一种粗粒度并行遗传算法及其应用

提出一种粗粒度并行遗传算法 ,采用多种群遗传策略 ,在逐渐收缩的空间上搜索 ,并且用准精确惩罚函数处理约束 ,保证了算法稳定而迅速地收敛于全局最优解。本文还讨论了算法的分布式计算策略 ,并行计算是在天潮 1 0 0 0 (A)超级并行计算机上完成的 ,利用 PVM系统处理各个处理器间的通讯。算例显示了本算法的计算效率和加速比。     

离散结构的遗传形状优化设计

离散结构的形状优化问题,设计变量是不同性态的连续／离散混合变量,优化收敛困难。本文利用遗传算法实现其全局最优设计,以空间２５杆桁架结构为例,进行了多变量、多工况的结构形状遗传优化设计。为减少结构重分析次数,引入了Ｓｔｅａｄｙｓｔａｔｅ算法。结果表明结构形状的遗传优化设计方法是可行的。     

桁架结构拓扑优化与遗传算法

用遗传算法求解桁架结构拓扑优化，结果表明是可行的。     

遗传算法在网架结构优化中的应用

综合考虑网架杆件的强度、刚度、稳定性、最小截面尺寸及结构挠度等约束条件,建立了网架结构离散断面优化的数学模型,应用遗传算法对其进行求解．算例表明,遗传算法可用于网架结构的优化设计,且优化结果可靠．     

应用遗传算法求解二维扩压器壁面速度最优分布

将遗传算法应用于求解透平机械中的二维扩压器壁面最优化速度分布，该方法可以容易的求解出既满足在扩压器出口流动速度极小又保证壁面边界层不发生分离的最优速度分布。用该方法求取著名的Ｓｔｒａｔｆｏｒｄ实验条件下的二维扩压器最优速度分布，所得结果与该实验吻合良好。     

求解具有奇异性的桁架拓扑优化的遗传算法

采用遗传算法求解具有奇异最优解现象的桁架结构拓扑优化问题。在桁架结构拓扑优化的内力约束ε-放松列式基础上,根据遗传算法特点通过引入拓扑变量提出一种新的优化模型列式。在遗传算法中改进了适应度函数及约束处理方法、选择和交叉操作等,提高了求解算法的效率和可靠性。数值算例以及两种列式的对比分析表明,本文改进的遗传算法和新提出的优化模型列式,能够得到拓扑优化问题的全局最优解。     

基于遗传算法的飞机气动优化设计

建立了一种以实数编码技术为基础的遗传算法模型，并把它与通过工程估算的气动分析方法相结合，进行飞机气动形的单点和多点优化设计。 优化设计中，设计变量取机为机翼、机身和尾翼的外形及三者之间的相对位置，优化目标是使飞机在跨音速和超音速飞行状态下获得配平状态下最大的升阻比。设计结果表明该优化设计方法是十分有效的，可以用来具有正常布局形式的飞机进行气动外形的优化设计。     

采用自动分组遗传算法的频率约束下桁架拓扑优化

研究了带有频率约束的桁架结构拓扑优化问题.首先比较了同为铰结情况下采用两种不同单元-杆单元和梁单元模拟对频率计算结果的影响,发现杆模型会丢失杆件弯曲振动模态,得到的最大自振频率设计往往含有很细截面的杆件,而实际上具有很低的频率.为克服这一困难,并考虑到实际工程结构的结点具有一定的刚性,建议此类优化问题可以采用刚架模型进...     

基于改进遗传算法主动柔性结构压电元件位置优化

基于改进的遗传算法提出了一种解决多压电片布置在柔性结构上以实现振动主动控制的有效方法.本文采用D优化设计准则,即把Fisher信息矩阵行列式最大值作为目标函数的一种优化方法.通过对结构模态振型和动力特性的研究,使用一种简单的方法将所选择的低阶模态振型转化为归一化形式,最后通过结构模态振型可确定压电片最优位置.为了达到更好的振动控制效果,压电片布置在结构模态应变最大位置处.当在结构不同位置上布置压电片时,结构各阶模态振型也将随之发生不同程度的变化.本文建立了ANSYS软件和遗传算法的接口来实现对结构的模态重分析,从而提取各阶模态振型.     

