电容射频热疗中深部热场分布的仿真研究

深部热场控制是电容射频热和于深部治癌时尚未能有效解决的难点，本文研究了引入内部电极对电容射频热疗深部热场比吸收率（ＳＡＲ）和温度分布温度，模拟计算表明，引入内电极将显著改变深部热场分布，使８０％以上的ＳＡＲ集中于该电极周围，并使内电极附近成为温度最高的热点；调整内电极位置和加电方式可有效地控制深区ＳＡＲ的温度分布形态，可为深部肿瘤热疗析的加热方法。     

加热治癌时人体二维电磁场和温度场的数值计算

用有限元法计算了加热治癌时在人体肝癌截面内由同心线圈感应的二维电磁场、稳态温度场和瞬态温度场。为改善被加热人体内电磁功率分布，提出用充有电解液的水袋为屏蔽物的局部电磁屏蔽法。此法在某种程度上能消除在正常组织中的过热现象。这些理论研究有助于临床加热治癌。     

汽车传动系参数优化的改进遗传算法

研究了六工况试验条件下，取主减速比和变速器传动比为设计变量，根据传动系的特点构造初始方程和变量分组准则，利用改进GA算法对汽车传动系参数优化问题建立数学模型。进而调整各参数，实现各参数优化匹配问题多解的求解方法，并用MATLAB软件来实现，实现了汽车设计中“确保经济性，提高动力性”的优化目标。     

基于模糊遗传算法的水轮机调速器参数优化

针对目前使用遗传算法优化水轮机调速器参数存在寻优效率较低这一问题，提出了一种用模糊遗传算法优化水轮机调速器参数的新方法。通过引入自适应变化的变异概率和交叉概率，改善了遗传算法的寻优效率，并提出了分段加权的目标函数以改善水轮机调速器的反冲影响。仿真结果表明，模糊遗传算法寻优效率较简单遗传算法有了大幅提高，具有很强的鲁棒性。     

基于遗传算法的多模型对象控制系统参数优化

针对多模型对象控制系统,基于遗传算法对PID控制参数进行寻优,分别建立不同工况下的模型,提出了以不同模型下的ITAE(时间乘以误差绝对值积分)性能指标加权和作为遗传算法目标函数的方法,寻优出一组最佳的PID控制参数,使得该参数在不同的对象模型下均表现出良好的调节品质,具有一定的实用价值。     

基于MATLAB遗传算法工具箱的PID参数优化研究

遗传算法是一类可用于复杂系统优化的具有鲁棒性的搜索算法,遗传算法工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具。针对传统PID的局限性,利用遗传算法工具箱对PID控制器参数进行优化。仿真结果表明:该方法几乎无超调,且过渡时间短,可获得比传统设计方法更优良的控制效果。     

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

模糊控制空调器参数优化的变群体规模遗传算法

提出了一种适合于模糊控制空调器参数优化的变群体规模遗传算法－－VPGA,通过对二维病态且难以极小化的单峰考评函数－－Rosenbrock函数的计算,证明了VPGA较标准遗传算法（SGA）具有较高的全局寻优能力,采用该算法对模糊控制空调器的比例因子进行了优化,并与单形调优法的优化结果进行了对比,结果表明,采用VPGA避免了局部最优问题,同时也提高了收敛速度。     

一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

基于GA的ε-SVRM参数优化研究

参数优化是ε-支持向量回归机(ε-Support Vector Regression Machine,SVRM)研究领域的重要问题,其本质是一个优化搜索的过程.考虑到遗传算法在求解优化问题上的有效性,提出了以遗传算法寻优技巧的ε-支持向量回归机参数优化方法.将该算法应用于受噪声影响的标准函数,仿真实验表明由该算法所确定的ε-支持向量回归机具有较好的预测性能.     

