用遗传算法求解改进的投资组合模型

在传统Markowitz投资组合模型中考虑了最小交易量、交易费用以及最大投资上限等实际因素，得到了一个改进的投资组合模型。该模型是一个非线性整数规划问题，传统算法难以有效求解。为此，设计了一种基于整数编码的遗传算法求解该模型。实际算例表明，所提出的算法是有效的。     

粒子群算法在柔性工作车间调度中的应用

粒子群算法是一种新出现的群智能优化算法。本文针对柔性工作车间调度问题的特点构造了此问题的粒子表达方法，给出了具体的算法应用过程，并与遗传算法做了对比实验。实验结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的。     

一种求解混合整数非线性规划的新算法

针对混合整数非线性规划求解难的问题,本文给出了一种新的求解策略--混合序列差异演化算法,该算法采取混合编码的形式以便处理连续变量、整数变量以及混合整数变量的优化问题.最后通过数例检验算法的优越性,仿真结果表明该算法求解效率高、收敛速度快、全局搜索能力强.     

一种基于互相关函数的神经网络在线解耦学习算法

在分散解耦的系统框架上提出了基于MIMO过程互相关函数的神经网络解耦器在线学习算法。该算法定义了一组MIMO过程的互相关函数作为神经网络解耦器的指标函数，采用混合遗传算法在线训练神经网络。结合强耦合的非线性系统的仿真结果表明该算法的有效性。     

基于OpenGL的机器人虚拟漫游系统开发

基于OpenGL图形库具有的强大三维渲染能力，开发了一个机器人虚拟漫游环境，提出了一种基于PC的机器人虚拟漫游框架，重点描述了建立三维场景及漫游系统中观察者与机器人的位置控制方法，实现了观察者与机器人的三种不同相对运动状态。实验结果表明，该系统取得了良好的仿真效果。     

基于协调规划的智能车辆导航和避障控制研究

针对智能车辆控制体系的现有不足，提出了一种基于协调规划控制的新颖控制体系结构，将传统的基于人工智能车辆模型的方法和基于行为的方法进行优势互补。文中具体描述了协调规划控制的过程，它集数据融合、路径规划和跟踪控制于一体。通过仿真实验证明该控制系统使智能车辆具备良好的学习能力、较快的响应速度，同时具有正确的判断力和完成给定任务的能力。     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

两级排序遗传算法在柔性工作车间调度中的应用

由于在遗传算法的搜索寻优过程中种群有收敛于单一个体的趋势,为了减轻这种趋势,在Pareto多目标遗传算法的基础上做了一些改进,即用Pareto最优概念对种群进行第一级排序,然后计算种群中每个个体与同Pareto级别所有个体之间的全局拥挤距离作为该个体的次要属性进行第二级排序,根据这两级排序的结果进行联赛制选择操作和交叉变异操作。为了验证算法的性能,以多目标柔性工作车间调度问题作为实例并针对柔性工作车间调度问题的特点设计了相应的交叉变异方法。仿真结果表明该算法可以产生更多的分布在非劣解前沿上的解。     

基于AGA的ADRC及其应用研究

提出了自适应遗传算法（AGA）选取与优化自抗扰控制器（ADRC）参数的方法，较好地解决了其过多参数难以调节的问题，采用一阶ADRC对连续搅拌反应釜（CSTR）系统进行控制，并用简化的一阶ADRC控制平面两连杆机械手水平方向的正弦运动，仿真结果验证了算法的可行性和有效性。     

基于遗传算法的点云数据与CAD模型坐标归一化研究

用非接触测量方法进行复杂型面零件数字化检测,点云数据与CAD模型的坐标归一化处理是必须的。针对传统的ICP(Iterative Closest Point)方法在坐标归一化过程中对初始点要求严格及由于型面的特殊性所造成的算法不能收敛问题,采用遗传算法对点云与CAD模型进行坐标归一化,由于遗传算法具有全局收敛性及对初始位置要求不严格,所以用该方法能使点云与CAD模型达到正确的配准。并以具体的实例验证了算法的可行性。