公路工程中多种资源均衡优化的遗传算法设计

利用遗传算法对公路工程进度优化中的资源均衡优化问题进行了探讨,给出了利用遗传算法对整个问题的求解设计思路,对公路工程多种资源均衡优化中利用遗传算法优化时染色体设计、优秀个体的充分利用以及遗传操作后不合理结果的处理提出了解决方法,为今后遗传算法在公路工程进度优化中的应用提供了有益的思路。最后设计了求解流程图。     

基于遗传算法的汽车麦弗逊悬架的优化

遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法。利用遗传算法对麦弗逊悬架进行了优化。结果表明．该算法使悬架设计工作更为精确、有效，优化后悬架系统的运动学特性得到了改善。     

遗传退火算法在木兰溪防洪工程软基沉降预测中的应用研究

基于自然进化原理的遗传算法是一种解决岩土工程复杂非线性问题十分有前景的方法。然而遗传算法容易陷入局部收敛,对遗传算法进行改进加入退火因子解决了这一问题。软土地基沉降受众多因素的影响,在时序上表现出复杂的非线性特征。针对木兰溪防洪工程的沉降预测问题,运用MATLAB编写模拟遗传退火算法程序进行了预测分析。计算结果与实测资料基本一致,它在全局优化、非线性优化、多参数优化等方面表现出了传统算法无法比拟的优势。     

遗传算法在公路工程工期成本优化问题中的应用

利用遗传算法对公路工程工期成本优化问题进行探讨,给出利用遗传算法对整个问题的求解设计思路,在公路工程工期成本优化中利用遗传算法优化时染色体设计、优秀个体的充分利用以及遗传操作后不合理结果的处理提出解决方法,为今后遗传算法在公路工程进度优化中的应用提供有益的思路。最后设计求解流程图。     

基于改进遗传算法的组合拱桥结构优化设计

针对基本遗传算法存在的未成熟收敛及振荡等缺点,采用自适应调整交叉及变异概率的方法,并在其中加入转基因算子,形成改进遗传算法,开发出基于改进遗传算法的组合拱桥结构优化程序;探讨了遗传算法在组合拱桥结构优化设计中的应用;数值实验表明,优化后的结构满足规范设计要求,可显著节省工程造价.     

Optimization of HEV Control Strategy with a Hybrid Genetic Algorithm

结合遗传算法的群体进化和模拟退火算法可避免迂回搜索的特点,在多目标遗传优化方法的基础上,引入混合优化算法,对HEV能量管理控制参数进行了优化.结果表明,所提出的混合优化算法在解决HEV控制策略多目标优化问题中,避免了传统遗传优化早熟收敛和无方向性等缺点,提高了收敛速度和计算效率.     

公路路线智能优化方法研究

公路路线优化属于多目标优化问题。传统优化算法难以解决具有模糊性、不确定性的路线优化问题。建立了基于GIS和遗传算法的公路路线智能优化模型,提出了基于GIS空间数据挖掘技术的选线环境知识获取模型和基于多目标遗传算法NSGA-Ⅱ的路线优化算法,解决了GIS与遗传算法集成、目标函数确定、遗传算法设计等关键问题。最后通过算例,验证了模型的有效性和实用性。     

基于遗传算法的汽车麦弗逊悬架的优化

遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法。文中利用遗传算法对麦弗逊悬架进行了优化。结果表明,该算法使悬架设计工作更为精确、有效;优化后,悬架系统的运动学特性得到了改善。     

基于遗传算法的汽车麦弗逊悬架的优化

遗传算法是一种基于生物自然选择与遗传机理的随机搜索算法。文章利用遗传算法对麦弗逊悬架进行了优化。结果表明,该算法使悬架设计工作更为精确、有效。优化后,悬架系统的运动学特性得到了改善。     

公路纵断面优化的遗传算法设计

对公路纵断面优化研究难以同时实现变坡点里程优化和设计标高优化，且优化线形与实际线形不符等问题，提出了利用遗传算法进行纵断面优化的思路。给出了采用遗传算法进行纵断面优化时的编码设计、适应度函数建立、种群初始化、策略选择交叉算子设计和纵断面约束处理，设计了算法实现的流程图。     

