多目标优化的遗传算法及其实现

遗传算法是一种通过模拟自然进化过程搜索最优解的方法,在优化方法中具有独特的优越性,有着非常重要的理论意义和广泛的应用领域．多目标优化问题求解已成为遗传算法的一个重要研究方向,而基于Pareto最优概念的多目标遗传算法则是当前遗传算法的研究热点．本文对遗传算法的理论基础进行分析,包括模式定理等,讨论用遗传算法来解决多目标优化问题的方法并给出其实现,介绍遗传算法的各种改进措施,并指出遗传算法的发展动向．     

多目标优化的遗传算法及其实现

遗传算法是一种通过模拟自然进化过程搜索最优解的方法,在优化方法中具有独特的优越性,有着非常重要的理论意义和广泛的应用领域．多目标优化问题求解已成为遗传算法的一个重要研究方向,而基于Pareto最优概念的多目标遗传算法则是当前遗传算法的研究热点．本文对遗传算法的理论基础进行分析,包括模式定理等,讨论用遗传算法来解决多目标优化问题的方法并给出其实现,介绍遗传算法的各种改进措施,并指出遗传算法的发展动向．     

考虑变频调速时泵站优化调度的改进遗传算法

采用遗传算法对有部分变频调速机组的泵站进行优化调度计算，并对遗传算法进行改进，克服了遗传算法的早熟收敛问题。仿真研究表明，优化效果比传统遗传算法好。     

基于遗传算法的超声速二维进气道优化设计

首先介绍了基本遗传算法,并由基本遗传算法演化出小生境遗传算法.应用简单的测试函数对两种遗传算法进行测试,对两种遗传算法进行比较.然后应用小生境遗传算法对二维超声速进气道进行优化设计.在单目标优化设计中,以最大总压恢复系数为优化目标,在多目标优化设计中分别顾及到总压回复系数要求最大和增压比也要很高.在对进气道的优化设计之后,对单目标优化和多目标优化的结果进行比较.     

离散变量桁架结构拓扑优化的杂交算法

为了加快遗传算法的进化过程,提出了遗传算法和拟满应力算法相结合的杂交算法,并将它应用于离散变量桁架结构的拓扑优化问题·在对桁架结构受力分析的基础上,提出一种启发式方法对随机生成的拓扑结构形式作必要修正,以快速产生符合机动性要求的拓扑结构形式·利用遗传算法进行桁架结构拓扑优化,用拟满应力算法进行截面优化,并将截面优化的结果传递给遗传算法作为拓扑优化中遗传操作的根据,这样大大减少单纯用遗传算法进行优化的解空间,从而加快搜索进程·算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的·     

遗传算法的实现及其应用

遗传算法(GeneticAlgorithm)是一类借鉴生物界的进化规律(适者生存,优胜劣汰遗传机制)演化而来的随机化搜索方法.迄今为止,遗传算法已成为进化算法中最广为人知的算法.我们针对遗传算法在优化求解上具有的独特优越性,对遗传算法进行了初步的研究,通过实现对其在具体问题中的优化求解,来达到熟悉和掌握遗传算法的目的,并在此基础上进一步对遗传算法在科学与工程中的运用加以体会.     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

遗传算法在内燃机凸轮优化设计中的应用

引入一种基于自然选择和自然遗传学机理的全局搜索算法———遗传算法 ,并对基于遗传算法的优化过程进行了全面和简要的说明 ,同时根据内燃机凸轮优化设计的特点和难点 ,提出了基于遗传算法的凸轮优化设计方法 ,对遗传算法用于内燃机中的可能性进行了研究 .数值计算实例表明 :遗传算法用于内燃机的凸轮优化设计可获得比较满意的参数优化设计结果 ;与传统的优化方法相比 ,遗传算法具有一定的优越性     

改进的量子遗传算法在冷连轧机负荷分配中的应用研究

量子遗传算法可以克服常规遗传算法迭代次数多、易陷入局部极值的缺点,本文研究并改进了量子遗传算法的量子门旋转角度更新策略,提高了量子遗传算法的性能.应用标准函数测试表明,改进后的量子遗传算法收敛速度快,全局寻优能力更强.将改进的量子遗传算法应用于冷连轧机的负荷分配优化过程,根据Bland-Ford轧制理论以功率和轧制力均衡分配为目标建立综合目标函数,试验数据对比证明,量子遗传算法优化所得的轧制参数比经验分配和常规遗传算法优化所得结果更为合理,符合轧制工艺要求.因此,利用量子遗传算法对冷连轧机进行负荷分配优化是一种有效可行的新方法.     

