粗粒度并行遗传算法收敛性分析及优化运算

提出了一种新型的粗粒度并行遗传算法(CGGA)，该算法利用多个子种群基于不同的编码方式进行进化计算．首先各子群体独立进行交叉、变异和选择遗传操作，每代进化后迁移算子被引入用来进行种群问的信息交流，迁移算子将各个子种群的最优个体替换相邻种群最差个体后继续进化．基于时齐遍历马尔可夫链理论，给出了CGGA各个子种群的概率转移矩阵与其进化概率转移矩阵，证明了以概率1全局收敛．对典型的测试函数CGGA进行了求解．仿真结果表明，本算法的收敛性能优于经典遗传算法(CGA)，可以有效解决CGA的过早收敛问题．     

基于可靠度指标的小概率失效结构优化

针对实际工程中具有隐式功能函数的小概率失效结构的可靠度计算与优化问题,提出一种适用于小概率结构可靠度计算与结构优化设计的方法.该方法首先采用径向基神经网络构建结构的隐式功能函数;其次,引入自适应随机变量对遗传算法进行改进,遗传算法根据可靠度的几何意义搜索可靠度指标最优解及验算点,以此求解可靠度指标;最后,以引入自适应随...     

基于遗传算法的层合板结构的可靠性优化设计

采用遗传算法分析了存在初始缺陷的复合材料层合板的可靠性优化问题．优化设计时，以层合板结构的厚度最小为目标函数，以可靠度要求为约束条件．在可靠度分析中，取初始缺陷、强度参数、单元层的厚度为随机变量，采用一阶矩法和Tsai-Wu准则分析每个单元层的失效概率，系统失效概率的计算基于串联系统假定．通过比较遗传算法与序列二次规划法的计算结果，证实了遗传算法用于可靠性优化设计的有效性．     

基于遗传算法的半固态挤压工艺参数优化研究

提出将遗传算法用于半固态挤压工艺参数的优化中，选用AlCuSiMg合金进行半固态挤压试验，结合人工神经网络方法建立了半固态挤压系统的优化模型，在对遗传算法实现的关键问题中，如编码原则，初始种群的产生，目标函数向适应值函数的映射，适应值的调整，以及种数数目，杂交概率，变异概率等参数的选择进行研究的基础上，确定了合适的遗传参数，计算出了半固态挤压工艺参数的优化数据，按该参数进行试验，效果良好，可以有效地减小半固态挤压变形力，其试验数值与计算数值基本相符，说明所提出的方法是可行的。     

结构概率优化设计方法的探讨

简要论述了结构功能失效的原因，讨论了失效后果的估计和结构的抗力分析问题，给出了一种考虑时间因素的失效概率计算方法；在此基础上建议了以失效概率（或可靠指标）作为约束条件、以结构费用函数作为目标的结构优化设计模型．可为工程结构设计方法的进一步完善提供一定的参考．     

用于GSM信道分配中的一种改进组合遗传算法

由于可用的频率范围是有限的，所以在移动通信中信道分配问题变得很重要，而获得一种最优的信道分配方法就更为重要。在组合遗传算法(CGA)的基础上提出一种改进方法——改进组合遗传算法(MCGA)。这种算法不但对较容易的基准信道分配问题获得了较好的结果，而且解决了对分配难度较大的信道分配问题，同时具有收敛率高、计算时间短的优点。     

改进的遗传算法用于离心叶轮优化设计

为了防止遗传算法中过早收敛引起的算法失效,提出了一种改进的遗传算法,来研究离心叶轮的形状优化问题,在计算过程中,增加了一个自适应算子,来不断调节个体变异概率,以保证搜索的全局性和种群的多样性,同时为了不引入过多的边界参数,采用B样条曲线对边界进行描述,最后,对一个数学算例和某离心叶轮进行了计算,给出了最终的优化结果和收敛情况,计算结果表明,改进的遗传算法能够很好地适应于各种应力约束和几何约束,并可得到形状优化的最优解,验证了该方法的合理性和正确性。     

一种基于模糊规则遗传算法在车间布置中的应用

提出了一种将模糊控制规则引入遗传算法的方法．根据每一代种群中所有个体适应度值的变化，对交叉概率、变异概率和染色体交叉长度进行模糊调整，很好地抑制了遗传算法的早熟现象，提高了搜索的效率．归纳出模糊调整规则，并叙述了应用模糊规则对交叉概率、变异概率和染色体交叉长度进行调整的策略；给出了模糊控制器的设计．用该模糊遗传算法对制造系统中的车间布置问题进行了仿真．结果表明，该算法是一种效率很高的寻优方法．     

采用A星-遗传算法的船舶管路智能布置

针对船舶管路设计中的路径寻优问题，提出了一种采用A星-遗传算法的船舶管路智能布置方法。首先，建立了船舶管路布置空间模型，包括网格单元模型、管路简化模型、设备障碍物模型和约束规则模型。其次，对传统遗传算法进行了优化设计，在种群初始化阶段，加入障碍物判定函数替换以往其他研究采用的罚函数；在交叉和变异过程，引入A星算法生成子路径；引入父子比较环节，每经过交叉、变异一次，便比较一次父代与子代的适应度值；在选择操作中，对传统的轮盘赌方法进行改进，引进个体的相似度比例，个体的被选择概率由相似度比例和适应度值共同决定。最后，对所提优化A星-遗传算法和粒子群、A星、迷宫-遗传算法进行了仿真对比实验。结果表明：A星-遗传算法在管路的长度、拐角数、能量值、适应度值、最优解次数和平均收敛代数等6项指标上均得到了最优值；与同为混合算法的迷宫-遗传算法相比，优化A星-遗传算法在两个案例中的最优解次数分别增加了44.4%、100%,平均求解时间分别减少了57.6%、58.1%,平均收敛代数分别减少了36.9%、44.1%。A星-遗传算法在保证管路布置质量的同时，有效提高了寻优效率，其对于船舶管路智能布置的适配性和...     

