基于完全自适应策略的遗传算法

为改善标准遗传算法的优化性能,延长种群搜索过程,提出了完全自适应策略的遗传算法.自适应策略不仅基于进化阶段,同时基于个体,特别采用了自适应的适应值转换策略,大大降低了早熟的概率,保证算法能以较大的概率收敛到全局最优解.     

计算机模拟退火优化算法监测模型及模拟试验

计算机模拟退火优化算法的主要作用是在一个大的搜索空间中寻找最优解或近似最优解。它通过模拟退火的方式,跳出局部最优解,从而有机会找到全局最优解。监测模型中的目标函数通常是非凸的,意味着存在多个局部最优解。计算机模拟退火算法可以帮助跳出局部最优解,并在整个搜索空间中找到全局最优解或近似最优解。基于计算机模拟退火优化算法的基本原理,详细介绍该算法的退火过程以及计算流程,并从参数优化、鲁棒性改进等方面,指明该模型的优化与应用方向,以提高监测模型的性能和效果。     

入侵检测中动态克隆选择算法的研究

根据免疫原理,对入侵检测中动态克隆选择算法的群体循环数据标准归一化处理、亲和力计算以及变异方案进行研究和改进.实验表明,改进后可使基于该算法的入侵检测引擎有较好的自适应性和学习能力,在提高检测率的基础上,降低了检测误报率.     

基于自适应伪并行遗传算法的虚拟企业合作伙伴选择优化

针对虚拟企业运作期的任务分配要求,分析合作伙伴选择优化的目标,构建虚拟企业合作伙伴选择的多目标模型。针对传统遗传算法过早陷入局部收敛和收敛速度慢的缺陷,设计改进的遗传算法——自适应伪并行遗传算法对模型求解,通过算例验证算法的有效性。     

集成化物流选址-路径问题优化模型的算法研究

选址-路径问题(Location-Routing Problem,LRP)是物流系统中的一个组合优化问题.一般采用"两阶段法"将其分解为选址分派和车辆路径问题来求解.这种两阶段法未能考虑到问题的内在联系,因而往往不能得到满意的解.本研究把LRP问题的解看作是一个整体,采用遗传算法求解该问题;对遗传算法的编码进行重新设计,对交叉和变异操作做了改进,因而能够更容易得到问题的最优解.最后通过算例分析,验证了本算法的可行性.     

基于改进目标进化算法的城市园林GIS数据均衡化技术研究

传统城市园林GIS数据均衡化处理技术忽略了对调整参数的全面寻优,导致部分数据仍存在不均衡问题。为此,提出基于改进目标进化算法的城市园林GIS数据均衡化技术。针对城市园林GIS数据,结合SMOTE算法与遗传算法,形成一种新的改进目标进化算法——GSA算法,对GIS数据完成二次采样,通过鸡群算法求解目标函数最优解,以此得到多个最优调整参数,使图像灰度分布更加均匀,实现城市园林GIS数据均衡化处理。实验结果表明,与传统技术相比,改进目标进化算法的GIS数据均衡化效果更好,证明该技术具有理想应用性能。     

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.     

遗传算法在自动组卷中的应用

针对传统的组卷算法具有组卷速度慢、成功率较低的缺点,将十进制编码的遗传算法引入到自动组卷中,建立数学模型,可以跳出局部寻优范围,收敛到最优解。     

基于鲸鱼算法的森林火灾图像多阈值分割

为监测森林火灾的实时火情,本文研究图像分割算法应用于林火图像的识别。由于林火图像背景复杂干扰目标多,采用单阈值Otsu方法对林火图像进行分割的精度较差,因此本文研究鲸鱼优化算法(Whale Optimization Algorithm,WOA)对多阈值图像分割的最佳阈值进行寻优。鲸鱼优化算法是在寻找最优解的过程中效率较高的算法,该算法具有收敛速度快、精度高的特点。针对森林火灾图像中的火焰区域准确分割问题,应用WOA对Otsu的适应度函数进行寻优,在红绿蓝模式的林火数字图像上进行仿真试验。试验结果表明:提出的算法在森林火灾图像多阈值分割中优于传统单阈值的Otsu算法,可以获得更为准确的分割阈值和更高的分割效率,具有较强的工程实用性。     

