海上丛式井组钻井顺序优化模型及求解方法

海上丛式井组待钻井较多且井口间距较小,优化钻井顺序有助于防碰和采用批钻井方式。综合考虑防碰要求并兼顾批钻井要求,以井眼分离系数作为井眼交碰风险评价指标,以整个井组的防碰井段总长度最小作为钻井顺序优化目标,建立海上丛式井组钻井顺序优化模型及遗传算法求解方法,给出实例计算分析。结果表明:以整个井组的防碰井段总长度最小作为海上丛式井组钻井顺序优化指标是可行的;建立的钻井顺序优化方法能够满足海上丛式井防碰及批钻井要求。     

采用自适应遗传算法的机床公差分配研究

针对当前机床几何精度建模忽视装配过程中的调整量,以及机床公差分配时缺乏科学可行的方法问题,利用状态空间模型描述机床实际装配过程,考虑装配过程中的调整控制量,建立了更加准确的机床装配精度模型,并引入种群多样性指标,构建了用于机床公差分配的自适应遗传算法。以TGK46100精密卧式坐标镗床为研究对象,建立了装配精度要求与基础大件角度误差之间的映射关系,以零件加工总成本最小为目标函数,采用构建的自适应遗传算法,完成了该机床基础大件角度公差的分配。结果表明:与不考虑装配调整量的偏差累积方法相比,该方法放宽了零件加工精度,最大放宽幅度达到了36.4%,平均放宽幅度为12.0%,从而在满足最终装配精度要求的前提下,降低了零件加工制造成本,为机床公差分配提供了更加准确的精度建模方法和可行合适的公差分配方法。     

数字信号处理器代码生成的地址分配自适应遗传算法

为了高质量地生成对数字信号处理器自增/减间接寻址模式的目标代码,提出了地址分配自适应遗传算法.该算法的核心思想为:对地址分配方案进行二进制编码,适应度函数通过地址寄存器变化轨迹的非邻接标记之和的倒数来计算,再通过自适应策略对适应度高的个体以较低概率进行顺序交叉和交换变异操作,使良好基因得以保护进入下一代,并对适应度低的个体赋予较高概率,使较差基因被淘汰掉,从而能实现逃离局部最优并能快速收敛.通过对大量随机变量访问序列进行仿真试验,结果表明该算法运行效率较高,地址计算指令代价比Liao的算法和Leupers的算法分别减少11%和8%.     

基于动态自适应遗传算法的舰艇防空火力分配

本文提出一种基于自适应编码思想的遗传算法用于解决水面舰艇防空火力分配问题,该算法采用自适应编码,自适应选择与自适应的交叉与变异算子,能在较短的时间内得到全局优化解。仿真实验结果表明:新算法与其他算法相比,在优化性能和时间性能方面都有了一定的改善,可以较好地避免陷入局部最优,能较好地解决舰艇防空火力分配问题。     

基于遗传算法的防空作战目标分配模型

根据现代防空导弹混合配置的特点,建立了基于遗传算法的防空作战目标优化分配模型,有效地解决了防空导弹目标优化分配这一复杂而困难的问题,从而提高了防空导弹武器系统的作战效能。     

免疫遗传算法对精轧机组负荷分配的优化

提出基于1GA模型的热连轧精轧机组负荷分配的智能优化新方法,该方法具有计算精度高、速度快等特点,且适合在线计算.实验数据对比分析结果表明了该方法的有效性,为热连轧精轧机组轧制规程的智能优化设计提供了一条新途径.     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

基于改进遗传算法的火力分配寻优模型研究

为求解远程火力打击方案优化问题,设计一种基于剪枝的改进遗传算法。基于不同时期的种群适应度,调整自适应选择策略和自适应交叉策略,提高了算法的收敛精度,加快了收敛速度。在确保种群多样性的前提下,保证了算法的收敛性。仿真试验对比结果分析表明所设计的改进算法具有更高效的寻优能力。     

基于改进自适应遗传算法的组卷研究

针对遗传算法容易出现早熟和收敛速度慢的问题,根据群体适应值分布的变化特点,启发性地提出了一种新的基于小生境技术的自适应遗传算法（ANGA）。根据群体中各个个体的适应值分布情况加以启发,引入了一个自适应的常数Cmin,通过白适应调整Cmin以适时改变群体适应值的分布,优化了各个个体被选择的概率。详细介绍了ANGA应用于组卷问题的步骤。涵盖了其中的各项关键技术：组卷策略、编码方案、适应值函数的确定、选择交叉变异箅子的实现。并以目前的计算机等级考试三级信息管理技术的组卷为例,采用ANGA算法进行了仿真计算。仿真结果表明,ANGA算法能够成功地应用于自动组卷。算法能够以100％的概率在较短的时问内完成组卷,组卷效率高、成功率高;且算法对初值不敏感．具有较好的鲁棒性。     

