对适应值进行模糊推理的模糊遗传算法

本文介绍了模糊遗传算法的一个新方向——对适应值进行模糊推理的模糊遗传算法。区别于其他的模糊遗传算法,它针对多目标优化问题,使用模糊语言来描述适应值的大小,经仿真试验,取得较满意结果。     

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．     

基于改进遗传算法多体模型的汽车悬架参数优化

针对遗传算法普遍存在的概率参数主观选取问题、早熟问题以及汽车悬架优化模型采用集中质量模型问题,提出了改进遗传算法,采用交叉算子和变异算子分别独立作用于父代个体,使父代所有个体都进行交叉和变异来避免概率参数的选取问题;然后按父子混合杰出者选择策略产生子代个体;使用局部多次搜索算子和替换策略来加快遗传算法的收敛速度;建立遗传算法和ADAMS软件的接口,使用专业软件ADAMS来处理复杂目标函数和适应度的求解问题,实现复杂多体模型的遗传算法优化。通过对33自由度的汽车悬架多体模型进行优化分析并和传统优化方法、标准遗传算法和小生境遗传算法进行对比,结果表明该方法明显优于其它方法。     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

基于多目标遗传算法的路径规划

研究三维地形中的路径规划问题.针对三维地形中路径涉及的因素多,将多目标优化的思想引入路径规划.提出一种基于多目标遗传算法的路径规划方法,设计了优化路径的遗传算法实现方案.使用大范围初始化种群的方法,设计了适合于路径规划的遗传算子.实验证明,该算法能综合考虑多种因素,并能同时提供不同特点的多条路径供决策者选择.     

基于基本遗传算法的PID参数整定

多目标优化问题一直是控制领域的重要研究问题。本文主要利用基本遗传算法来解决其中的参数优化问题。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,采用轮盘转的方法提高遗传算法的全局优化能力。最后,通过MATLAB仿真结果表明,根据遗传算法寻优设计的PID控制器比人为的通过调试或经验取得的数据更有说服力,控制效果更好。     

基于遗传算法的交通信号控制多目标优化

针对城市交通信号控制面临的多目标优化问题,提出了利用遗传算法实现多目标优化的方法.分析了城市交通信号控制多目标优化的本质及特点,采用基于遗传算法的多目标优化方法,提出了信号控制多层模糊控制模型,以平均延误和停车次数作为优化目标,采用遗传算法中的随机权重方法来进行该模型的多目标综合优化,给出了各模型参数的计算方法和优化步骤,最后进行了仿真试验.仿真结果表明,给出的多目标优化方法优于传统的多目标固定权重方法,可以获得更好的交通信号控制效果.     

遗传算法在宽带IP网设计中的应用

讨论了使用遗传算法来进行宽带IP网络设计的研究方法 ,使用遗传算法对网络设计中的拓扑、路由和容量分配等方面的优化问题进行了详细的描述 ,并简要举例说明遗传算法的使用     

大型复杂结构优化问题的遗传算法

大型结构的整体优化问题一般具有多目标、多约束和多混合变量的特点，自由度多达千计，其算法的速度和效率是问题的关键所在．遗传算法是求解大规模函数优化问题的有力工具，在复杂结构的优化设计问题中得到广泛应用．本文介绍了遗传算法的基本思想、特点，阐述近年来遗传算法在结构优化设计及其相关领域的应用现状和重要发展．     

一种约束多模态函数优化免疫遗传算法

通过引入局部检测函数,将约束多模态优化问题转化为约束多目标优化问题.进而,基于克隆选择原理和Pareto控制概念,提出一种求解该多目标优化问题的免疫遗传算法.算法设计中,基于非控制分层和小生境思想,产生具有足够多样性的进化群体,进而依据克隆选择原理和基因互换机理设计进化模块,对进化子群进行岛屿式进化,力求获得问题的所有...     

系统可靠性的多目标优化计算

由于多目标优化问题存在多个最优解集合，而传统的方法往往将其转化为各目标之加权和，然后采用单目标优化技术，这种方法存在诸多缺点和脆弱性，作为一种并行算法，遗传算法能很好地解决多目标优化问题，文中在非劣性分层遗传算法的基础上对遗传算子进行改进，首先获得多目标优化问题的非劣解，然后通过对系统进行敏感性分析，有效地缩小了问题的解空间．试验对比发现，算法的速度和精度得到有效提高。     

