遗传算法或蚁群算法速度更快、效果更好。提高了影像中心布局优化的自动化水平,为建筑设计人员提供合理的参考方案。     

基于遗传优化的采样模糊C均值聚类算法

在数据挖掘领域,模糊C均值聚类法(FCM)在处理小量低维的数据挖掘时是有效的,但是面向数据库的数据挖掘经常要处理大量、高维的数据.在这种情况下,FCM算法在时间性能上难以令人满意.本文基于采样技术对FCM算法进行改进,以提高算法的时间性能,并利用遗传算法对聚类结果进行优化以保证聚类的质量,给出了一种新的基于遗传优化的采样模糊C均值聚类算法SFGO(SamplingFCMwithGeneticOptimization).仿真实验证明SFGO算法在大规模数据库的聚类挖掘中,在时间性能和聚类质量上都能获得较满意的结果.     

基于遗传算法的高超声速进气道自动优化设计

高超声速进气道的优化设计对于改善进气道的性能,进而提高发动机整体飞行效率具有重要意义。利用FLUENT/MATLAB协同仿真技术,通过CFD对进气道模型进行高维分析,结合多机并行运算发挥遗传算法全局寻优的能力,提出了一种基于遗传算法和CFD仿真的高效、高精度的高超声速进气道自动优化设计方法,试图构建一种高超声速进气道自动优化设计的快速原型仿真平台。通过对三楔面定收缩比进气道的多目标优化算例,初步验证了此方法的可行性与高效性,为开展多变量多目标的高超声速进气道优化设计创造了良好的条件。     

基于混合遗传算法的配电网络重构优化

以网损最小为目标函数,电压降、线路电流值和电源容量的限制为约束条件,建立了配电网络重构优化数学模型,用外部惩罚函数法将该问题转化为无约束问题.针对遗传算法的局限性,对适应函数进行了调整,实施了最优保留策略,改进了交叉和变异操作,并结合了模拟退火算法,从而形成了混合遗传算法,该算法能够有效地提高收敛速度,避免早熟收敛.优化过程中考虑了配电网自身特点,提高了计算效率.重构算例说明,该优化方法有效、实用.