基于小生境遗传算法的矩形件优化排样

将小生境遗传算法应用于计算机辅助排样领域,提出了一种改进的解码算法--高度调整法,将高度调整法和小生境遗传算法相结合,用于求解矩形件排样问题.该方法首先将矩形件的排样问题转化为便于优化求解的排列问题,然后应用小生境遗传算法的全局优化概率搜索能力进行优化求解,优化计算过程中应用高度调整法将排样序列转化为排样图.用该算法对文献中的两个算例进行了求解,结果表明该算法是行之有效的.     

基于改进免疫遗传算法的汽车零件排样

为提高汽车零件排样的板材利用率,对汽车零件的排样技术进行研究.汽车零件大多是不规则零件,因此其排样属于二维不规则排样问题范畴.在智能优化算法求解二维不规则排样领域,遗传算法容易产生早熟现象,并且局部寻优能力较差,而免疫算法具有很强的局部寻优能力.结合遗传算法与免疫算法的全局与局部寻优能力,提出一种改进的免疫遗传算法.该算法的遗传选择操作加入个体浓度计算,操作步骤和变异概率可以自适应调整,从而有效避免早熟现象.自适应计算免疫选择个体数以及免疫克隆个体数以提高算法的收敛性能.分别使用ESICUP网站提供的公开数据和实际汽车零件专用数据对提出的免疫遗传算法的性能进行测试,实验结果表明,和现有的几种算法相比,本研究提出的免疫遗传算法能获得更高的材料利用率.     

混合遗传算法在输油管道优化运行中的应用

介绍了一种由模拟退火算法和遗传算法结合构成的混合遗传算法.结合实例,对其在输油管道优化运行中的应用进行了研究,结果表明,混合遗传算法具有快速搜索、易收敛和鲁棒性强的特点,用该方法计算得到的动力费用比动态规划法少3.58%,证明了该方法的有效性和实用性.     

MDCP法在输油管道优化运行中的应用

多泵站多热站决定了输油管道优化运行的目标函数和约束条件的复杂性。在输油管道优化运行的数学模型中，既含有连续变量，又含有离散变量，但任何一种单一的算法都是不可靠的。用MDCP法（混合离散变量组合形法）求解输油管道优化运行的数学模型，可以比较好地解决这一问题。该优化方法具有求解速度快，成功率高的特点，在实际应用中得到了十分满意的结果。     

一种基于实数编码的自适应多亲遗传算法

为了克服基于二进制编码的遗传算法在求解连续参数优化问题时的缺陷,采用实数编码,定义1种度量多样性的指标,来自适应地调整基于实数编码的多亲遗传算法中交叉概率和变异概率,提出1种基于实数编码的自适应多亲遗传算法.该算法能自适应地调整其参数,且在求解优化问题的过程中,能克服早熟收敛的现象,提高搜索能力,加速收敛速率.最后对该算法进行了理论分析.     

混合离散变量的多目标优化设计灰色综合关联度算法

提出了一种基于混合离散变量多目标优化设计求解方法.该方法应用相似系数与灰色关联度相结合形成的灰色综合关联度直接求解.引入了混沌移民算子对基本遗传算法进行了改进,并开发了混合离散变量优化的灰色复合遗传算法程序.工程设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,计算简单,全局收敛能力强.     

应用遗传算法进行机械优化设计计算

遗传算法和传统优化算法相比有许多优越性.应用遗传算法原理,对机械优化设计进行计算,只对少部分点进行搜索,就得到工程需要的满意解.遗传算法的求解没有固定的模式,而是根据实际机械优化设计问题的求解要求,来确定计算过程中如何确定适应度函数,采用何种编码规则,选用哪种选择、交叉、变异遗传操作方法.     

微分进化算法在水电站水库优化调度中的应用

【目的】针对传统优化算法的不足,将微分进化算法应用到水电站水库优化调度问题中,建立新的优化算法模型。【方法】建立基于微分进化算法的水电站水库优化调度模型,并给出具体求解步骤。为验证算法的有效性,将其应用于具体水电站水库的优化调度计算中,最后将该方法与遗传算法的计算结果进行了对比。【结果】实例计算结果表明,与遗传算法相比,微分进化算法收敛速度快,可调参数少,计算精度高,稳定性好,且该算法简单、容易实现,具有较强的全局搜索能力。【结论】微分进化算法在解决水电站水库优化调度问题时具有很强的适用性,为求解水电站水库优化调度问题提供了新思路。     

