基于免疫遗传和蚁群融合算法的散乱点云曲面拟合

对复杂型面物体的曲面拟合方法进行了研究,通过点云数据参数化、基于免疫遗传算法(IGA)的自适应节点计算、反求曲线控制顶点、点云数据分割以及曲面拼接5个步骤来进行曲面拟合。提出了一种基于免疫遗传和蚁群的融合算法,将其应用于曲面拟合中,利用免疫遗传算法的全局搜索能力,来提高蚁群的收敛速度。该算法通过免疫遗传算法的选择、交叉、变异操作、疫苗接种和疫苗选择,并将免疫遗传算法引入到蚁群系统的迭代中,有效地解决了蚁群系统易陷入局部最优和易退化的缺点。采用fender、fandisk、bunny、cow 4个实例,对其3D散乱点云分别采用融合算法、遗传算法(GA)和免疫遗传算法进行曲面拟合,实验表明该融合算法具有很好的收敛速度和全局最优解的搜索能力,通过该算法所拟合的曲面拟合精度较高,相比GA和IGA算法,其拟合精度分别提高18%和11%以上,可以满足复杂型面物体的曲面拟合要求。     

基于梯度修正的遗传算法锥齿轮优化设计

对约束条件的处理是应用遗传算法求解约束问题所涉及的一个主要内容。本文首先描述了普遍采用的“惩罚函数遗传算法”,针对该算法存在的问题进行了分析,提出了基于梯度修正的模拟退火遗传算法,给出对不可行解的修正方法。算法的实施可分两步,第1步采用修正的遗传算法搜索目标函数的可行解或全局可行最优解;第2步利用模拟退火算法对可行解局部优化。最后以弧齿锥齿轮优化为例,对算法的可行性进行了验证。     

基于环路和改进遗传算法的树状灌溉管网优化

以投资最小为目标函数,建立了树状灌溉管网优化数学模型,用外部惩罚函数法将问题转化为无约束优化问题,并采用改进遗传算法进行求解。根据树状管网优化的特点,遗传算法采用二进制编码和整数编码相结合的双重编码,以同时对管网布置形式和管径进行优化。在遗传算法产生初始解及交叉、变异操作时,采用基于环路的方法,减少了不可行解的产生,提高了算法的计算效率,算例说明该优化方法有效、实用。     

基于改进自适应遗传算法的新安江模型参数率定研究

模型参数率定是提高水文模型模拟效果的重要手段，通过研究一种改进的自适应遗传算法（IAGA）对新安江模型参数进行优化率定，解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点，随机生成初始种群并选优，提高初始种群的个体质量；针对交叉与变异的进化过程，设计了反映种群离散程度的种群目标函数离散系数，利用该系数构建了自适应调整交叉与变异概率算子，防止遗传算法过早收敛；依托环形交叉算子，提高算法全局搜索能力；采用自适应非均匀变异算子，实时优化算法的局部搜索能力，避免陷入局部最优。将自适应遗传算法、传统遗传算法（GA）和自适应遗传算法（AGA）应用于秦淮河流域新安江模型的参数率定，并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较，结果表明：IAGA算法具有更优的寻优能力，更好的收敛结果，更高的稳定性和精度，场次洪水的模拟效果优于GA算法和AGA算法，率定期与验证期确定性系数（R2）均在0.85以上，纳什效率系数（NSE）均在0.8以上，总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的，改进后的IAGA算法具有良...     

基于遗传算法优化的汽车主动悬架LQR控制研究

针对主动悬架的LQR控制时性能指标权重系数依靠设计经验的缺点,基于遗传算法和最优控制理论,设计了一种基于遗传算法的LQR控制器(GA+LQR控制器)来优化系统性能指标权重系数。同时,以非线性车辆四自由度悬架半车模型为基础,利用MATLAB/Simulink软件,对GA+LQR控制器进行控制仿真验证。仿真结果表明,相对于传统的LQR控制器,所设计的GA+LQR控制器有效地缓解了路面冲击,显著地改善了汽车的行驶平顺性和乘坐舒适性。     

改进的多目标粒子群算法在鄱阳湖水资源优化配置中的应用

鄱阳湖水资源优化配置问题是一个多目标优化问题。将Pareto支配关系、精英保留策略、约束主导原理引入到多目标粒子群算法中。针对粒子群算法的容易陷入局部极小值、早熟等缺点,采用了线性变换惯性系数提高搜索的速度和性能,引入遗传算法的变异思想、混沌优化思想避免了陷入局部极小值。应用改进的多目标粒子群算法对鄱阳湖环湖区的水资源优化配置模型进行了求解,得出了一组非劣解集。采用模糊近似理想点法对非劣解进行了评价,得出了鄱阳湖环湖区2030年水资源配置的最佳方案。     

