分層思想在自適應遺傳算法解決UTP問題中的應用

介紹utp及遺傳算法等基本概念,總結當前遺傳算法在utp優(yōu)化中的編碼機制和遺傳操作,指出遺傳算法及其在utp優(yōu)化中的優(yōu)缺點。

遺傳算法在巖土工程反演問題中的應用——綜述了巖土工程反演的基本過程，并在介紹遺傳算法研究進展的基礎上，將遺傳算法與傳統(tǒng)優(yōu)化算法進行比較，然后給出幾種遺傳算法的改進策略，同時介紹了遺傳算法在巖土工程反演領域中經(jīng)常使用的幾種改進方法，最后通過實例...

綜述了巖土工程反演的基本過程,并在介紹遺傳算法研究進展的基礎上,將遺傳算法與傳統(tǒng)優(yōu)化算法進行比較,然后給出幾種遺傳算法的改進策略,同時介紹了遺傳算法在巖土工程反演領域中經(jīng)常使用的幾種改進方法,最后通過實例驗證了遺傳算法是求解巖土工程反演問題的有效方法。

針對簡單遺傳算法(sga)存在早熟和易陷入局部最優(yōu)的不足,提出了一種新的動態(tài)調整交叉概率和變異概率的自適應遺傳算法(aga),同時對簡單遺傳算法的編碼方式、選擇、交叉和變異算子均進行了一定的改進。通過對一復雜函數(shù)———schaffer函數(shù)進行求解,證明了這些改進措施有效地克服了早熟現(xiàn)象、提高了算法的全局尋優(yōu)能力。并利用改進的自適應遺傳算法對水電站報價策略模型進行求解,結果表明了該方法的有效性。

該文提出了一種改進的廣義遺傳算法。算法中引入了異種機制以提高種群的多樣性,在保證收斂速度的同時防止早熟收斂。該方法應用于隨機風載荷作用下有應力約束的多參數(shù)結構動力響應優(yōu)化問題,數(shù)值算例表明:異種機制能夠有效地提高廣義遺傳算法收斂于全局最優(yōu)解的概率并加快收斂速度;帶有異種機制的廣義遺傳算法能夠有效地求解復雜的結構動力優(yōu)化問題。

利用遺傳算法對公路工程工期成本優(yōu)化問題進行探討,給出利用遺傳算法對整個問題的求解設計思路,在公路工程工期成本優(yōu)化中利用遺傳算法優(yōu)化時染色體設計、優(yōu)秀個體的充分利用以及遺傳操作后不合理結果的處理提出解決方法,為今后遺傳算法在公路工程進度優(yōu)化中的應用提供有益的思路。最后設計求解流程圖。

文章針對簡單遺傳算法中交叉概率與變異概率隨進化過程恒定不變的缺點,提出了自適應遺傳算法并將其用于重力壩體型優(yōu)化設計。

針對房間溫控對象的參數(shù)變化對空調器模糊控制效果有很大影響這一現(xiàn)象，提出了一種基于遺傳算法的自適應模糊控制方法，該方法由一種新型的參數(shù)混合辨識算法以及變群體規(guī)模的遺傳優(yōu)化算法組成，從而實現(xiàn)了比例因子的在線自調整。仿真結果證明了該方法的有效性。

淺析自適應遺傳算法的重力壩體型優(yōu)化施工設計——文章針對簡單遺傳算法中交叉概率與變異概率隨進化過程恒定不變的缺點，提出了自適應遺傳算法并將其用于重力壩體型優(yōu)化設計?！　?/p>

刨花板熱壓控制系統(tǒng)存在著遲滯、非線性、時變性以及模型參數(shù)的不確定性,針對此問題,提出了基于遺傳算法的自適應pid智能控制策略,通過自適應控制與遺傳算法相結合,實現(xiàn)對pid參數(shù)的在線自整定,使其具有更大的靈活性和適應性,完善了pid控制器的性能。在matlab7.0環(huán)境下進行仿真,結果表明:與常規(guī)pid控制器相比較,該控制器明顯地提高了熱壓位置伺服控制系統(tǒng)的動態(tài)性能和靜態(tài)性能,抗干擾的能力也明顯增強,兼具更好的魯棒性能。

為實現(xiàn)led照明的恒照度控制,首先建立了led的照度模型,然后采用單神經(jīng)元自適應算法設計led的照度控制器。仿真結果表明,單神經(jīng)元自適應控制器能夠實現(xiàn)led照度的穩(wěn)定控制,取得了較為理想的控制效果。

標準遺傳算法在求解無約束優(yōu)化問題時得到了成功的應用,但是多數(shù)的工程實例為約束優(yōu)化問題.目前引入懲罰函數(shù)思想的遺傳算法是解決約束優(yōu)化問題最常用的方法,但是使用此方法時參數(shù)的設定較為困難.從避免這個困難和提高算法本身性能的角度出發(fā),構造了一種新的算法.首先對非可行個體進行修正,把約束優(yōu)化問題轉化為無約束優(yōu)化問題;其次,采用了擴大搜索空間選擇較優(yōu)個體的交叉算子,增強了全局搜索能力;最后,在部分較優(yōu)個體附近采用了局部搜索策略,提高局部搜索能力.通過對2個工程優(yōu)化實例的求解說明了算法的有效性.

