遗传PID移动机器人路径跟踪控制

本文对移动机器人进行运动学分析,建立其数学模型,并进行离散化.设计了基于遗传算法寻优的PID控制器,用matlab进行了仿真,仿真结果证明了控制器的有效性.     

求解多目标单机分批排序问题

分批排序(Batch Scheduling)是在半导体生产过程的最后阶段提炼出来的一类新型的排序问题．单机分批排序问题就是n个工件在一台机器上加工，要将工件分批，每批最多可以同时加工B个工件，每批的加工时间等于此批工件中的最大的加工时间．目前只有Cheng-shuo Wang，Reha Uzsoy运用Random Key方法编码研究了单目标函数为Lmax的分批排序问题．给出组合优化中的多目标分批排序问题的一种新编码，结合模糊数学知识，运用遗传算法研究多目标分批排序问题．研究了多目标遗传算法的机制特征，进而给出求解多目标分批排序的遗传算法．     

基于模糊理论和遗传算法的航空齿轮可靠性优化设计

该文运用模糊理论,建立全面考虑设计变量模糊性和随机性的数学模型,并针对设计变量的多样性,采用实值编码自适应遗传算法对航空齿轮进行可靠性优化.结果表明,基于模糊理论和遗传算法的优化方法能找到更符合工程实际的优化解.     

基于遗传算法的约束广义预测控制

广义预测控制要求控制对象必须是线性无约束的，优化的性能指标也必须是二次型形式，因此，广义预测控制的工业应用存在很大局限性．本文尝试用遗传算法来解决存在约束的广义预测控制的优化问题，给出了基于遗传算法的广义预测控制算法的实现方法，并通过工业过程对象的仿真，验证了该方法的有效性，且控制效果良好．     

软计算技术在倒立摆系统中的应用

基于软计算技术的混合控制方法汇集了模糊逻辑与神经网络各自的优点,集学习、联想、自适应于一体,并将基于自适应遗传算法的模糊神经网络控制用于单级倒立摆系统中. 结果表明,新型的智能混合控制器比传统的模糊控制器具有响应速度快、鲁棒性强等优点.     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .     

带软时间窗物流配送车辆路径问题的并行遗传算法

针对一般遗传算法在求解有时间窗车辆路径问题时初始种群的单一性,提出一种新的算法.该算法对不同的种群用不同的初始化方法--随机初始化法和构造初始化法,这种算法改变了过去那种种群内部的平衡.并将该算法所得结果与其他算法进行比较,表明该算法的合理性.     

基于相关机会规划的多机器人觅食过程的参数优化

针对随机环境中以觅食为任务的多机器人系统,在建立其整体数学模型基础之上,利用随机规划中的相关机会规划对影响整体系统性能的两个重要参数进行了优化分析,并采用基于随机模拟的遗传算法得到了优化结果.仿真结果表明,利用该方法可以实现随机环境下的系统优化控制,从而可为多机器人系统的行为规则优化提供理论依据.     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

改进遗传算法及其在背包问题中的应用

介绍了一种改进的遗传算法,给出了应用该算法的具体步骤。该算法通过使用二元染色体编码方式,利用基因处于不同状态的概率来表示等位基因,既使染色体具有了更多的信息量,又能够保证遗传算法的收敛性。通过旋转变换实现了染色体的进化,提高了算法的全局搜索能力和收敛速度。并利用组合优化中典型的背包问题对算法进行了验证,并和基本遗传算法的结果进行了比较,验证了算法的有效性