基于遗传算法的复合式贴片机贴装过程优化

针对复合式贴片机的贴装过程优化问题,将其分解为元件分配、供料器布置和元件取贴顺序3个子问题.在分析实际工程应用的基础上,以动臂的负荷平衡和最小移动距离为目标,建立了双动臂转塔式贴片机的贴装过程集成优化模型,采用遗传算法和元件分配启发式方法相结合的方式实现了贴装过程的优化.算法中提出了一种分段二元实数编码方法,在一条染色体中同时描述了元件分配、供料器布置和元件取贴顺序.针对提出的编码方式,采用改进的顺序交叉和自适应的变异操作,结合轮盘赌选择和精英选择策略以及适应度函数的设计,在满足贴片机运动机构约束条件的情况下,使得遗传搜索能够快速地进入有效解空间进行搜索.实例计算结果表明,该算法能实现多动臂转塔式贴片机贴装过程的优化,从而提高印刷电路板的装配效率.     

用遗传编程进化神经网络结构和权值

本采用遗传编程（Genetic Programming，下用GP表示）的方法，提出一种对神经网络如何同时优化它的权值和结构（包括层数，每层的神经元个数以及神经元之间的连接关系）的新思想，遗传编程（Genetic Programming)是遗传算法（Genetic Alogrithms) 的扩展，利用具有可变长度的LISP符号表达式表示群体中的个体，是基于达尔（Darwin)的进化论和遗传基因学原理的一种新兴的搜索寻优技术，本采用这种方法设计了一个神经网络，成功解决了一位加法器问题。     

两种产生模糊决策树的启发式比较(英文)

比较与分析了产生模糊决策树的两种启发式 :一种是广泛使用的最小模糊性 ,另一种是可能性分布的最小不可指定性。分析表明这两种启发式在很大程度上能得到同样的扩展属性 ,而且比较分析的结果也为如何在实际学习问题中选取合适的启发式提供了一些有用的信息。     

多级退火遗传算法及其在ULSP优化中的应用

针对一般遗传算法（ＣＧＡ）在解优化问题中存在的问题和缺陷，提出一种改进的多级退火遗传算法（ＭＬＡＧＡ）、基于Ｂｏｌｔｚｍａｎｎ生存机制的群体更新策略，以及在多级退火的初始阶段引入移民策略有效解决了“群体多样性”和“快速收敛”之间的矛盾。通过和ＣＧＡ在ＵＬＳＰ问题优化中的比较，验证了改进算法的有效性。     

液相色谱智能化——多段梯度洗脱满意分离条件之启发式自动搜索

本文为高性能液相色谱作定量分析,提供一种新颍方法,自动求得峰形分离良好的色谱图,并由此对于仪表之智能化前景作一展望。利用多段梯度洗脱法来改进分离,会引起搜索该条件之复杂化。为此,启发微机来搜索满意的分离条件,而不去搜索最优分离条件,较为合理而且方便。用本法分析人体血液中21种主要氨基酸组分,获得成功。     

基于遗传算法的模糊神经控制器的设计与仿真

根据遗传算法和智能控制的特点,提出了一种基于遗传算法的模糊神经网络控制器,遗传算法主要优化模糊神经控制器的隶属度参数和第三层的网络节点.对优化后的控制器进行了仿真比较研究.仿真结果表明,该控制器有较好的控制性能.     

基于免疫遗传算法的双向车辆调度问题实现

在对双向车辆路径问题(DVSP)简要叙述的基础上建立了DVSP数学模型.针对DVRP,构造一种的免疫遗传算法来求解DVSP,提出了一种自然数编码方法、交叉算子的自适应机制.并将求解结果与其它启发式算法比较.比较结果表明,该算法对于求解DVSP问题具有较好的性能和更好的鲁棒性.     

遗传算法在声纳隔振模块参数优化方面的应用

声纳在军工和民用上都有极其广泛的应用。为了提高声纳的工作性能,必须在声阵模块前、后插入性能优良的隔振模块,而隔振模块的性能参数又严重影响了其隔振性能。因此在建立隔振模块数学模型,准确计算和预报其隔振性能的基础上,进一步实现优化,对于设计和制造性能优良的声纳隔振模块,具有特别重要的意义。本文应用ANSYS软件建立了隔振模块的参数分析文件,结合遗传算法实现了充油密度、护套弹性模量、隔振组件弹性模量的优化设计。     

基于杂合遗传算法的车间生产调度研究

提出一种将遗传算法与启发式规则、模拟退火法等搜索方法结合在一起的杂合遗传算法.将该种方法应用于求解某双极集成电路制造企业的车间生产调度问题,仿真结果表明,它是有效和可行的.     

单台机器多目标作业排序问题的探讨

以往对单台机器排序问题的研究大都限于单目标排序，而在实际的生产调度和计划管理中绝大多数情况需要进行多目标作业排序。本文运用模糊数学的方法，提出一种单台机器多目标作业排序的算法。