三类进化算法的基础研究

通过对遗传算法、进化规划、进化策略的三种算法的发展过程、算法过程和特点进行分析、比较,得出了三种算法的异同,为各算法的适应范围做了基础研究,提出了量子算法的研究方向。     

径向磁通永磁滑差机构的多目标优化

径向磁通永磁滑差机构磁扭矩的计算受永磁体本身的尺寸参数影响较大,同时还受永磁体布置参数的影响,是具有影响因素多、映射具有非线性的复杂系统。而滑差传动时又需要磁扭矩随相对转角(动磁筒与输出磁筒之间的相对转角)变化平稳。因此选择遗传算法作为多目标优化手段,根据各个参数的精度选择合适的长度进行二进制编码,选择了交叉概率为0.6,变异概率为0.05,利用MATLAB软件,进行多目标优化的编程计算,确定合理的永磁体尺寸参数和布置参数,确定永磁体的布置方式。对该机构今后在结构的简化、节省永磁材料,降低成本等方面有重大的意义,为永磁滑差机构进一步迈向应用作出了努力。     

基于遗传算法的LQG/LTR航空发动机性能优化

针对飞行控制系统控制器的设计中存在建模误差以及飞行过程中外界干扰的影响,采用LQG/LTR鲁棒控制方法完成某型战斗燃油机控制系统控制器的设计。为了提高战斗机控制精度,解决LQG/LTR鲁棒控制方法中存在的权矩阵Q和R选择困难的局限性,加入遗传算法,进行在线寻优。同时针对不同飞行条件下系统以及系统建模过程中造成的参数不确定性问题分别进行仿真，并与传统PID以及控制效果较好的基于遗传算法的PID控制进行对比仿真。理论研究和系统仿真结果表明,基于遗传算法的LQG/LTR控制系统与基于遗传算法的PID控制相比,不但具有良好的鲁棒性,而且响应快速,控制精度高,满足了战斗机飞行控制的要求。     

改进RBF神经网络在我国大豆价格预测中的应用研究

我国大豆价格受国内外多种因素共同影响,具有非线性、随机性和高噪音等特点,采用传统数学模型进行预测,不仅分析难度大,预测误差也很大。RBF神经网络以其优良的逼近性能而被广泛应用于非线性时间序列预测之中。本文提出一种基于遗传算法优化RBF神经网络的我国大豆价格预测模型,该模型为多维输入单维输出的多变量预测模型,模型的初始输入由大豆价格的历史数据和相关影响因素数据组成。采用遗传算法对RBF神经网络输入层节点数、基函数中心、扩展常数和输出层权值进行优化,模型可以从初始输入变量中自主选择最合适的输入变量组合作为模型的输入。采用2009-2014年的大豆价格数据进行预测研究,用2009-2013年的数据作为训练集,2014年的数据作为测试集,改进RBF神经网络通过自主识别和选取中国大豆进口量、中国消费者信心指数和进口大豆到港分销价格3个因素作为相关影响因素的输入。结果表明:模型预测精度较高、泛化能力较强,能够很好捕捉大豆价格变化规律,可为大豆市场价格的准确预报提供参考借鉴。     

智能化仪表流量与泄漏在线监测及仿真技术的研究

项目简介：《智能化仪表流量与泄漏在线监测及仿真技术的研究》属于塔里木大学校长基金青年资助项目（TDZKQN05002），主要应用在石油、天然气、化工领域的管道流量泄漏定位及监测，将自适应免疫遗传算法和蚁群算法分别应用到新疆管道流量泄漏监测算法的设计中来提高泄漏点定位精度和准确性。     

基于BTO多目标遗传算法的播种机性能优化设计

受播种地形和地域的影响,大部分播种机的播种质量、播种效率和能耗不能发挥到最佳状态,为了提高播种机的作业性能,深入挖掘了按顾客订单生产(Build-to-Order,BTO)模式的一般性意义,并将该模式引入到了播种机的优化设计中,提出了一种基于BTO模式的多目标速度控制遗传算法优化模型。根据播种质量、效率和能耗的要求,首先确定了BTO模式下播种机性能优化的初始参数,利用多目标函数确定了播种机的速度控制模型,并利用遗传算法进行了优化设计。最后,通过试验样机对播种机的播种性能进行了测试,结果表明:使用多目标遗传算法对播种机的性能进行优化后,播种机的播种质量、播种效率和播种能耗有了明显的改善,为新型播种机的研发提供了较有价值的参考。     

考虑陀螺效应的动力总成悬置系统分析和优化

应用陀螺力学理论，对传统动力总成悬置系统的无阻尼动力学方程进行修正，引入陀螺矩阵，得到新的动力学方程。对新的动力总成悬置系统动力学模型进行计算分析，研究了陀螺矩阵对频域、时域响应的影响。使用遗传算法分别对修改前后的方程进行优化计算，并进行比较分析。结果表明，对于低转速发动机，曲轴转动的陀螺效应不明显，而对于高转速的发动机，陀螺效应不能忽略，应以考虑陀螺力矩的方程为基础进行设计分析。     

园林喷灌系统支管管径优化研究

根据园林喷灌系统多采用多孔口出流变径支管的特点,以支管的分段管径和分段长度为决策变量,以支管投资最小为目标函数,以长度约束、压力约束和非负约束为约束条件,建立了园林喷灌系统支管管径优化的数学模型,阐述了采用遗传算法求解该优化模型的步骤.将优化模型和优化方法应用到工程实例中,达到了在满足灌溉均匀度要求的前提下节省工程投资的目的.     

实数型遗传算法的研究

在引入实数型遗传算法的基础上,对遗传算法的关键问题交叉和变异操作进行了深入的研究,提出了几种新颖而实用的交叉和突异操作方法。同时,对需编码的传统的二进制型遗传算法和无需编码的实数型遗传算法进行了简要的比较,阐述了实数型遗传算法的优越性。     

面向安全服务重组多目标优化的粒子群遗传算法

遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率.