遗传算法在内燃机凸轮优化设计中的应用

引入一种基于自然选择和自然这机理的全局搜索算法－遗传算法,并对基于遗传算法的优化过程进行了全面和简要的说明,同时根据内燃机凸轮优化设计的特点和难点,提出了基于遗传算法的凸轮优化设计方法,对遗传算法对用于内燃机中的可能性进行了研究,数值计算实例表明：遗传算法用于内燃机凸轮优化设计中获得比较满意的参数优化设计结果;与传统的优化方法相比,遗传算法具有一定的优越性。     

混沌理论在遗传算法中的应用研究

为了提高遗传算法的搜索能力和效率,将混沌理论引入到遗传算法中。利用Logistic方程构造混沌算子,形成混沌遗传算法。通过实验对混沌算子和杂交算子、变异算子的性能进行了比较,实验数据表明混沌算子具有良好的遍历性。将混沌遗传算法应用在旅行商问题中进行性能检验,结果表明:和标准遗传算法相比,该算法的性能和稳定性都有较大提高。     

多个体参与交叉的遗传算法

提出了多个体参与交叉的遗传算法,即采取新的交叉算子使子代个体同时含有多个父代个体的模式．突破了以前遗传算法只有两个个体参与交叉的局限,通过调整参与交叉的父代个体数目和交叉后产生的后代个体数目,实际上提出了遗传算法调试中的两个新参数．通过调整新参数,使得遗传算法可能有更高的计算效率．证明了多个体参与交叉的遗传算法的模式定理．将方差与熵作为描述遗传算法解群多样性的工具．分析了多个体参与交叉的遗传算法对解群方差及熵的影响．通过一个算例验证了多个体参与交叉的遗传算法具有较高的计算效率     

基于遗传算法求解复杂时间-空间布局问题

给空间布局问题加入时间约束的多目标、多约束化布局问题(复杂时间-空间布局问题)是NP完全问题.探讨了遗传算法在求解这一复杂问题过程中的应用,提出用分层型遗传算法处理复杂时间-空间布局问题,给出了有效的编码形式和解码运算.根据混合原则和算例,该算法优于普通的遗传算法.     

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.     

改进遗传算法在模糊文本聚类中的应用研究

在分析了传统模糊聚类FCM算法和基于遗传聚类算法优点和不足的基础上,提出了一种基于免疫单亲遗传和模糊C均值的改进遗传聚类算法,克服了FCM的局部最优问题以及标准遗传算法聚类时的搜索速度和聚类精度的矛盾,并将该算法用于文本聚类,实验表明该算法是有效的。     

一种改进的基于遗传算法的K均值聚类算法

结合遗传算法和K均值聚类算法的优点,提出一种改进的基于遗传算法的K均值聚类算法.将遗传算法的编码方法、初始化、适应度函数、选择、交叉和变异等较好地应用于聚类问题,不仅解决了K均值聚类算法中K值难以确定、对初始值敏感以及遗传算法存在收敛性差和容易早熟的缺点,而且实现了聚类中心的优化选择、K值的自动学习和基因的自适应变异等...     

一种宽带匹配网络的遗传算法设计

为同时兼顾带宽和效率,将遗传算法应用到天线宽带匹配网络设计中。遗传算法中建立了多目标优化目标函数即适应度函数。根据算法寻优结果,结合仿真软件仿真分析了所设计的宽带匹配网络的电特性。结果表明：该宽带匹配网络具有良好的阻抗宽带性能,证明了遗传算法在设计宽带匹配网络中的有效性。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

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。     

基于小生境遗传算法的多峰函数全局优化研究

针对基本遗传算法在求解多峰函数时很难找到全部最优解的问题，研究了基于淘汰相似结构机制的小生境遗传算法。用该算法对两个典型多峰函数求解的测试结果表明，该算法较之基本遗传算法有更强的全局搜索能力和更快的收敛速度。