带有缓冲约束的板式家具混合流水车间调度求解方法

探讨板式家具生产在缓冲约束下的混合流水车间调度问题,建立缓冲约束,并研究求解方法,为解决由于当前家具生产调度方法缺乏考虑缓冲约束使得现代调度技术难以实际应用的问题提供科学依据。以板件数量作为缓冲约束中容量的表征,根据混合流水车间调度问题的特征,建立工序间有限缓冲约束,并将其编码进遗传算法的适应度函数中;设计满足调度问题特征的交叉操作、变异操作、个体评估与选择操作。其中,交叉操作采用部分映射法,变异操作采用单点插入法,个体评估采用已建立的适应度函数,选择操作则采用精英保留策略和轮盘赌方法。最后利用MATLAB对遗传算法各模块进行编程,通过文献中的案例进行算法的可行性验证。通过对已有文献的调度规则和方法(先进先出原则、NEH算法、模拟退火算法、粒子群算法、蚁群优化算法和改进布谷鸟搜索算法)进行对比试验,结果显示本研究提出的遗传算法在以完工时间为优化目标的前提下均优于其他方法。同样在考虑缓冲约束的案例场景中,本研究提出的方法也具有有效性。基于遗传算法的工序间有限缓冲约束下板式家具多产线混合流水车间调度问题的结果具有一定的可行性,可以为板式家具生产调度技术提供新的解决思路,但仍需综合考虑更多的...     

基于自适应遗传算法整定的刨花板施胶PID控制

刨花板施胶系统受外界干扰较大,模型参数存在不确定性,使得PID控制器的参数需要及时在线整定.针对这一问题,提出了一种自适应遗传算法在线整定PID控制器参数的方法,对已经建立好的施胶系统模型进行了仿真研究.结果显示,遗传算法优化的PID控制器具有较好的控制品质,达到了令人满意的优化效果.     

基于改进蚁群优化算法的车间布局优化

为了实现车间布局优化的最小物流费用,对车间布局优化的问题建立二次分配模型,并采用一种改进的蚁群优化算法（最大最小蚂蚁系统）来求解二次分配模型,这种方法克服了传统的蚁群优化算法,收敛速度慢、陷入局部最优、运算时间长等缺陷。同时建立车间布局构建图,对车间布局的蚁群算法实现进行详细的描述,并引入局部搜索的方法对问题求解进行局部优化,以便实现全局最优。最后,给出一个有12个生产单元的车间布局仿真算例,运用VC＋＋6．0编程实现算法,计算结果显示,新布局方案物料搬运成本要比原布局方案节约10％。这个结果表明改进的蚁群算法在求解二次分配模型具有很好地能力,对于解决车间布局优化问题的求解是可行和有效的。     

蚁群算法在定制家具矩形零件排样中的应用

零件排样,是指在一定规格的原料板材上,按照一定规则排布若干个不同尺寸规格的零件,在满足订单配套和切割要求的前提下,达到一定的优化目标.本研究以定制家具的零件排样问题为对象,根据定制家具零件排样生产的实际情况,将零件排样问题与蚁群算法(ACA)结合,以最优化原材料利用率为目标构建批次订单排样的数学模型,搜索得到批次零件的...     

模拟退火算法求解TSP问题

模拟退火算法在处理全局优化、离散变量优化等困难问题中，具有传统优化算法无可比拟的优势。这里描述模拟退火算法的原理及其基本框架结构，给出用模拟退火算法求解TSP问题的具体实现方法，并分析说明模拟退火算法的优缺点。     

基于模拟退火的多射频多信道网络的路由算法

提出一种基于模拟退火的优化算法来解决路由问题。模拟退火算法以加权累积期望传输时间为代价函数来寻找最佳路由方式。系统仿真基于802.11无线网络,分别比较使用基于模拟退火的路由算法和最短路由算法情况下的网络吞吐量和丢包率。仿真结果显示,基于模拟退火的路由算法比最短路由算法具有更好的性能。     

挖坑机主传动齿轮的优化设计研究

以挖坑机主传动直齿圆柱齿轮的优化设计为例,介绍了MATLAB优化工具箱及其算法。建立直齿圆柱齿轮优化数学模型,并利用MATLAB优化工具箱求解。结果表明,该计算方法准确,效率高,对解决其他机械优化设计问题也具有一定的参考价值。     

双联圆锯径切板优化下锯研究

面对我国森林资源不足、质量不高的状况,研究和应用优化下锯理论实现原木最优下锯,提高木材出材率已成为缓解木材供需矛盾的重要途径之一。本文提出了以最优化技术为基础的原木优化下锯法,以最小余料为目标函数的原木优化下锯方法,采用解析法建立原木优化下锯数学模型,通过计算机辅助排样求解,得出了一种基于梯形下锯法锯切原木的优化下锯算法,为数控双联圆锯径切板优化下锯提供了数学方法和基础,并给出应用实例。     

基于进化神经网络的火灾后混凝土强度评估

高温后混凝土强度的评估是判断受火建筑的结构损伤程度、剩余承载力的重要依据.设计了一个进化神经网络模型,用遗传算法优化RBF网络的连接权和网络结构,并将其应用于火灾后混凝土强度的评估.介绍了混凝土立方试块经受不同火温后进行回弹测试混凝土强度的方法.经实验测试和仿真分析证明,所提出的进化算法用于RBF神经网络优化比基于聚类法的RBF网络具有更高的识别精度.