遺傳算法在固結系數(shù)計算中的應用——建筑物的荷載通過基礎傳給地基，地基受力后將會產(chǎn)生應力和變形，從而導致建筑物基礎產(chǎn)生沉降和傾斜。如果基礎的沉降不均勻，將會對于建筑物的安全產(chǎn)生一定的影響，而影響沉降的最主要因素是飽和土體的固結系數(shù)，而固結系數(shù)的...

針對傳統(tǒng)支持向量機算法在預測方面的不足,采用自適應粒子群算法(apso)對支持向量機參數(shù)選擇進行分析和優(yōu)化,建立基于自適應粒子群優(yōu)化的svm算法建筑物沉降預測模型,并對建筑物進行沉降預測。實驗表明,相比于傳統(tǒng)的支持向量機算法,自適應粒子群優(yōu)化的svm算法預測精度較高,為建筑物沉降預測提供一種新方法。

提出了一種自適應和聲搜索(adaptireharmonysearch,ahs)算法來解決結構工程設計問題。ahs算法包含2種重要的操作,分別是位置更新和變異操作。前者能夠使非最優(yōu)解快速地朝著全局最優(yōu)解移動,這有助于提高ahs算法的收斂速度;后者能夠增加種群的隨機性和多樣性,這有助于增強ahs算法跳出局部最優(yōu)點的能力。由于采用了以上2種操作,ahs法具有很強的收斂性和空間開發(fā)能力。實驗結果表明,與已有算法比較,ahs算法在解決結構工程優(yōu)化問題中能夠找到更好的解,它是解決結構工程優(yōu)化設計的一個有效的算法。

基于圓弧滑動面假定,提出了一種用自適應遺傳算法搜索最危險滑動面及其對應的最小安全系數(shù)的新方法。該方法是一種改進的遺傳算法,采用自適應求取適值、動態(tài)調整交叉率和變異率、自適應區(qū)間收縮。自適應遺傳算法有效克服了傳統(tǒng)方法易陷入局部極小的缺陷,提高了算法的搜索效率、精度和穩(wěn)定性。

針對庫水位和降雨對面板堆石壩滲流的滯后效應,結合深覆蓋層面板堆石壩的筑壩特點,在綜合考慮覆蓋層厚度、筑壩材料等對大壩滲流影響的基礎上,建立了考慮滯后效應的深覆蓋層面板堆石壩滲流安全監(jiān)控模型,并在模型的求解中采用了云自適應遺傳算法。實例應用表明,該模型能較好地反映庫水位、降雨對滲流的滯后影響,模型精度與預報效果優(yōu)于一般滲流統(tǒng)計模型,且云自適應遺傳算法較好地彌補了傳統(tǒng)遺傳算法執(zhí)行效率不高、易陷入局部最優(yōu)解等不足。

vol.31no.3 2005206 華東理工大學學報(自然科學版)　　　　　 journalofeastchinauniversityofscienceandtechnology(naturalscienceedition)　　　　　 基金項目:國家自然科學基金(60074035);浙江省自然科學基金 (y104171) 收稿日期:2004205230 作者簡介:葉慕靜(19792),女,浙江人,碩士生,研究方向為先進生產(chǎn) 系統(tǒng)組織與優(yōu)化。 　　文章編號:100623080(2005)0320371205 slp和遺傳算法結合在工廠平面布置中的應用 葉慕靜3,　周根貴 (浙江工業(yè)大學經(jīng)貿學院,杭州310014) 　　摘要:用經(jīng)典的系統(tǒng)布置設計求得綜合相互

以vav中央空調能耗仿真模型為基礎,根據(jù)vav中央空調節(jié)能優(yōu)化問題的特點,分析了利用遺傳算法解決該問題的可行性。詳細介紹了利用遺傳算法尋找vav中央空調系統(tǒng)運行過程中各個可控變量的最佳設定值的優(yōu)化過程,并對遺傳算法的運行效果進行了分析。建立了基于遺傳算法的vav中央空調控制仿真系統(tǒng),對該方法在實際系統(tǒng)中的應用進行了仿真驗證。

提出了利用遺傳算法實現(xiàn)空調器理想溫度的控制效果,介紹了空調器溫控系統(tǒng)的控制原理,通過遺傳法優(yōu)化pid參數(shù),使空調器能夠根據(jù)室內溫差及室內外溫度變化率確定壓縮機的轉速,實現(xiàn)最佳的自動制冷工況,通過實驗仿真表明控制系統(tǒng)具有很好的魯棒性和滿意的動態(tài)特征。

遺傳算法是模擬自然選擇和自然遺傳過程中的繁殖、交叉和基因突變現(xiàn)象,在每次迭代中都保留一組候選解,并按某種指標從解群中選取較優(yōu)的個體,利用遺傳算子對這些個體進行組合,產(chǎn)生新一代的候選解群,重復此過程,直到滿足某種收斂指標為止。此算法在解決復雜優(yōu)化問題的潛力和在工業(yè)領域的成功應用的到廣泛關注。主要介紹了遺傳算法用于測量中線性問題的解算,并根據(jù)此算法自身優(yōu)點,應用于測邊網(wǎng)平差等非線性問題的解算中,得出了理想的結果,并據(jù)此得出了一些建議與結論。

遺傳算法在結構離散變量優(yōu)化中的應用——利用遺傳算法的基本原理，提出了結構離散變量優(yōu)化設計的全局算法。該方法模擬生物遺傳進化的過程進行優(yōu)化求解，解決了離散變量的優(yōu)化問題，對于多峰值函數(shù)、不可導的函數(shù)能以較大的概率求得全局最優(yōu)解。通過實例證明了該...