一种求解约束函数优化问题的遗传算法

遗传算子和种群更新策略在遗传算法全局寻优过程中发挥着重要作用，通过多父体杂交算子使产生的后代更具多样性和采用最小代数代沟种群替换模型有效地均衡算法对问题解空间的探索和开发能力提高算法的性能，给出了一种求解约束函数优化问题的遗传算法。对两个典型约束函数优化问题进行了数值实验，实验结果表明了该算法的有效性和稳健性。     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

一种遗传算法求约束优化问题的新方法

为了更好的解决约束优化问题,介绍了利用遗传算法求解约束优化问题的一般方法,在分析传统方法的基础上提一种遗传算法求解约束优化问题的新方法,将约束优化问题分成两步:首先不考虑目标函数,把约束优化问题转换为一个约束满足问题来处理,获得一个可行解;然后对目标函数和已满足约束的条件进行优化,最终获得一个最优解。还对该方法在不同问题下作了分析,证明了该方法对求解有约束优化问题有良好性能。     

改进遗传算法在齿轮减速器优化中的应用

以一个标准齿轮减速器体积（中心距）最小为优化目标的优化模型,描述一种改进遗传算法的实现,并将之应用于两级圆柱齿轮传动的优化设计。其优化结果与单纯形的比较表明,遗传算法更能脱离局部解而取得更优解,在工程设计中具有一定的应用价值。     

一种新的求解约束优化问题的遗传算法

科学和工程领域中的许多问题最终可以归结为求解一个带有约束条件的函数优化问题,本文针对此类约束优化问题提出了一种新方法,它把约束优化问题转化为双目标优化问题,并利用遗传算法从多点出发寻找最优解的特性,设计新的交叉、变异和选择算子,使得算法迅速找到问题的最优解。数据实验结果表明该算法对约束优化问题的求解是有效的。     

一种求解约束优化问题的遗传算法

约束优化问题是工程领域中常见的数学模型,求解难度主要来自变量的约束和目标函数的复杂性.本文针对约束优化问题,提出了一种基于双向信息搜索的遗传算法.首先,通过启发式信息在种群中产生至少一个可行个体;其次,对于每一个杂交父代个体,基于概率分布选择一个可行解和一个目标函数值好的个体,杂交后代由这三个点的矢量和产生.最后,仿真实验及比较结果表明,提出的遗传算法是可行有效的.     

反馈混沌遗传算法及其在约束优化中的应用

针对现有遗传算法中普遍存在的早熟与收敛慢的问题,将混沌映射和后天强化学习策略引入到标准遗传算法中,提出了带反馈的混沌遗传算法.该算法通过混沌映射来保持演化群体良好的多样性;通过基于Baldwin效应的后天强化学习来克服纯粹的随机演化.对复杂约束优化问题--基准问题的数值实验验证了文中算法的高效性及鲁棒性.     

遗传算法的改进及其在无功优化中的应用

遗传算法是模拟生物进化过程中所得到的一种优化方法。本文介绍了遗传算法的基本理论,然后,首次提出了两蹼改进措施并应用于无功优化中,通过算例,论证了改进后的方法可有效地解决大规模电力系统的无功优化问题。     

解平面四杆机构约束优化问题的改进遗传算法

以平面四杆机构约束优化设计这一实际问题为背景,针对传统遗传算法（ＧＡ）存在的问题,提出了一种新的将柯西机（ＣＭ）和遗传算法相结合的改进遗传算法（ＭＧＡ）,数值计算结果表明,该算法避免了ＧＡ算法中的早熟收敛问题,可获得上机构参数优化问题的最优解,并且还具有收敛速度快等特点。     

改进灾变遗传算法及其在无功优化中的应用

针对灾变遗传算法的早熟和稳定性问题,提出了一种改进灾变遗传算法,设计了与进化代数相关的改进灾变算子;为了兼顾算法的全局性能和收敛速度,设计了与进化代数相关的交叉概率和与个体适应度相关的变异概率.IEEE14节点和IEEE30节点无功优化算例表明,该改进算法具有良好的全局性能和收敛速度,适合求解电力系统的无功优化问题.     

