十进制遗传算法在水电站负荷分配中的应用

针对水电站负荷分配问题,建立约束优化模型,并将十进制遗传算法应用到水电站负荷分配调度中．遗传算法是从多个初始点开始寻优,同时搜索解空间内的多个区域。具有潜在的并行性,且搜索使用评价函数启发,过程比较简单,容易与其它算法进行结合,具有很好的拓展性,是一种用于解决最优化问题的有效的随机启发式搜索算法．通过实际的水电站负荷分配问题的求解表明该算法能够获得较好的结果,具有高效性和通用性,适用于求解一般水电站负荷分配问题．     

GA-Elman网络的网络控制系统预测

为了消除网络时延对网络控制系统的影响,采用Elman神经网络预测系统时延采样值,并用遗传算法优化神经网络权值阈值.实验仿真表明:经遗传算法优化后的Elman神经网络具有很好的预测精度及动态性能,能够消除时延的影响,并验证了该方法对时延采样值预测的有效性.     

基于遗传算法的最小一乘回归新算法

最小一乘在稳健性上比最小二乘好,使得最小一乘在工程中得到广泛的应用,但求解最小一乘的算法并不理想;本文根据最小一乘的性质,把最小一乘问题变为组合优化问题.将遗传算法用在最小一乘模型的求解上,在后面的仿真实验中得到了较好的效果.     

基于遗传算法时滞系统的滤波器参数自调整内模控制

对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.     

改进的遗传算法在优化设计中的应用

针对实际机械优化设计中大量的非线性规划问题,提出一种改进的遗传算法.在对单纯形搜索与算术交叉思想进行分析的基础上,将二者相结合,提出了改进的交叉算子以提高遗传算法的局部寻优能力,将种群逐步向极值点引导,实现算法的快速寻优.同时,为了更好地引导非可行个体趋近可行域,改善解的可行性,将惩罚策略与修复策略相结合提出修复算子,对不可行解进行修复操作,加快个体趋近可行域的速度,提高算法搜索效率以及对非线性约束的处理能力,从而达到改善算法整体性能的目的.实际机械工程优化设计问题的应用研究验证了这种方法的有效性.     

基于实数编码的多种群演化遗传算法

针对标准遗传算法(SGA)在实际应用中存在早熟收敛、精度较差及运算速度慢的缺点,提出了一种基于实数编码的多种群演化遗传算法(RMGA).实验结果表明该算法能够有效的提高全局搜索能力和局部快速搜索能力,对改进SGA的缺点是十分有效的.     

基于遗传算法的物资调配系统

在深入分析物资调配系统基础上,充分考虑了调配问题中所产生的各项费用,建立了一个新的完善的数学模型.在求解的算法上,引入了遗传算法进行求解,并在编码的方法上作了改进,通过算例进行求解,取得了合理的解.这表明基于遗传算法的物资调配系统的高效性和可观的经济价值.     

人机交互遗传算法的人机界面

为建立更有效的人机界面,研究了人机交互遗传算法(HCIGA)的人机界面技术,给出了最优适应度与平均适应度多代均值随进化代数的变化趋势图、个体与最优个体欧式距离与适应度关系直方图及其应用方法;实现了从宏观和微观层面揭示算法动态过程,解决何时及如何在线添加人工解或控制算子问题,以更好地发挥HCIGA作用;最后在以印刷电路板布局设计为背景的算例中进行了数值验证.结果表明,应用该人机界面的HCIGA计算精度较标准遗传算法(SGA)和HCIGA高,计算效率较SGA低、较HCIGA高.     

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.     

基于遗传监督的受限预测控制及其在热工控制中的应用

将普通的预测控制优化方法与遗传算法的优化方法有机地融合起来,用遗传算法来监督整个优化过程.当由普通广义预测控制GPC所计算出的控制作用能满足受限条件时,就直接采用所算出的控制作用;当由普通GPC获得的控制作用突破受限条件时,直接启动遗传优化算法,在约束范围内搜索控制作用的最优解.通过计算实例并与其他已有控制算法进行了详细的比较,其结果表明本文所提出的基于遗传监督的受限预测控制算法在控制系统品质、算法复杂性及实时性方面均具有明显的优点.