具有禁忌算子的遗传算法目标优化分配

针对地面防空作战中的多通道目标优化分配问题，给出了一种具有禁忌算子的混合遗传算法。该算法结合禁忌搜索算法和遗传算法二者的优点，既克服了禁忌算法全局搜索能力的不足，又提高了遗传算法的爬山能力，还解决了遗传算法容易陷入局部最优的问题，并使搜索过程具有记忆功能。仿真结果表明，该算法可有效给出求解多通道目标优化分配问题的满意解。     

一种并行自适应微粒群聚类算法

大规模的数据挖掘如聚类问题迫切需要大量计算,提出了自适应微粒群优化的并行聚类算法。通过从多种群并行地开始搜索,基于群体搜索技术的微粒群优化算法减少了初始条件的影响,采用任务并行和部分异步通信策略,降低计算时间。结合并行微粒群算法的自适应参数动态优化特性,克服群体逐渐失去迁移性而停止进化的问题,保持群体多样性从而了避免种群退化。仿真实验证明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量。     

基于改进自适应遗传算法的仿真研究

交叉概率Pc和变异概率Pm是遗传算法中重要的参数,自适应遗传算法中Pc和Pm能根据个体适应度差异自适应地调节其大小,在快速收敛和全局最优之间获得了较好的平衡,但自适应遗传算法对于进化初期不利.改进的自适应遗传算法避免了进化初期较优个体处于停滞不前的状态.分别用3种算法对典型的测试函数进行训练,仿真结果表明:改进的自适应遗传算法在收敛速度和寻最优解方面是最优的.     

一种新的基于小生境的自适应遗传算法

针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢的问题,根据群体适应值的分布特点,启发性地提出了一种新的基于小生境的自适应遗传算法(ANGA).采用一种新的适应值计算方法,引入了一个自适应的常数Cmin,根据群体中各个个体的适应值分布情况加以启发,通过自适应调整Cmin,以适时改变群体适应值的分布,优化了各个个体被选择的概率.同时采用了小生境技术,并对交叉和变异位置引入了自适应的非均匀选择机制.采用3个典型的全局优化测试函数进行了验证,仿真试验表明该方法能够明显地改善全局寻优能力,并大大加快了收敛速度.     

混合流水车间调度模型及其遗传算法

针对流程工业生产过程连续性的特点,从一种新的角度建立了工件等待时间受限的混合流水车间调度模型.以总完工时间最小化和工件在各机器最早开工时间最小化为目标函数,利用改进的遗传算法生成最优排序计划,并用模拟的实际生产数据对模型和算法进行验证和分析.     

开放式遗传算法及其在水资源优化配置中的应用

在分析遗传算法求解过程中对不可行个体处理方法的基础上,提出开放式遗传算法,即在传统遗传算法中加入一个必要的基本过程——修正,用来处理交叉、变异产生的不可行个体.介绍了开放式遗传算法的基本流程,并使用两个优化模型进行算法性能测试.采用开放式遗传算法对南水北调中线河南受水区内郑州市水资源进行优化配置,结果表明,该算法能够有效地处理不可行个体.     

基于关系代数的遗传算法模型及其应用

运用选择、投影、广义笛卡尔积等关系代数运算 ,给出了遗传算法的搜索空间及个体、遗传算子和搜索最优解过程等关系代数形式的描述 ,建立了遗传算法的关系代数模型 ,给出了遗传算法的数学解释 .然后 ,给出建立遗传算法关系代数模型的意义 ,说明了数据挖掘和知识发现应用于遗传算法的可行性 .最后 ,用该模型描述了 2个常见用遗传算法解决的问题 ,即TSP问题和交互式遗传算法中的服装设计问题 ,结果表明该模型的可行性 .     

一种用于车辆最短路径规划的自适应遗传算法及其与Dijkstra和A*算法的比较

提出了一种自适应遗传算法,并成功应用于车辆最短路径规划算法中. 所采用的编码方式、交叉及变异算子等均针对最短路径规划问题而专门设计;同时,提出了一种新的交叉概率、变异概率在线自适应调整策略,以便提高遗传算法的搜索速度和搜索质量. 将该算法同Dijkstra算法、A*算法进行了仿真比较. 对五种不同情况的仿真研究结果表明:同Dijkstra算法相比,该自适应遗传算法可以减少搜索到最短路径的时间;同A*算法相比,该自适应遗传算法则可以搜索到更多的最短路径.     

基于自适应并行遗传算法的证券投资组合研究

将传统的马科维茨模型进行了改进,引入了风险厌恶因子,对投资比例设定了上下限,进一步利用熵对风险进行了修正,并加入了专家评价对模型实行了模糊化处理。同时提出了一种自适应并行遗传算法,其运算时间短,而且随机搜索,其遗传因子能够进行自我调节,不易陷于局部最优。将该算法引入证券投资组合领域,将数据随机分为若干个小组,同时进行遗传优化,提高了运算效率。通过应用实例,求解改进的模型,计算表明自适应并行遗传算法能够准确快速地解决证券投资组合优化问题。     

基于锥模型的自适应信赖域算法

基于锥模型,结合提出的新的自适应技术,建立了一个求解无约束最优化问题的自适应信赖域算法,并在适当的条件下,证明了算法的全局收敛性和Q二阶收敛性.