基于小生境遗传算法的约束滤波器优化设计

为了对战场图像进行实时处理,抑制噪声,改善图像质量,需要对图像进行平滑滤波。考虑了一类具有频域等式约束的FIR滤波器Minmax设计问题,引入小生境技术自适应遗传算法来得到最优化滤波器的一组参数,并且对滤波器的阶数N进行了优化。设计实例表明,基于小生境技术自适应遗传算法是有效的,具有很好的扩展性,可用来设计最优约束FIR滤波器,实现对图像的平滑滤波。     

基于遗传算法的超声速二维进气道优化设计

首先介绍了基本遗传算法,并由基本遗传算法演化出小生境遗传算法.应用简单的测试函数对两种遗传算法进行测试,对两种遗传算法进行比较.然后应用小生境遗传算法对二维超声速进气道进行优化设计.在单目标优化设计中,以最大总压恢复系数为优化目标,在多目标优化设计中分别顾及到总压回复系数要求最大和增压比也要很高.在对进气道的优化设计之后,对单目标优化和多目标优化的结果进行比较.     

遗传算法在双正弦函数受限优化中的应用

文章采用遗传算法,研究了受限双正弦函数的极大值问题,给出了遗传算法寻优后的结果,并就遗传算法参数对受限双正弦函数寻优的收敛性进行了分析,结果表明遗传算法准确且较快地得到了双正弦函数的极大值。     

遗传算法在超微电动机参数优化设计中的应用

基于超微电动机的主要参数之间相互限制和约束,提出将遗传算法应用于超微电动机的参数设计,利用遗传算法的特性进行辅助超微电动机设计．首先确定超微电动机的简化数学模型,结合电动机工作环境对其性能的要求,确定超微电动机设计中的评价函数,利用遗传算法在整个参数空间内搜索,得到超微电动机的主要参数,并给出了该超微电动机经实验测量的性能     

基于退火不可行度的约束优化问题遗传算法

传统的遗传算法在求解带约束的数值优化问题时，主要采用罚函数法．本文针对罚函数法在实际应用中的困难和不足，提出了基于退火不可行度的遗传算法来处理各类约束优化问题．仿真结果表明该方法是一种有效的约束问题寻优算法．     

旅行商问题(TSP)的改进遗传算法

对于中大规模ＴＳＰ问题的求解,提出了２种新的改进遗传算法:两交换启发交叉算法和三交换启发交叉变参算法·经过仿真实验和实例应用证明了算法的有效性·三交换启发交叉变参算法的性能优于两交换启发交叉算法·     

遗传算法及其应用

遗传算法是模拟生物进化机制新发展起来的一种搜索和优化方法，它是基于自然进化机制并且在寻找目标函数或在目标函数附近解决优化问题，遗传算法已在许多领域得到应用。并显示出良好的发展前景．本文介绍了一些优化方向的基本问题，包括理论、方法、实现技术以及应用中的普遍性问题，对其应用前景进行了展望．     

遗传算法在电机系列优化设计中的应用研究

电机的系列优化是一处复杂的有约束,非线性,混合离散多目标规划问题。文章在传统遗传算法的基础上,对算法进行了改进,使之适用于电机系列优化设计,并且把该算法应用于Ｙ系列电机的系列优化设计中,优化设计结果表明这种算法效果是比较理想的。     

改进进化方向的遗传算法与结构遗传设计

基于Ｙａｍａｍｏｔｏ提出的一种新的进化策略,得到一种改进进化方向的遗传算法。该法用于桁架结构遗传设计,不仅能够提高收敛速度,而且提高桁架遗传设计精度,与梯度下降进化方向遗传算法相比,计算时间大大减少。