基于SRAP分析的拟环纹豹蛛种群遗传多样性

利用SRAP标记对不同地理区域的拟环纹豹蛛(Pardosa pseudoannulata BtlSenberg et strand 1906)种群遗传多样性进行研究,分析了不同生态因子对拟环纹豹蛛种群遗传多样性的影响.结果表明:拟环纹豹蛛的自然种群具丰富的遗传多样性;不同生境的拟环纹豹蛛种群遗传多样性存在差异;海拔和积温是影响拟环纹豹蛛种群遗传分化的主要因子.     

含风电场机组组合的模糊建模和优化

环境保护的兴起和传统化石能源的日益枯竭增加了人们将可再生能源融入现有系统的兴趣。风电是最有前途的可再生能源之一。但由于风力发电的间歇性和不可预测性使得控制发电频率和实际调度变得困难,在含可再生能源的混合电力系统中存在许多问题。针对风电场出力的间歇性与不可预测性,应用模糊理论建立了含风电场的机组组合模型,综合考虑了一次能源的消耗与风电加入给系统带来的风险。通过定义隶属度函数将确定性问题模糊化,采用最大化满意度指标法将问题转化为非线性规划问题,并采用遗传算法求解该优化问题。对一个10机算例进行了仿真,结果表明本文的算法可行,且能根据决策者的意愿在一次能源的消耗与风险之间折中,为运行和计划提供了宝贵的信息。     

基于遗传算法的带缝重力坝弹性模量反分析

根据混凝土重力坝坝顶水平位移观测资料,采用逐步回归方法分离出了坝顶水平位移的水压分量;以大坝和基岩的弹性模量识别反问题作为优化问题,利用改进的遗传算法,并借助接触单元模拟坝体纵缝进行了有限元反演分析.某带缝重力坝数值计算实例表明,该计算方法能够较好地反映坝体结构的实际状况,参数反演分析计算效率高,计算结果与现场试验值及经验数据吻合较好,具有较高的合理性与可靠性.     

基于遗传算法的可重入钢管生产优化调度

在可重入冷拔无缝钢管生产的计划和调度中,根据四个条件对工件进行组批,通过规则假设把组批后的批钢管看作单个加工工件,建立以最后完工时间、交货期满意度和机器总负荷为目标的多目标组批排序优化模型,设定其约束条件,采用基于Pareto的混合遗传算法对模型进行优化求解.通过算例证明该模型的有效性和合理性.     

求解0-1动态优化问题的双概率原对偶遗传算法

在原对偶遗传算法(PDGA)的基础上,提出一种双概率原对偶遗传算法(DPPDGA).引入弱势基因位值与强势基因位值的概念,对二者赋予不同的对偶映射概率,并对两个对偶概率进行适应性调整.比较原始算法,改进算法使种群具有更理想的多样性,并利于种群较快地收敛到满意解.仿真结果表明,该算法在0-1动态优化问题的求解中具有更好的性能.     

最优线性网络编码的分布式构造方法

针对单源组播网络,在合理的假设条件下,提出了最优线性网络编码(在吞吐率最大的前提下编码代价最小)的分布式构造方法。首先对线性网络编码的机理进行分析,得出了不同组播率下编码方案间的内在联系,导出了一个在线测试组播容量的策略;提出的方法以遗传算法为搜索引擎,结合随机线性网络编码,嵌入了在线测试组播容量的策略。通过合理地设计编码系数的生成规则和进化策略,在获得最大吞吐率前提下达到最小编码信道数的同时,构造出相应的编码方案,且编码系数保存在各节点中,从而可以采用确定性网络编码数据传输策略传输数据。仿真结果表明提出的方法是有效的。     

基于递阶遗传算法的一类多旅行商问题优化

针对最小化单个旅行商路程的多旅行商问题,提出了一种递阶遗传算法和矩阵解码方法。该算法根据问题的特点,采用一种递阶编码方案,此编码与多旅行商问题一一对应。用递阶遗传算法优化多旅行商问题不需设计专门的遗传算子,操作简单,并且解码方法适于求解距离对称和距离非对称的多旅行商问题。计算结果表明,递阶遗传算法是有效的,能适用于优化多旅行商问题。     

一种用于车间调度的基于熵的混合遗传算法

为提高车间调度算法的寻优性能,通过对模拟退火遗传算法收敛图的研究,提出了评价算法种群有序性（差异性）的种群熵,基于种群熵,提出了改进的模拟退火遗传算法,该混合算法通过种群熵动态地改变算法的交叉和变异概率,使之适应种群的变化,提高种群的多样性,有效地克服算法的过早收敛,从而达到提高算法寻优性能的目的。仿真实例表明,所提出的算法的寻优性能有了显著的提高。     

劣质绝缘子电场正问题优化算法分析

针对劣化绝缘子的电场法检测中绝缘子电场计算精度低的问题,提出基于遗传算法优化的模拟电荷法进行高压静电场计算,给出了优化方法原理、可行性分析,建立了绝缘子电场计算目标函数及优化模型,并进行了绝缘子串周围电场的计算分析.分析结果表明,将绝缘子串周围检测点电位作为目标函数,应用遗传算法优化模拟电荷的电荷量,可更好地对目标函数进行全局寻优,提高了模拟电荷法的寻优速度、绝缘子串周围电场的计算精度以及绝缘子串中劣质绝缘子诊断的准确度.     

基于遗传模糊系统的兵棋推演关键点推理方法

近年来,基于人工智能技术的自动化作战推演越发受到重视,但是由于有效地采集作战推演数据难度较大,许多依赖数据学习的人工智能技术效果不佳。在结合专家知识和作战推演数据的基础上研究作战推演中的人工智能技术,是一种可行的替代方案。为此,立足兵棋推演设计了关键点推理遗传模糊系统(genetic fuzzy system, GFS)框架,有效整合了对兵棋专家知识的建模和对兵棋复盘数据的学习,从而提高了关键点的推理质量。进一步以安全点为例,构建了安全点推理GFS,在初始化模糊系统规则库的基础上,通过合理设计遗传算法中的参数编码、适应度函数、遗传算子等,实现了安全点推理模糊系统的遗传调优算法。最后,通过实验仿真展示了所提方法的可行性和实用性。