基于遗传算法的模糊神经网络控制器在虚拟仪器中的实现

模糊控制技术在复杂的非线性控制过程中表现出优越的性能，神经模糊控制器的出现为自适应模糊控制设计开辟了新的途径。遗传算法由于具有不依赖于问题模型、全局最优、隐含并行性、高效率和解决不同非线性问题的鲁棒性等特点，能很好地用于神经网络的训练。两种方法综合使用，可以大大提高模糊神经推理控制系统的自学习性能和鲁棒性。通过应用Active X技术在Lab VIEW中调用和操作MATLAB的方法，实现了基于遗传算法的模糊神经网络控制器。     

最优子种群实数编码遗传算法的研究

提出了最优子种群实数编码遗传算法理论，通过从种群中选出适应值最高的若干数量的个体，组成该代最优子种群，将最优子种群中的个体与种群中其它个体进行交叉变异，最优子种群中的个体间也进行交叉变异，从而产生新的种群．该遗传算法对于示例中多极值的问题非常有效，收敛速度也非常快．     

基于遗传算法的铁路车站到发线运用优化研究

针对车站到发线的合理运用问题，目前一般是由相关工作人员根据以往的经验知识进行手工编制，采用遗传算法对这种复杂的非线性组合优化问题进行研究．以成都车站为例，利用遗传算法对到发线安排进行优化，其结果表明优于人工安排。     

用混合编码遗传算法实现匹配追踪算法

在分析总结浮点数编码和格雷码编码各自特点的基础上,提出了一种用浮点数和格雷码混合编码的遗传算法来实现匹配追踪算法.该算法有机结合了遗传算法和匹配追踪算法的优点,不仅能够得到较高精度的最佳匹配参数,而且有效地降低了计算量,克服了匹配追踪算法由于计算量太大而不能广泛应用的缺点.计算机仿真结果表明,该算法提取相位的精度和提取时间均有明显改善,证实了该算法的准确性.最后,将该算法应用于转子实验台的冲击信号特征提取中,提取结果证明了它的实际应用价值.     

用FCGA优化的四辊冷轧机恒张力模糊控制系统的设计

为了保证冷轧机轧制中带钢恒张力这一特点，设计了四辊冷轧机恒张力模糊控制系统。该系统含有电压、电流和速度三个内环，最外环为张力环；电压环和电流环采用一维模糊控制器控制，速度环和张力环采用二维模糊控制器控制。为了加强模糊控制的自适应性，采用了一种模糊控制的遗传算法将外张力模糊控制器的隶属参数进行优化。理论分析和仿真结果都表明该系统对带钢恒张力控制具有很强的鲁棒性和实时性，即使在变工况下（大范围变负荷下）也保持了良好的控制性能。     

基于GA-ANFIS在石灰矿技术经济系统中的参数优化研究与应用实践

为掌握水泥原料矿山系统中的技术经济参数对矿石成本影响的关联规律性，首先运用自适应模糊神经网络对矿山技术经济系统建模，再用并行遗传算法对模型求解，得到了确保矿石成本最小的各项最优技术经济指标，为提高矿山生产管理与经济效益提供了重要的参考价值。     

求包含多边形的最小正三角形的遗传算法

对寻找包含平面多边形的最小正三角形问题提出了一种基于遗传算法的求解方法.对遗传算法求解过程中的编码、正三角形内心(内切圆的圆心)的范围界定,选定个体内心后正三角形内切圆半径的确定和适应度函数选取等进行了讨论,并以实例验证了算法的有效性.     

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·     

蜂窝网络中基于遗传算法的信道分配

信道分配问题属于组合优化中的NP完备问题 ,为了更有效的利用频率资源 ,在遗传算法的基础上提出了一种新的信道分配方法·在信道分配中主要考虑三种限制 :同频限制、邻频限制和同位置限制·目标是得到一个用最少的信道数 ,满足话务需求和电磁兼容限制的信道分配方案·采用了最小间隔编码方案 ,利用固定遗传算子 (交叉和变异 ) ,在整个迭代过程中始终满足话务需求的要求·提出了几种遗传算子并进行了验证 ,比较结果表明选择性变异技术能得到很好的结果·对几个著名的benchmark问题进行仿真 ,结果表明 ,它对解决信道分配问题是一个非常有效的方法     

一类单阶段混合制造系统的调度

研究了一类单阶段混合制造系统的建模、分析与调度问题，这类系统既包含离散事件动态，也包含连续时间动态，前者用排队网络描述，后者用微分方程描述。不仅考虑了这类系统的最优控制问题，而且考虑了工件进入生产线的最优时间，并用一个复杂的优化模型描述，同时给出了一个两层优化方法，内层给出对给定工件序列的最优控制，而外层用一改进的遗传算法求解工件进入生产线的最优时间序列。若干仿真实例说明了算法的有效性。