基于遗传算法的模糊控制模型参数优化的研究

模糊控制的精度取决于有关参数,如隶属度函数、模糊关系矩阵、传统 确定参数的方法是依靠人工。作者采用遗传算法来优化参数,大大地提高了模糊控制的精度。试验结果表明,先验知识和遗传算法的结合可以得到很好的控制效果。     

摩擦耗能支撑参数优化

提出摩擦耗能支撑参数优化的一种新数学模型．它的特点是在相同的层间位移角限值下,所求得的框架各层耗能支撑刚度之和最小,从而实现安装较少的耗能装置而能达到相同的抗震要求．文中利用遗传算法求解该优化问题,编制基于遗传算法的摩擦耗能框架结构弹塑性动力优化分析程序GAOFF．算例表明,该方法有效。     

汽车传动系参数优化的改进遗传算法

研究了六工况试验条件下,取主减速比和变速器传动比为设计变量,根据传动系的特点构造初始方程和变量分组准则,利用改进GA算法对汽车传动系参数优化问题建立数学模型.进而调整各参数,实现各参数优化匹配问题多解的求解方法,并用MATLAB软件来实现,实现了汽车设计中"确保经济性,提高动力性"的优化目标.     

材料热物理参数对沥青路面温度场影响的模拟分析

首先在考虑沥青路面与周围环境热交换过程的基础上,利用ADINA有限元软件构建了沥青路面温度场评估模型,并确定了模型的边界条件,然后通过数值模拟的方法分析了导热系数、表面传热系数和路面反射率这3个材料热物理参数对沥青路面各结构层温度场的影响.结果表明：沥青路面的温度变化主要发生在其表层和面层（即沥青层）,而基层、底基层和土基的温度变化很小;相同条件下,沥青路面各结构层的日温度差会随着各结构层深度的增加而减小;沥青路面各结构层的温度会随着结构层深度的增加出现变化相位逐渐滞后的现象;修铺沥青路面时所用材料的导热系数越大、表面传热系数和路面反射率越小,沥青路面的温度越高,因此,为使整个沥青路面温度降低,铺筑沥青路面时应使用导热系数较小、表面传热系数和路面反射率较大的材料.本研究可为沥青路面的选材设计提供理论支撑,有助于改善沥青路面的温度场,减小沥青路面对城市环境造成的不良热效应.     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

基于遗传算法的干线协调控制参数共同优化

将干线延误分为内部进口道和外部进口道两部分进行计算,建立了干线协调控制的离散的计算模型.由于解耦思路的参数优化方法在协调控制中很难得到真正的最优解,因此根据各控制参数的特征选用各自的优化算法,通过尝试以遗传算法为基础的组合算法,得到干线协调控制参数的共同优化流程.通过实例对提出的方法进行验证,与传统的数解法相比,系统延误减低了12.8%.结果表明,基于遗传算法的参数共同优化方法可以提高干线协调控制的效果.     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法。结果表明改进的遗传算法具有直观、简便、快速及适应性强等特点。     

利用正交试验法优化配置遗传算法参数

针对遗传算法参数多，且配置困难的问题，提出一种利用正交试验优化选择参数的方法，它使得对于不同领域的优化问题只需用正交试验进行一次参数配置，然后用遗传算法进行具体寻优即可取得较好效果．这种方法易于编程的实现，且在一定程度上避免了遗传算法参数配置的盲目性．     

切削过程仿真及工艺参数优化

加工工艺及其相关参数优化是协调加工质量、效率和成本等目标的主要途径之一.以切削过程为对象,研究基于有限元法（FEM）的切削过程建模与分析方法,考察了切削工艺参数对切削力的作用及其优化策略,根据切削力计算、仿真和实验对比结果,指出现有切削效应分析方法及相关仿真软件的应用尚有一些值得进一步深入研究的内容.     

遗传算法在新安江模型参数优化中的应用

本文针对新安江数学模型的参数优化识别的问题,在将基本遗传算法用于非线性系统参数优化的基础上,提出了一种改进的遗传算法.结果 表明改进的遗传算法具有直观、简便、快速及适应性强等特点.