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.     

基于遗传算法的清洗车机架机构铰点位置优化

鉴于清洗车工作装置机架连杆机构的铰点位置直接影响油缸的最大工作压力,文章在分析清洗车工作装置运动的基础上,以液压缸的最大作用力最小为目标函数,建立针对铰点位置的优化模型;采用遗传算法,利用Matlab优化工具箱,对铰点位置进行优化;根据优化结果,建立隧道壁面与声屏障清洗车工作装置的动力学模型,比较优化前、后液压缸的受力情况。优化结果表明,优化后的铰点位置大大降低了液压缸的工作压力。     

基于遗传算法的无约束优化问题研究

本文提出了用遗传算法处理无约束优化问题的方法。     

基于遗传算法的天线波束方向主瓣位置控制的研究

天线波束方向形成是智能天线中的一项重要技术。经典的波束形成算法多涉及复杂的矩阵运算且收敛速度慢。因此本文提出将遗传算法应用于阵列天线波束形成中,并以一维均匀直线等幅天线阵波束方向主瓣位置控制为例进行仿真研究。仿真结果验证了遗传算法在得到满意解情况下,运算更加简单收敛速度快。实际应用表明,基于遗传算法的天线波束方向形成技术是切实可行的,且具有很好的推广潜力。     

基于遗传算法的切削用量优化

在机械加工中,切削用量的优化对于保证加工质量,降低加工成本和提高劳动生产率都具有重要意义。近年来快速发展的遗传算法,对于解决非线性优化问题取得了令人瞩目的成绩。应用遗传算法对切削用量的优化问题进行了研究,提出了一种在进行遗传操作之前对个体进行预先筛选,从而将有约束优化问题变成无约束问题的方法,并通过算例说明了它的有效性。     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

基于模糊遗传算法的电液位置伺服系统控制

电液位置伺服板簧实验系统是一个典型的非线性系统，采用传统的PID控制策略难以获得较好的控制效果。基于遗传算法的模糊遗传算法，利用遗传算法强大的空间搜索能力，对模糊隶属函数进行优化。仿真结果表明：该算法在电液位置伺服系统控制中取得了响应速度快、稳定性优越的效果。     

基于遗传算法的神经网络优化

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中,神经网络已被广泛应用于智能控制系统优化,信号及信息处理,模式识等领域,而遗传算法则是模拟生物的进化现象（处然淘汰,交叉,变异等）,不表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。但神经网络和遗传算法目标相近而方法各异,因此,将这两种方法相互结合,必能达到取长补短的作用,近年来,在这方面已经取得了不少研究成果,形成了以遗传算法与神经网络相结合的进化神经网络（ENN）。本文以综述的形式总结了遗优越传算法在神经网络训练中的应用情况。     

基于改进遗传算法的水库群优化调度研究

提出一种基于自适应遗传算法的水库群优化调度问题的求解方法,并对其性能进行了分析。结果表明,该方法可以随个体适应度的大小及群体的分散程度自动调整遗传控制参数,较好地克服了标准遗传算法由于采用固定遗传控制参数带来的若干问题,能够在保持群体多样性的同时,加快收敛速度,提高遗传算法的全局寻优能力,为高精度水库群优化调度提供了一个新的途径。     

基于遗传算法的BP网络优化研究

将遗传算法（ＧＡ）用于对ＢＰ网络权重的优化，不必对其进行参数调整，减少了训练的次数和计算量，且不会造成局部最优，多数影响遗传优化效果的规律得以确定、说明ＧＡ对神经网络的优化是可行的。     

基于遗传算法的转塔式贴片机贴装过程优化

在转塔式贴片机的贴片过程中,元件贴装顺序和元件在供料槽中的布置是影响转塔式贴片机贴装时间的主要因素.在分析实际工程应用的基础上,建立了转塔式贴片机的集成优化模型,在改进的遗传算法中,提出了一种二维符号编码方法,用元件编号描述元件贴装顺序,用供料槽编号描述元件在供料架中的布置情况,并用元件类型编码实现了两者之间的联系.针对提出的编码方式,采用了基于顺序的交叉和自适应的变异操作,并在算法内采用了并行结构,结合局部搜索策略,实现了元件贴装顺序和供料槽布置可同时优化.与其他方法的比较结果表明,该算法可实现贴装过程的优化,因此提高了印刷电路板的组装效率.     

Analog Module Placement Design Using Genetic Algorithm

This paper presents a novel genetic algorithm for analog module placement based on a generalization of the two-dimensional bin packing problem. The genetic encoding and operators assure that all problem constraints are always satisfied. Thus the potential problems of adding penalty terms to the cost function are eliminated so that the search configuration space is drastically decreased. The dedicated cost function is based on the special requirements of analog integrated circuits. A fractional factorial experiment was conducted using an orthogonal array to study the algorithm parameters. A meta-GA was applied to determine the optimal parameter values. The algorithm was tested with several local benchmark circuits. The experimental results show that the algorithm has better performance than the simulated annealing approach with satisfactory results comparable to manual placement. This study demonstrates the effectiveness of the genetic algorithm in the analog module placement problem. The algorithm has b     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

基于遗传算法的管材矫直优化

针对管材矫直质量问题,利用单向弯曲的方式,建立了矫直过程的力学模型,提出了优化的目标函数,建立遗传算法模型对矫直工艺参数进行了优化,得出了合理的工艺参数值.将该工艺参数值用于实际加工中,能显著提高管材的矫直质量.     

基于遗传算法的函数优化拟下降算法

在传统优化算法中嵌入一拟下降步,改善了算法的收敛性质;用遗传算法计算拟下降步,提高了算法的全局搜索能力,又不改变原算法的收敛性．数值计算结果表明,所提出的算法结合了遗传算法和传统算法的优点,是一种可行的解决函数优化问题的混合算法．     

基于改进遗传算法的露天采矿优化

首先针对露天采矿优化问题的实际情况,建立了优化数学模型,并将原问题的约束条件转化为目标函数的组成部分,使之便于利用遗传算法求解.针对遗传算法的局限性,实施了最优保留策略,并改进了选择、交叉和变异操作,使该算法能够有效地提高收敛速度,避免早熟收敛.最后,通过实际算例说明,该优化方法有效、实用.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

基于遗传算法和模式搜索的混合优化方法

遗传算法具有快速随机的全局搜索能力,但当求解到一定范围时往往做大量无为的冗余迭代,求精确解效率低.模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.本文提出了一种混合遗传-模式搜索算法,该方法是将种群分成两个子群,分别进行遗传算法与模式搜索算法,在每一步中两个子群的最佳结果收集起来,用于更新相互的最优个体.仿真结果表明遗传算法与模式搜索的混合优化方法取得了较好的效果.     

基于遗传算法的无向网络路径优化

为了解决无向网络的最短路径优化问题,采用遗传算法并使用可变长编码,在遗传算子操作中进行有效性判断,避免了传统交叉变异算子中无效路径的产生;网络数据存储采用链式存储结构,仅需存储各个节点信息,摒弃了传统的邻接矩阵方法.仿真试验表明,该算法可行性强,且可以找到最优路径.