基于遗传算法的城市客运出租汽车调度中心人员排班研究

深入分析了城市客运出租汽车调度中心业务员排班中班次生成阶段的业务特点,对排班问题进行了建模,并将其抽象为一个求非线性、带约束条件的函数最小值的优化问题,用数据规划模型及约束条件函数进行了问题的描述。论述了遗传算法的定义、特点和实现流程,将遗传算法的基本理论应用到排班问题的研究当中,并根据业务特点设计了目标函数和约束条件函数,研究了初始种群、适应度函数和遗传算子的设计方法,采用Matlab遗传算法工具箱进行了实例分析,结果证明遗传算法是求解调度中心人员排班问题的一种有效方法。     

多目标优化方法在公路养护中的应用

针对如制定公路养护决策等多目标优化问题难以用单一的目标优化函数求解的特点,在分析了传统数学规划优化方法的不足及遗传算法的适用性等基础上,提出了利用NSGA-II遗传算法优化公路养护决策问题,以提高公路养护决策的制定质量,合理安排养护成本,使其与收益、质量达到最优的模式。通过模拟分析得出:NSGA-II算法能很好地找出一系列最优组合,供决策者参考采纳。因此,这种算法能很好地解决公路养护等多目标优化问题。     

混合小生境遗传-模拟退火算法在动态交通分配中的应用

为了解决已有的动态交通分配模型普遍存在的优化计算时间过长,严重影响网络规模扩展的问题,提出了一种新的动态交通分配优化算法。将模拟退火和隔离小生境技术有机地结合起来,融入到遗传训练过程中形成了一种混合小生境遗传-模拟退火算法,不仅可以有效地避免传统遗传算法可能出现的不收敛现象,加快进化速度,具有更强的全局寻优能力,而且计算速度和算法稳定性也得到提高。将其与Papageorgiou M.提出的动态交通分配模型框架相结合,设计了动态交通分配的快速模拟优化算法,并进行了实例研究。仿真结果表明,新的优化算法显著降低了优化计算时间,大大提高了动态交通分配模型的实用价值。     

基于并行遗传神经网络算法的限制搜索区域最优路径方法

在大规模路网的路径诱导中，研究了基于神经网络的交通信息实时预测方法，构造了具有时变性的路阻矩阵，解决了传统静态路阻存在的局限性问题；探讨了基于并行遗传算法的最优路径求解问题，给出了相应的遗传、变异算子和群体更新方式，提出了矩形限制搜索区域方法，降低了并行遗传算法的搜索范围，解决了遗传算法在大规模路网中求解最优路径时存在的实时性差、收敛速度慢等问题；仿真实验表明该方法满足大规模路网路径诱导的准确性、实时性和快速性要求。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

基于改进遗传算法的两轴式机械变速器的优化设计

针对标准遗传算法局部搜索能力弱的特点，将其与复合形法结合，提高其局部搜索能力。并利用此方法对建立的变速器变速传动机构进行优化设计，结果表明此方法可靠实用。     

TSP问题的一种高效Memetic算法

TSP问题是组合优化领域新算法设计的一个理想测试平台。当前比较成功的算法大都基于局部优化，局部优化速度快，但收敛性差，往往无法求出最优解。最近，人们在局部优化策略的基础上提出了基于群体的局部优化算法，即Menetic算法，试图将局部优化的高效性和遗传算法的鲁棒性结合起来。章分析了Menetic算法的性能和TSP问题的特性，并给出了一种基于Menetic算法的高效算法。     

基于GIS平台的公路线形优化设计

公路线形优化是一个多目标优化问题,而传统的优化算法难以有效地解决路线优化问题。为此建立了基于GIS平台和遗传算法的公路线形优化设计方法,提出了基于GIS平台空间数据挖掘模型和基于遗传算法的路线平面和纵断面的优化算法。     

RKE无法可靠唤醒BCM问题分析与改进

针对某车RKE会出现无法可靠唤醒BCM的问题,在模拟实车安装环境的条件下对故障件进行了大量测试,从理论分析与实际测试两方面总结出产生无法可靠唤醒的主要原因,并提出了解决此问题的软件方案和硬件方案。最后经过大量实车测试验证发现,优化同步码的软件方案能够解决该问题。本文阐述了从故障排查到解决问题的全过程。     

前置组合式转向梯形机构的运动模型及优化设计

前置组合转向梯形机构具有布置灵活，传动可靠等优点，但机构复杂，设计困难，本文从分析运动入手，建立了优化数学模型及算法，开发了优化设计软件系统，并给出了设计分析实例。