桁架材料和结构组合多目标优化设计

同时为桁架的每个杆件确定最为合适的材料和结构尺寸属于桁架材料和结构组合优化问题．提出一种桁架材料和结构组合多目标优化的方法．为材料分配唯一的标识编码，把杆件所用材料直接作为设计变量，并且和杆件截面积一起构成设计变量空间．考虑结构重量、成本和节点位移3个目标以及应力约束，建立了桁架材料和结构组合优化问题的数学模型．应用多目标遗传算法进行求解．算例结果表明，采用多目标遗传算法可以为桁架设计参数的确定提供多种选择方案，决策者可以根据目标的重要程度确定最后设计方案．算例分析结果验证了该方法的有效性．     

基于GAlib和聚类技术的WMN网关部署优化研究

将网关部署问题化为数学模型,用集合覆盖问题求解多目标优化问题。其次采取了分簇、遗传算法、聚类算法相结合的方式设计了算法,实现部署网关的数量较少,骨干网中普通路由器与对应网关间的跳数较小的目标。同时仿真分析表明该聚类技术对仅基于GAlib提出的网关部署方案有着良好的优化效果。     

两连杆桁架设计的多目标优化算法

针对两连杆桁架的多目标最优化设计问题,提出一种利用遗传算法和模糊理论来求解多目标优化问题的Pareto最优解算法,并通过实验进行验证;讨论遗传算法和模糊理论产生Pareto最优解的差异.结果显示:通过遗传算法配合近似分析的方法可以更有效率地寻找到更多的Pareto最优解.     

基于自适应遗传算法的网络化制造盟员选择研究

针对网络化制造中动态联盟盟员选择优化问题,分析了盟友的评价指标体系,建立了盟友选择的多目标优化模型,并在此基础上提出一种自适应遗传算法.该算法设计了自适应交叉和变异概率, 使其在遗传过程中根据适应度自动选择, 从而使群体中每个个体对环境的变化具有自适应调节能力.通过保持迭代过程的最优解, 加快了搜索速度, 并保证收敛于全局最优解.     

基于离散变量遗传算法的注塑模浇口位置优化设计

建立了一个注塑模浇口位置设计的多目标优化模型,以浇口位置作为设计变量,优化充填过程中入口压力、温度分布等主要工艺参数以减小制品的翘曲程度.将拟精确罚函数和基于信息熵的多种群离散变量遗传算法相结合,发展了一种求解注塑模浇口位置多目标优化问题的迭代格式.在遗传进化中采用了多种群遗传策略和基于信息熵的空间减缩搜索技术,从而大大提高了遗传进化的效率.将该算法与注塑模流动数值模拟程序结合进行浇口位置优化设计.算例表明所提出的方法适用于注塑模浇口位置优化,并且有较好的计算效率和精度.     

基于Isight的博弈多目标优化

复杂多目标优化设计中常遇到性能目标与设计变量之间不具有显式的函数关系式,难以直接运用传统优化方法进行设计计算,且多个性能目标相互耦合,设计周期长等问题。针对这些问题,本文提出了基于Isight的博弈多目标优化设计方法,在Isight优化平台下集成Solidworks软件和Ansys软件进行建模与分析,运用博弈论思想分别建立合作博弈模型和非合作博弈模型,用遗传算法对模型进行求解获得优化解,并以悬臂梁多目标优化设计进行示例说明。     

基于多目标遗传算法的吸声覆盖层参数优化设计

针对圆柱空腔吸声覆盖层低、高频吸声的机制不同,提出了一种基于多目标遗传算法的吸声覆盖层参数优化设计方法.利用有限元软件ANSYS建立了平面波垂直入射吸声覆盖层的分析模型,并采用多目标遗传算法NSGA-II得到了多目标吸声问题的Pareto最优解集.结果表明：多目标优化设计全面考虑了圆柱空腔吸声覆盖层的低、高频吸声之间的耦合,可按需选择其满意的优化结果;比起仅优化吸声覆盖层的材料属性,考虑材料属性和结构参数的综合优化能够获得更佳的宽频吸声性能.     

基于LOMOGA的降阶H_∞控制器的设计

针对降阶H∞多目标控制器的设计问题,本文提出了基于局部正交多目标遗传算法(LOMOGA)的降阶H∞控制器的设计方法。该方法结合局部正交优化和改进多目标遗传算法,解决了多目标遗传算法局部搜索能力较差的问题,达到了对H∞控制器的结构和参数同时优化的效果,提高了降阶H∞控制器的动态性能和鲁棒性能。仿真结果表明,该方法不仅具有较强的全局和局部搜索效率,而且搜索结果具有较高的精度、更好的分布均匀性和多样性。