基于改进差分进化算法的无功优化

电力系统的无功优化问题是一个复杂的多目标、多约束、非线性的混合整数优化问题,针对基本差分进化算法易陷入局部最优解、收敛速度慢的缺点,提出一种新的改进差分进化算法。该算法通过动态交换、多群体分组和调节自适应参数的方式,增强个体间的信息交换,保持解的多样性,进而实现跳出局部最优解的目的。在此基础上,将该算法应用于电力系统的无功优化中,对IEEE 57节点测试系统进行无功优化仿真,证明该改进差分进化算法是求解电力系统无功优化问题的一种有效工具。     

分组实数遗传算法优化拖拉机转向梯形问题研究

在现有文献研究的基础上,提出了分组实数遗传算法;在该算法的基础上,确定了拖拉机转向梯形的最佳参数。采用分组选择进行交叉,增大了种群的多样性,提高了搜索效率。对比其他优化方法,分组实数遗传算法能够较好地求得问题的全局最优解,且提高了运算的速度和可靠性。该算法对于拖拉机转向梯形的设计具有较大的应用价值。     

大型泵站运行优化方法及其应用

为了掌握适于求解具有多变量的大型泵站运行优化问题的现代优化方法,阐述了遗传算法（GA）、基本粒子群算法（PSO）与模拟退火粒子群算法（SA-PSO）的基本原理,分析了算法的异同点,从理论上得出PSO算法较GA算法更简单、更高效.以南水北调东线工程江都泵站系统为例,当泵装置扬程一定时,以各座泵站开机台数和水泵叶片角度为变量,运行费用最少为目标函数,并且满足总抽水流量、单机允许抽水流量以及开机台数等约束条件,建立运行方案优化数学模型,确定各座泵站开机台数、机组运行工况和日运行费用.分别采用遗传算法、基本粒子群算法和模拟退火粒子群算法求解,可行性规则处理约束条件,应用Matlab语言编制优化计算程序.结果表明：SA-PSO算法求解的泵站变角优化运行方案,较在设计角度运行的方案节省运行费用0.99%～4.22%,较GA,PSO算法最优解方案分别节省运行费用0.22%～2.80%和0.02%～0.40%;3种算法的运算时间分别为30,52,25 s.因此,SA-PSO算法较为适合于大型泵站运行优化问题的求解.     

配水渠道轮灌组合优化模型及其遗传算法

为满足渠系优化配水中轮灌分组的需要,对配水渠道轮灌组合优化模型进行了改进,在使渠系输水损失最小的基础上,以轮灌组数最少为目标函数,建立轮灌分组的０－１规划模型,用新兴的遗传算法加以优化计算。在基本遗传算法的基础上设计了应用于配水渠道轮灌组合优化的算法,尤其对其编码方式的设计较为巧妙,该算法能更为迅速地得到满意解。     

基于实码的加速遗传算法在水文地质参数反演中的应用

采用遗传算法的一种改进算法基于实码的加速遗传算法(RAGA)对一地区的水文地质参数(渗透系数K,潜水给水度μ)进行了反演计算,并建立了与数值方法耦合的数学模型。同时与基于实码遗传算法(RGA)、人工调参法在水文地质参数反演中的应用进行了对比。研究表明:与其它2种方法相比,基于实码的加速遗传算法在水文地质参数的反演中具有全局优化,加快收敛的优点。     

改进型遗传算法在农网无功优化中的应用

根据农村电网的特点,建立了综合考虑全年网损、电压质量和补偿设备投资的无功优化规划数学模型.应用自适应遗传算法改进了传统遗传算法的遗传算子和终止判据等,提出了一种配电网无功优化的改进型遗传算法,其收敛速度和求解精度均有提高.算法实例表明,改进遗传算法的优化效果优于传统遗传算法.     

基于改进的BP神经网络胶铆接头的力学性能预测研究

利用遗传算法优化BP神经网络的连接权值和阈值,并将改进的BP神经网络应用于胶铆接头力学性能预测中,建立了胶铆接头最大拉剪力预测模型。结果表明:GA-BP神经网络比BP神经网络的收敛时间长,但GA-BP网络预测相关系数更好,回归性能更好,具有更好的泛化能力。对训练好的神经网络预测模型进行验证,发现GA-BP神经网络预测的均值绝对误差为BP神经网络均值绝对误差的40%,GA-BP神经网络具备更好的预测性能。     

