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。     

基于遗传算法优化的神经网络PID控制器

对于参数可变的时变系统和非线性复杂系统,常规PID控制器不能获得理想的控制效果,针对复杂非线性对象的神经网络PID控制不失为1种有效的控制策略．根据神经网络初始权值的选取影响控制器性能的特点,提出了基于遗传算法优化参数的神经网络PID控制器,实现了基于实数编码的GA参数优化．仿真结果证明了该算法的有效性。     

基于遗传算法的工艺路线优化决策

为了实现计算机辅助工艺计划(computer-aided process planning, CAPP)系统中的工艺路线优化决策,分析了工艺路线优化决策过程中存在的问题以及相关约束,提出利用遗传算法对基于工艺约束的工艺路线进行优化决策.在加工工序排序决策过程中同时考虑机床和刀具的选择,通过遗传算法的复制、杂交、变异等操作进行工艺路线决策.结果表明 利用遗传算法可以有效地对工艺路线进行优化决策,得到满足生产要求的最优或接近最优的工艺路线.通过实例,详细介绍了利用遗传算法进行加工工序排序决策以及相关的机床和刀具的选择过程.     

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。     

用遗传算法优化模糊控制器

提出一种带迁移算子的遗传算法 ,并用于优化模糊控制器 ,在对倒立摆和大纯滞后等复杂对象的控制仿真实验中均获得很好的结果 ;并对提高遗传算法多参数优化的效率及目标函数的影响进行了初步的讨论。     

基于遗传算法的切削用量优化

在机械加工中,切削用量的优化对于保证加工质量,降低加工成本和提高劳动生产率都具有重要意义。近年来快速发展的遗传算法,对于解决非线性优化问题取得了令人瞩目的成绩。应用遗传算法对切削用量的优化问题进行了研究,提出了一种在进行遗传操作之前对个体进行预先筛选,从而将有约束优化问题变成无约束问题的方法,并通过算例说明了它的有效性。     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

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.     

基于遗传算法的汽车复杂注塑件成形工艺参数优化

以汽车外饰件中的观后镜为例子,以注塑件成形质量中的翘曲量为优化目标,依据回归分析和神经网络建立数学模型,并比较其预测精度,得到有效的预测模型;利用遗传算法对得到的数学模型进行寻优,达到对注塑工艺条件优化的目的,以期缩短生产时间,提高制件质量.     

基于多目标遗传算法的热定型工艺参数优化设计

为了解决染整后整理中热定型工艺参数难以定量设计的关键技术难题,将工艺参数优化设计问题视为以成品门幅、克重与客户要求的相应值的绝对误差最小为目标函数,温度、车速、超喂率和上机门幅为优化变量,以根据实际情况中各优化变量的取值范围为约束条件的多目标优化问题。建立多目标优化模型,并基于该模型采用多目标遗传算法,实现了热定型参数精确定量设计。用该方法得到的工艺参数加工弹力布,生产成品的克重、门幅与用户要求指标的偏差小于1%,完全可以满足实际生产要求。     

一种基于遗传算法的单神经元PID控制器参数优化

文章分析了神经元PID控制器存在的问题,提出了一种用遗传算法对单神经元控制器进行参数寻优,并利用种群数N和交换概率Pc逐次递减的方法来提高计算效率和收敛速度,在搜索空间内获得全局最优点的方法。试验仿真结果表明,基于遗传算法的单神经元PID控制器参数优化方法能获得很好的控制效果。     

基于遗传算法的PID参数优化设计

提出一种新的ＰＩＤ参数设计方法,以模糊化的性能指标为目标函数,以设计参数的取值范围及极限性能指标为约束条件,建立优化数学模型,结果表明,在Ｍａｔｌａｂ环境下,将遗传算法同Ｓｍｕｌｉｎｋ仿真技术有机融合,求解该优化模型,该法能有效提高编程效率,所得优化解大大提高系统性能指标。     

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.     

利用遗传算法优化客户价值评估模型

提出了一种利用遗传算法对海量客户数据的评估模型进行参数优化的方法,使用已知样本客户的计算价值与实际价值的误差作为评价函数.针对精度要求较高的情况,我们采用了分步进化的方式以实现快速收敛.     

Parameter Optimization of Linear Quadratic Controller Based on Genetic Algorithm

The selection of weighting matrix in design of the linear quadratic optimal controller is an important topic in the control theory. In this paper, an approach based on genetic algorithm is presented for selecting the weighting matrix for the optimal controller. Genetic algorithm is adaptive heuristic search algorithm premised on the evolutionary ideas of natural selection and genetic. In this algorithm, the fitness function is used to evaluate individuals and reproductive success varies with fitness. In the design of the linear quadratic optimal controller, the fitness function has relation to the anticipated step response of the system. Not only can the controller designed by this approach meet the demand of the performance indexes of linear quadratic controller, but also satisfy the anticipated step response of close-loop system. The method possesses a higher calculating efficiency and provides technical support for the optimal controller in engineering application. The simulation of a three-order single-input single-output (SISO) system has demonstrated the feasibility and validity of the approach.     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

基于改进免疫遗传算法的PID参数优化仿真研究

将改进免疫遗传算法与传统PID控制的参数优化进一步结合,利用免疫遗传操作自身的特点,同时引入疫苗的实时更新理念,保证了疫苗的先进性,加速系统对于全局最优解的搜索速度.以锅炉温度为例,经MATLAB-Simulink仿真证明,应用改进免疫遗传算法,对温度PID参数进行优化,使系统具有了更好的控制性能,也保证了锅炉温度的实时控制效果.     

基于遗传算法的函数优化拟下降算法

在传统优化算法中嵌入一拟下降步,改善了算法的收敛性质;用遗传算法计算拟下降步,提高了算法的全局搜索能力,又不改变原算法的收敛性．数值计算结果表明,所提出的算法结合了遗传算法和传统算法的优点,是一种可行的解决函数优化问题的混合算法．