基于免疫克隆算法的物流配送车辆路径优化研究

物流配送车辆路径优化问题是近年来物流领域中的研究热点，该问题属于NP难题，较难得到最优解和满意解．在物流配送车辆路径优化问题数学模型的基础上，构造了一种免疫克隆算法来求解该问题，并在算法中引入了克隆选择、克隆删除、受体编辑、体细胞高频变异、抗体循环补充等思想．仿真计算结果表明，免疫克隆算法能快速收敛于全局最优解，克服了遗传算法中易陷入局部最优解和收敛速度慢的缺点，可有效地解决物流配送车辆路径优化问题．     

一种基于数值遗传算法的求解TSP问题的演化算法

近年来,TSP问题的应用非常广,但当前较成熟的算法大都基于局部优化,而局部优化往往无法求出最优解。研究了一种求解TSP问题的演化算法,该算法兼顾了两父体算子与一元算子的优点,并具有免疫算法的免疫记忆功能,是一个具有较强的选择压力和适应地改变的变化算子的演化算法。与其他遗传算法和免疫算法相比具有收敛速度更快,结果更优的特点。     

基于差分演化与猫群算法融合的群体智能算法

提出一种基于差分演化与猫群算法融合的群体智能算法。该算法基于猫群算法的两种行为模式，引进差分演化的思想，根据分组率随机把群体分成两个种群，一个种群执行猫群算法搜寻模式，另一种群执行差分变异模式，算法采用一种信息共享机制，使两个种群在搜索最优解时可以实现协同进化，信息交流。既实现了不同进化模式间的优势互补, 又可以增加种群的多样性。对5个基准函数进行仿真实验并分别与DE和CSO 进行比较，表明混合算法同时具有全局搜索和局部搜索最优解性能，收敛速度快，计算精度高，更适合用于求解高维复杂函数。     

基于混合并行遗传算法的多目标约束优化技术研究

多目标约束优化问题属于NP问题。并行遗传算法是解决该类问题的常用算法,它具有较强的全局搜索能力和并行性,但局部搜索能力差,禁忌搜索算法则比较适合于局部搜索。提出了一种基于混合并行遗传算法的多目标约束优化方法,该方法综合了并行遗传算法和禁忌搜索算法的优势,改进了并行遗传算法的性能,能有效避免局部最优解。     

混沌算法在节水灌溉制度优化设计中的应用

基于目前各种节水灌溉制度优化方法存在的不足,本研究将混沌优化算法运用于作物灌溉制度优化设计中。由于混沌优化算法的叠代具有不重复性和遍历性,因此该算法可以避免陷入局部最优点而获得全局最优。实例计算分析表明,与遗传算法、动态规划逐次逼近法相比,混沌优化算法具有原理简单、计算简便、结果精度高的优点。     

计算梯形明渠临界水深与共轭水深的优化方法

应用优化原理提出计算梯形明渠水跃共轭水深和临界水深的新方法，其计算速度快，精度高。     

基于混合智能算法的战略储油基地选址问题

混合智能算法是由随机模拟、单纯形法和遗传算法融合而成的一种智能化启发式算法。对于描述设备选址要求,根据建立战略储备的风险,通过运用不确定规划模型,解决了经济发展需求、路径长度受限情况下选择适合的储油基地问题。实例计算结果表明,与传统算法相比,混合智能算法能有效地解决储油基地的选址问题。     

密度K均值聚类算法及在复杂网络分析中的应用

现代信息社会中,许多实际问题都归结为复杂网络中模块问题的研究,而聚类方法是研究复杂网络中模块性的重要方法。本研究将基于视觉原理的密度聚类算法与传统的K均值聚类算法相结合,提出了一种新的聚类算法,即密度K均值聚类算法。该算法在一定程度上克服了传统的K均值聚类算法易受异常点影响和无法确定聚类数的问题,具有对初始参数不敏感、可发现任意形状的聚类,以及能找到最优聚类等优点。基于此,以城市建通网络中交巡警指挥平台的设置问题为例,通过Matlab程序求解说明了所给出聚类算法的应用。     

基于梯度蜂群混合算法的电力系统最优潮流计算

国内外对于媒介消费信息传播的研究，多以消费文化理论为逻辑起点，“场域分析”的新进路提供了一种连结宏观层面上的政治经济学分析、中观层面上的媒介组织消费信息生产分析、以及微观层面上的解释社群和文本分析的关联性动态思考空间，这是对消费文化路径下相对单一、静态和平面化的研究面向的超越。     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.     

加剂原油管道运行参数优化研究

对加降凝剂原油管道的运行参数和泵站的运行特性进行了分析,建立了原油管道的运行优化模型。将遗传算法和模拟退火算法相结合,提出了混合遗传算法,并求解了原油管道的运行优化模型。实例计算结果表明,加剂后管道的最佳运行费用比加剂前减少了8.17%,认为最佳运行方案可以用于指导原油管道的实际生产运行。