大变异遗传退火法及其在水库优化调度中的应用

根据水电站优化调度特点,建立水库调度优化模型,并针对遗传算法易早熟收敛和进化后期搜索效率较低的问题,将遗传操作与模拟退火(SA)思想相结合,并加入大变异(LPM)思想,最后将大变异遗传退火算法(LPM GASA)用于隔河岩水库。通过LPM GASA在隔河岩水库优化调度中的模拟,表明改进策略在解决水库优化调度问题方面的有效性。最后与动态规划(DP)法以及几种策略下的浮点编码遗传算法(FGA)作比较,体现出改进GA的优点及优越性。     

带时间窗的多目标蔬菜运输配送路径优化算法

为了解决蔬菜运输耗时长、成本高、保鲜时间短，导致送达到客户手上蔬菜质量降低等问题，在考虑了车辆载重和时间窗等约束条件下，本研究提出了一种带时间窗多目标蔬菜配送路径优化的遗传-模拟退火（Genetic Algorithm and Simulated Annealing，GA-SA）算法。在遗传算法（Genetic Algorithm，GA）操作过程中引入模拟退火（Simulated Annealing，SA）算法自适应（Metropolis）接受准则：首先将原始种群进行遗传算法的选择、交叉、变异等操作，形成新一代路径种群，此时通过引入Metropolis准则，对新一代路径种群分布情况进行修正、选择、交叉、变异，得到目标路径种群，达到全部车辆配送完返回到配送中心的耗时最少、成本最低、车辆使用最少的多目标，求得蔬菜运输的最优路径。设计以保定市为配送中心以及向保定市下辖的各个乡镇为配送点进行蔬菜运输路径优化的试验，结果证明，与传统的GA、SA相比，GA-SA能够有效增快其收敛速度，优化后的配送路线总成本分别降低了约23.7%和4%，总路程分别减少了22.6%和3%，耗时分别减少了26.2和2.6 h，车辆分别少使用2辆和1辆。本研究可为冷鲜食品以及其他运输路径优化研究提供参考价值。     

基于优化的模糊系统在故障诊断中的应用研究

设计了一种模糊神经网络推理系统诊断发动机故障的方法,该方法应用遗传算法对系统进行优化并对BP网络算法进行改进。这种方法能够优化模糊系统的参数和结构,并且能删除无用的模糊规则。最后以发动机点火系统的次级电压为例,说明这种方法的应用过程。结果证明这种推理系统具有收敛速度快、泛化能力好、推广性强的特点。     

车削中心转塔刀架布刀的GA优化方法

具有动力刀具的车削中心在中小批量生产的环境下,合理的布刀方案可以提高多工序工艺的加工效率。分析转塔刀架刀位与加工工序的关系以及相关的约束条件,基于工艺路线建立了加工一批多工序零件的布刀全局优化模型,提出了一种改进的多种群远亲杂交遗传算法来求解该优化模型。该算法可以加快收敛速度、避免因近亲联姻导致的收敛于局部最优。实践证明,这种改进的GA方法能够有效地解决车削中心转塔刀架的布刀优化。     

水库短期优化调度改进选择算子的遗传算法应用研究

针对传统遗传算法寻优能力差、易出现早熟的问题,对遗传算法的选择算子进行了改进,提出了对优秀个体进行比例复制的方法,并在种群交叉和变异之后增加了最优保存策略,以保证改进遗传算法的收敛性。用改进的遗传算法求解水库短期优化调度模型,结果表明,改进选择算子的遗传算法趋近于全局最优解的能力更强,收敛速度更快。     

基于自适应遗传算法的系统PSS参

多机电力系统中，电力系统稳定器PSS（Power System Stabilizer）的优化配置是一个复杂的非线性优化问题。一般PSS的配置包括其安装地点的选择和参数的优化。先根据参与因子法对PSS的安装地址进行选择，而后重点研究运用改进的自适应遗传算法(AGA, Adaptive Genetic Algorithm)对多机系统PSS参数进行优化。这种方法中交叉率和变异率能够随适应度自动改变，而不是恒定不变。该方法的优点是改善了传统的遗传算法(GA, Genetic Algorithm)中容易出现的“早熟”现象，提高了寻优过程的收敛性和稳定性。仿真结果表明，采用的自适应遗传算法在收敛性、计算时间和参数稳定上都优于传统遗传算法，将经过参数优化后的PSS加装到系统中，不仅可以克服低频振荡现象，而且使系统的暂态稳定性和静态稳定性都得到大幅度增强。     

基于遗传算法的PFC控制电路电压环的优化设计

针对标准遗传算法易发生未成熟收敛和收敛速度过慢的缺陷,提出了遗传算法的改进策略.尝试应用改进的遗传算法优化设计PFC控制电路的控制参数,在控制电路小信号模型的基础上,分析电压控制环的主要作用,选择合适的适应度函数.