基于神经网络的客车车身结构参数优化

为尽量减轻车身结构的质量,改善结构应力状况,提出了人工神经网络理论和遗传算法相结合应用于客车车身结构参数优化的方法。把正交表组合的结构参数作为输入矢量,ANSYS软件计算出的客车车身静动特性作为输出矢量。在对网络进行训练的基础上,建立了矩形梁构件的高度、宽度和客车车身的强度、刚度、频率之间的数学模型,以此作为优化问题的约束条件,用遗传算法求得结构参数全局最优解,试验结果证实了该方法切实可行。     

软分类中最佳调和适应度函数的构建

基于模糊C-均值(FCM)算法中类中距与类间距的含义设计了一个新的模糊分类适应度函数。再分别以本文设计的适应度函数及国际上常用的几种分类准则函数转换成的适应度函数,利用遗传—迭代自组织分析技术(GA-ISODATA)共同执行模糊C-均值(FCM)的优化计算,并对结果进行分析比较,最后给出设计最佳的适应度函数应遵循的原则。实例研究表明,该适应度函数适合社会经济系统软分类。     

自适应遗传算法的改进及在系统辨识中应用研究

为解决传统遗传算法早熟及收敛速度慢的问题，提出了一种改进的自适应遗传算法。通过对一典型的大海捞针粪（NiH）问题的试验，证明了改进后的遗传算法在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中，辨识结果表明该方法具有参数辨识精度高，抗噪声能力走，对输入信号通用性强，也适用于非线性系统参数辫识的优点，具有重要的工程使用价值。     

无人机全局航路规划技术仿真

针对不同强度威胁源构成的飞行环境,提出了一种基于人工势场法和遗传算法相结合的无人机全局航路规划方法。该方法对威胁进行Delaunay三角网划分,按照穿越三角形边的方向及顺序设计了一种二进制编码方法;把威胁当作斥力源,初始路径当作质量-弹簧链路,求解链路的受力方程,得到该穿越方式下的局部最佳航路;最后利用遗传算法获得威胁网络下的全局最优解。经过三种不同参数情况下的计算机仿真,结果证明该方法能够得到给定的威胁指标下的全局最优航路。     

关于一种免疫遗传算法的性能分析

对一种免疫遗传算法的求解性能进行理论分析。首先分析了算法的良好收敛性能;然后,进一步提出了临界浓度的概念,说明该算法与遗传算法的本质不同在与只有低于临界浓度的较优模式才能达到指数级增长,并在此基础上对算法的个体多样性维持能力进行了分析说明。本工作有利于从理论上进一步揭示这类改进遗传算法求解性能得以提高的根本原因。     

基于遗传算法的熵算法在人类染色体图像的分割中的应用

染色体图像分割是染色体图像分析与识别的重要内容之一。文中提出了实现染色体的自动分割的熵分割算法,该算法充分考虑了每个视野中分割目标(染色体)的数量大以及人类显带染色体被明暗交迭的带纹分割为若干不连续的片段等特点。文中还对传统的分割方法和熵方法进行了对比。传统的方法容易受噪声的影响从而将染色体分割开来。1维熵方法没有考虑灰度空间在空间的分布。2维熵方法在图像分割时较为费时。为了改善分割的精度和速度,在遗传算法的基础上运用1维和2维的熵方法。运用遗传算法的方法一场景分割不到一分钟并且得到得很好的染色体形态。算法的优越性通过实验来体现。     

自适应多目标遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点，提出了一种新的自适应多目标遗传算法，其特点包括：同时运用了基于工序顺序和基于机器分配两种交叉变异方法以弥补经典工作车问调度问题中交叉变异操作的局限性；根据遗传算法搜索的历史自适应的调整两种交叉变异方法的概率以提高算法的搜索效率和稳定性；引入多目标遗传算法中的小生境技术以保持种群的多样性；采用精英保留策略保护进化过程中的优秀个体。实验结果证明该算法在多目标柔性工作车间调度问题的应用上，可以产生分布性较好的高质量的解。     

基于遗传-模糊聚类的说话人识别方法及其仿真研究

利用遗传算法的全局收敛性及模糊C-均值（FCM）聚类强大的局部寻优能力，提出了一种基于遗传-模糊聚类的说话人识别方法。对说话人的训练语音数据进行遗传-模糊的软聚类分析，从而得到分类中心的全局最优解，作为每个说话人的语音模型，最后利用最大总平均隶属度函数准则对待识别语音进行模糊聚类识别．除此之外，使用自适应参数增加遗传算法的局部搜索能力。实验结果表明，这种算法克服了传统硬聚类的缺点，避免了FCM对初值敏感及容易陷入最小值的缺陷，使聚类更加合理，更好地描述了说话人的语音特征。     

连铸连轧和冷装热轧并存环境下的炼钢2连铸生产调度模型与算法

针对连铸连轧和冷装热轧并存环境下的炼钢-连铸生产调度问题,建立了基于浇次开浇时间的炉次指派和作业排序模型.在该模型中,通过浇次开浇时间单位提前/拖期成本的惩罚值的控制可以协调炼钢-连铸和热轧生产环节之间的匹配关系.对所建立的模型,提出了基于遗传算法和线性规划的实用算法,并给出了源于实际生产数据的计算实例.     

运用GA和FFT确定稀疏阵列的激励幅度

针对天线单元沿阵列中心非对称分布的稀疏直线阵列(单元从间距为半波长的规则栅格中稀疏),讨论了以激励幅度分布为决策变量,以最大相对旁瓣电平为优化目标的遗传算法(genetic algorithm,GA),运用个体的真值编码及其中间重组的交叉方法改进了遗传算法的收敛性能。由于阵元间距是栅格的整数倍,因此GA中凭借离散傅里叶变换,使适应度函数的计算可利用高效的FFT算法。仿真中对一个154阵元、孔径约100倍波长的非对称稀疏线阵的激励幅度进行优化,使其副瓣电平下降了1.36dB。两个仿真实例证实了算法的有效性。