遗传算法的一个改进及其在气动设计中的应用

提出一个概率型二值搜索思想,驿标准遗传算法进行改进,改进是在原算法中增设一个概率型二值决策步。在该步中,首先通过计算种群中每个个体以体（二值串）各分量的适应值,统计染色体分量所在位置（基因位）取值的历史表现,由此给每个分量们赋予一个分值;然后,利用该分值以概率方法产生若个干新个体,并加入新代种群能与进化。由于分量位分值包含全局收敛信息,以此为基础产生的新个体可望具有良好素质,从而提高收敛速度,这在     

结构优化的GA算法

本文提出了一种用于结构优化的具有动态种源空间的ＧＡ算法，这种ＧＡ算法可以与其它结构优化方法如齿行法结合起来处理结构优化问题。这种ＧＡ具有很好的鲁棒性和较高的效率，可作为一个黑箱处理相当广泛的结构优化问题。     

基于遗传算法的仿真转台控制器优化设计与应用

针对仿真转台系统的时变性、模型的不确定性等特点，提出采用基于遗传算法的PID自适应控制器，实现控制器参数的在线自寻优。试验结果表明，该控制算法具有很强的鲁棒性、抑制外界干扰性和良好的动态性能。     

改进的遗传算法在连续体结构多目标拓扑优化中的应用

连续体结掏多目标拓扑优化是结构优化领域中的一个较难的研究课题.本文提出了一种改进的SPEA2多目标优化算法.该算法中采用数学形态学中的四方向链码的编码方式进行结构拓扑表达,使产生的拓扑结构清晰且无异议,完全消除了模糊的拓扑边界和棋盘格现象.提出了"质量向量"的概念,用以量化两个结构拓扑之间的相似性,从而使得不同结构拓扑之间的相似性比较成为可能.同时还将机器学习中的范例学习的思想融入到新算法中,利用前面的有限元分析结果对后来的结构分析进行指导,剔除了很多不必要的重复的计算,从而使算法的总计算量大幅度地减少.将新算法应用于悬臂和简支两类深梁的多目标拓扑优化,获得了高质量的Pareto最优解,且具有很好的分布.     

Genetic algorithm optimization for finned channel performance

Compared to a smooth channel,a finned channel provides a higher heat transfer coefficient;increasing the fin height enhances the heat transfer.However,this heat transfer enhancement is associated with an increase in the pressure drop.This leads to an increased pumping power requirement so that one may seek an optimum design for such systems.The main goal of this paper is to define the exact location and size of fins in such a way that a minimal pressure drop coincides with an optimal heat transfer based on the genetic algorithm.Each fin arrangement is considered a solution to the problem (an individual for genetic algorithm).An initial population is generated randomly at the first step.Then the algorithm has been searched among these solutions and made new solutions iteratively by its functions to find an optimum design as reported in this article.     

自适应免疫遗传算法

遗传算法(GA)是基于自然遗传规则随机搜索技术的一种进化算法,但是随着实际结构的大型化和复杂化,它往往出现过早收敛的现象。在研究了算法的编码方式、控制参数和算子操作之后,就其全局收敛性的不足,提出动态自适应策略以改进其性能,在基本遗传算子的基础上,采用了免疫遗传算子和保优策略。其中免疫算子可以防止交叉变异中的个体退化,自适应策略则保持了种群的多样性,以此保证遗传算法尽快收敛到全局最优解,称之为自适应免疫遗传算法(AIGA)。随后以经典的十杆桁架结构优化问题作为例子说明算法的优越性,结果表明AIGA在随机结构优化中计算有效、结果可靠。     

基于遗传算法参数整定的方位保持仪温控系统

遗传算法是一种高效的模拟生物进化过程的全局随机化搜索优化方法，它可直接得到所求解问题的全局最优解。针对方位保持仪，提出了一种分段参数设置与级间控制相结合的三级温控方案，并基于遗传算法对PID控制参数进行了优化整定。同时介绍了整个温控系统的软件实现。大量试验证明该控制策略接近最优，达到了战技指标要求。     

条形平板中裂纹识别的遗传算法

研究条形平板中平行于上下边界的单一裂纹的识别问题。给出了当一声波入射这一条形平板时，裂纹参数与反射、透射系数之间的关系式，并应用遗传算法对裂纹进行了定量识别。计算结果表明本文给出的方法具有较好的识别精度。