基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

基于矢量矩的汽车主动悬架免疫控制策略研究

基于矢量矩的抗体浓度计算方法,其算法较基于信息熵的简单、收敛速度快.采用该方法对汽车四分之一悬架模型进行免疫控制研究.仿真结果表明:在阶跃和B级路面两种输入下,基于矢量矩的免疫控制策略对汽车主动悬架进行控制,其主要的性能评价指标———平顺性和操纵稳定性明显好于被动悬架的.     

改进差分进化算法及其在组合拍卖问题中的应用

通过改变初始种群的产生过程,并对目标个体的变异、交叉操作过程进行改进,包括变异修复、变异个体取舍、中间个体处理、控制参数(试验时间)调整,给出了改进差分进化算法.通过试验详细分析了各个控制参数对算法寻优性能的影响.     

一种用于网络入侵检测的免疫克隆策略

网络入侵检测当前面临的主要问题是如何迅速有效地检测出未知模式的入侵. 借鉴生物免疫系统中的自进化学习机制, 我们设计一种免疫克隆算法,该算法以生物免疫的自我非我识别为基础,进一步引入免疫克隆学习机制以提高算法对入侵模式识别的效率和正确率.论述参数的设置,并且系统不再简单地丢弃穷举法中与Self匹配的候选检测器,而是对它们进行进化,引导它们偏离Self集合,生成检测器.论述免疫克隆算法的具体细节, 并完成相应的验证实验.实验表明该算法具有较好的识别未知模式的能力.     

基于小生境差分进化算法的预防性维修优化研究

针对预防性维修问题,提出了一种基于小生境进化策略的改进差分进化算法.该算法采用DE/best/2/bin变异方式,变异个体由当前种群中的最优个体作引导,同时引入小生境进化策略,使算法具有局部搜索能力强和精度高的特点,也增强了算法的全局搜索能力,避免早熟现象的发生.将该算法应用于求解有限时间区间的预防性维修问题,仿真试验结果表明,该算法可行有效,其结果能对生产实践起到一定指导作用.     

自适应差分进化算法在反求含水层参数中的应用

【目的】研究自适应差分进化算法在反求含水层参数中的适用性。【方法】以理论计算值与实际观测值的离差平方和的均值作为目标函数,应用自适应差分进化算法优化待估含水层参数;计算相关实例,对比改进直线图解法、混沌序列优化算法、简算法、泰斯配线法、线性回归法与自适应差分进化算法的最终优化结果。【结果】与改进直线图解法、混沌序列优化算法和简算法等计算方法相比,自适应差分进化算法的计算结果更加精确,与实际观测值的差异较小;对于不同的含水层参数取值范围,自适应差分进化算法较传统差分进化算法稳定且寻优率与计算结果精度更高。【结论】自适应差分进化算法是一种有效的反求含水层参数的方法。     

科技文摘

正20174001基于正交设计模型的多目标进化算法/吴金妹(华北水利水电大学机械学院),王亚辉…//农业机械学报.-2017,48(2).-362~369为提高多目标进化算法在求解复杂多目标问题上的收敛性和解集多样性,提出了一种基于正交设计模型的多目标进化算法。该算法在基于分解技术的多目标进化算法框架下,将正交实验设计方法同分解技术相融合。利用正交实验设计方法,有针对性地对父代个体进行重组,并生成多个保留优良基因的子代个体,避免了盲目性搜索以提     

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.     

一种新的混沌免疫遗传算法

将免疫算法、混沌与遗传算法相结合,提出了一种新颖的混沌免疫遗传算法,该方法利用混沌运动的遍历性、随机性来产生初始种群,加快搜索的速度;利用免疫原理的浓度计算及调整加入新的混沌序列来补充种群,增加种群的多样性避免陷入局部最优;交叉变异结束后在最优解附近再用混沌进行局部寻优提高解的精度。实验结果表明,所提出的算法能寻找到更好的优化结果,并且在搜索速度上明显优于遗传和免疫遗传算法。     

基于改进差分进化算法的含风电场的电力系统无功优化

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优的缺点,提出了改进的差分进化算法.在基本差分进化算法中,融入递增二次函数交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.仿真算例表明:改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性.