航空弹药运输模型研究

根据图论理论生成符合时限要求的运输网络形图,构建了在运力约束下多种航空弹药的运输模型,并用KSHWC算法对模型进行求解,同时也运用单纯形法对无约束的情况进行了求解,并对两种求解结果进行了比较,发现KSHWC算法能够在容量限制的范围内,充分优化运输方案.     

优化建设项目费用支付的纳什均衡模型及其遗传算法求解

建立业主与承包商间就建设项目费用支付问题的完全信息动态博弈模型，以使业主与承包商的建设项目费用支付(或获得)现金流的净现值对最理想值的偏差最小为优化目标，讨论纳什均衡解，并运用遗传算法求得建设项目费用支付的均衡优化方案。应用本文给出的模型及求解方法，既可以较好地解决业主对建设项目费用支付的控制问题，也能够合理地兼顾到承包商的利益，是一种双赢解决方案。     

基于动态蚁群遗传算法的弹药保障路径选择研究

战时弹药保障路径规划属于典型的不确定性路径规划问题,针对战时弹药保障路径的特点,对传统的解决最短路问题的蚁群算法进行改进,引入将蚁群算法和遗传算法相混合的策略,提出了基于动态蚁群遗传算法的路径优化算法,并通过仿真实验验证此算法可快速、科学和稳定地解决弹药保障路径选优问题.程序实现简单、研究结果可靠,能够为弹药保障路径选择的决策提供科学可靠的辅助手段,具有一定借鉴意义.     

基于遗传算法优化的GM(1,1)模型及效果检验

对变化较平稳的数据和变化幅度较大的非平稳数据两种序列建立的 GM(1 ,1 )模型 ,分别用加速遗传算法 (AGA)和最小二乘法 (LSM)对模型参数求解 .结果表明 ,对变化较平稳数据序列 ,两种参数求解法建立的预测模型的拟合优度和预测精度相差无几 ;对变化幅度较大的非平稳数据序列 ,基于 AGA的 GM(1 ,1 )模型的拟合优度和预测精度远高于基于 LSM的 GM(1 ,1 )模型的拟合优度和预测精度 .     

基于遗传算法的目标优化分配模型

结合我国防空武器的现状,根据现代防空混合配置的特点,提出了基于遗传算法的目标优化分配模型,有效地解决了目标优化分配这一复杂而困难的问题,从而提高了地空导弹武器系统的防空作战效能。     

基于模拟退火遗传算法的土地利用结构优化模型

将模拟退火方法引入遗传算法中,对多参数问题进行优化。该算法克服了SGAs的过早收敛的问题以及算法易陷于局部极小点的问题,使得搜索沿着全局最优方向进行。将该算法应用于解决土地资源优化分配的问题中,优化结果同样具备上述特点。参3。     

过热器机理模型的遗传算法参数优化方法研究

针对过热器模型各参数存在的强耦合性,提出了基于遗传算法的机理模型参数优化方法。建立过热器数学模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。仿真研究表明,运用该方法建立的过热器模型达到预定精度要求;优化过程自动进行,缩短了建模和优化时间。这种方法具有通用性,简单易行,为火电厂仿真机数学建模和参数优化提供一种新的思路和方法。     

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.     

求解全局优化问题的智能遗传算法

提出了一种智能遗传算法,该算法融合了5种交叉算子、8种变异算子和5种灾变算子,能根据当前优化结果智能地选择交叉算子、变异算子和灾变算子,在不影响搜索过程随机性的前提下收敛于全局最优解。不同于传统遗传算法,本算法增加了对各种算子优化性能的统计,在优化过程中尽可能使用那些优化性能高的算子,从而提高了智能遗传算法的优化性能。为了验证本算法的性能,采用12种传统遗传算法和本算法同时对20个测试函数进行了求解。最终的数据实例表明,方法是可行的、正确的和有效的。     

一类带有随机参数的交通优化模型及遗传算法

双向编组站包含两个个独立的作业系统，确定最合理的系统分工方案是这类编组站必须解决的首要问题，车流量则是该问题重要的输入参数，在实际运输工作中，车流量随着时间的不同总要发生一定的波动变化，这必然会影响双向编组站系统分工方案，针对这一交通运输学科经常面临的情况，构造了车流波动条件下双向编组站系统作为分工的随机优化模型，建立了基于遗传算法的求解理论，该方法对交通问题具有一般性的意义。     

基于多约束条件遗传算法的雷达网优化部署

为深入研究实际阵地环境对雷达网优化部署的影响和制约,并探讨一种实用高效的优化部署方法,对实际阵地环境下的雷达网优化部署问题进行了深入分析,讨论了部署的简要约束条件及雷达网实际探测能力评估方法,并在此基础上进行了雷达网优化部署的多约束遗传算法设计。通过实例进行了仿真验证,结果表明,所述方法实用高效,对于实际阵地环境下的雷达网优化部署有较大应用价值。     

基于优化BP算法的精馏塔预测模型

针对建立精馏塔严格动态机理模型的复杂性以及机理模型应用的诸多不便,提出了一种综合共轭梯度和自适应变步长的优化ＢＰ算法,并利用该优化ＢＰ算法建立了精馏塔的预测模型。仿真结果表明,该算法不仅收敛速度快,学习精度高,而且有效避免了常规ＢＰ算法的局部极小值问题。     

带有两货栈具有抛物型需求的变质性物品经济批量问题

传统的确定性经济批量模型通常都假定需求率是常数,且每周期的相关费用是固定不变的。弱化这些假定,并在每周期的需求依赖于抛物型需求的假设下,提出了带有两货栈的变质性物品在有限计划期内的经济批量模型。研究了该模型具有惟一的整体最优解,并给出应用实例。     

基于DLS和GA的作战任务-平台资源匹配方法

作战任务和平台资源的合理匹配是战役作战准备阶段的主要内容。考虑平台资源能力在作战过程中的损耗,在问题建模的过程中引入了资源能力的损耗系数,使得所建模型更加符合实际作战。提出了基于动态列表调度(dynamic list scheduling, DLS)和遗传算法（genetic algorithm, GA)的模型求解方法,使用DLS选择处理的任务,使用GA为选定任务分配平台资源,给出了该方法具体的设计思路和流程。最后结合联合作战的战役算例,验证了所提方法的优越性和适用性。     

一种融合遗传算法和粒子群算法的改进模糊C-均值算法

针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.     

基于改进蚁群算法的舰载机弹药调度

针对舰载机弹药调度供求点多、批次量大等特点,通过分析限制因素,建立了调度方案求解模型。利用蚁群算法对方案模型求解,提出了具体实现算法,每次循环对信息素进行变异调整,并通过引入遗传算法的精英保留和交叉运算操作思想,克服了基本蚁群算法搜索时间长、易陷入局部最优解等缺陷。数值仿真结果验证了调度模型的正确性,以及改进蚁群算法的有效性。     

企业技术采纳时间的优化模型与模拟

运用动态规划的方法建立企业技术采纳时间的优化模型来研究技术的不确定性对企业技术采纳时间的影响,模型涉及的技术不确定性可用技术演化过程中新技术出现的速度和技术效率改进程度的不确定来表示;模型分析的结果表明了企业最优技术采纳时间(技术效率)与折现率、技术出现速度、技术提升程度、企业目前的技术效率和企业的产出弹性系数之间的关系;从技术不确定性的层面很好的解释了企业滞后采纳技术的行为;模型模拟验证了模型的有效性.