结构可靠性优化设计的证据理论和微分演化方法

采用证据理论作为传统概率的替代方法处理不精确的数据信息,提出了基于证据理论的可靠性优化设计方法.该方法针对给定的失效概率许用值Pf,通过计算证据理论的不确定测度Pl(F),以Pl(F)Pf作为可靠性约束条件的替代模型进行可靠性优化设计.为了降低基于证据理论不确定量化分析的计算成本,引入微分演化优化算法计算区间边界值.以典型桁架结构形状优化问题为例,验证了所提出方法的准确性和有效性.     

集成化物流中的定位运输路线安排问题(LRP)优化算法评述

总结定位 运输路线安排问题(Location RoutingProblem,LRP)的发展历程,重点评述LRP优化算法的研究进展,并对比分析了常用的两类求解LRP问题的方法精确算法和启发式算法·并对LRP中的定位配给、运输车辆路线安排、定位 运输路线安排三类问题的具体优化方法进行了分析、比较,指出在求解LRP问题时应综合利用各种技术的优势,建立一种新的搜索方法,实现准确、高效的搜索,改进遗传算法用于求解LRP问题是解决这类NP hard问题的一条途径·     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

基于自适应混合遗传算法的装箱问题探讨

多约束条件下的三维集装箱问题是NP难题,它的求解极为困难。提出了一种自适应混合遗传算法,该算法采用直观的自然数编码机制、混合启发式规则的解码方法和改进的遗传算子。仿真结果表明,该算法在效率和精度上均优于基于空间分解的启发式搜索法等常用的进化类算法。     

计算机网络中路由选择的优化研究

为了改进计算机网络的性能 ,提出了一种改进的并行遗传算法 ,采用多群体并行进化与自适应地改变遗传参数 ,对计算机网络中路由选择问题进行了优化 ,比较了不同算法所得到的链路利用率及网络的平均时延 .计算机仿真实验结果表明 ,该算法能较迅速地求出全局近似最优解 ,并且与传统的方法相比较 ,解的质量能大幅度地提高 ,证明此改进的并行遗传算法是行之有效的     

一种基于信息熵的多种群遗传算法

通过模型变换建立了一种约束优化的演化设计模型．并构造出求解此模型的多种群空间收缩遗传算法．利用最优解在各种群中的存在概率将信息熵概念引入进化过程,构造出一种含有熵的多目标优化模型,利用该模型可以直接显式地给出作为拉格朗日乘子的种群最优解存在概率,从而得出多种群遗传操作的空间收缩因子,控制各种群寻优搜索时解空间的收缩．用种群的多样性避免遗传进化的早熟现象,以空间收缩尺度作为停机判据,有效地控制了算法的收敛．数值算例显示,熵的介入使随机搜索类进化算法的寻优目的性大为增强,从而提高了演化设计的计算效率。     

一种求解矩形packing问题的智能枚举算法

矩形packing问题有许多工业应用,如码头货物装载,木材下料,超大规模集成电路（VLSI）布局设计,新闻排版等。国内外已提出了许多求解此问题的算法,如：遗传算法,模拟退火算法以及启发式算法等。在目前已有研究的基础上,提出了一种智能枚举算法,该算法的关键在于设计一种快速有效的枚举策略。用Hopper和Turton提出的21个矩形packing实例对所提出的算法性能进行了实算测试,平均面积未利用率为0.04%,平均计算时间为277.69 s,并求得了其中18个实例的最优解。实算结果表明：该算法对求解矩形packing问题是行之有效的。     

一维下料方案的遗传算法优化

在对一维下料方案数学模型分析的基础上，提出了一种基于遗传算法的求解方法。主要思想是把零件的一个顺序作为一种下料方案，并视作组合优化问题来求解。在求解过程中，给出了应用遗传算法求解关键问题的编码、解码方法、遗传算子及适应离函数的定义，并根据这算法开发出一维下料方案的优化系统。实际应用表明，采用该方法求解一维下料方案，可提高材料的利用率，而且还可以提供多个优化方案。     

基于残差修正的挠性转子动平衡量的计算方法

介绍了挠性转子平衡问题的数学模型,分析了目前工程上常用的几种计算挠性转子平衡问题的方法的缺点,提出了基于最小二乘方法的扰动算法、直接修正算法和约束算法.这些算法在一定程度上改善了原来的工程上计算挠性转子平衡问题的方法的缺点.计算实例验证了基于最小二乘方法的扰动算法、直接修正算法和约束算法可以得到更满意的结果.     

基于遗传算法和互信息公式结合的特征选择

提出了一种由遗传算法和改进互信息公式相结合的特征选择方法．将遗传算法中的特征评价函数换为改进互信息公式来对特征进行选择,结合了过滤式和封装式这2种特征选择方法的优点．实验部分采用另外2种特征选择算法与本文所提方法分别进行特征选择,将这3种方法所得到的特征子集用于概率神经网络、BP神经网络分类器上,通过比较对应的分类精度,检验各种特征选择方法的效果. 实验结果显示,所提出的特征选择方法能更为有效的实现特征选择,所取得的特征子集具有更好的泛化特性.     

一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。