改进自适应遗传算法研究及其应用

针对标准遗传算法收敛慢，提出了一种改进自适应遗传算法，即通过全局变异算子和局部变异算子共同作用，改善种群的分布特性，加强算法的全局收敛能力。应用概率模型的遗传算法对4个名的测试函数进行优化计算，实验结果表明：该算法不易陷入局部极值，收敛速度快，且实现简单。     

基于遗传算法的混合动力汽车参数多目标优化

针对混合动力汽车设计参数众多的状况,提出了一种对混合动力汽车传动系统参数和控制参数同时进行优化的多目标优化新方法--自适应遗传算法.在ADVISOR平台上,以一辆使用逻辑门限控制策略的并联混合动力汽车为例,分析并建立了以动力性能指标为约束的混合动力汽车参数优化的非线性规划模型,其目标函数包含最小油耗和最佳排放性能.针对遗传算法容易早熟等不足,采用带自适应交叉和变异算子的遗传算法和模拟退火技术相结合进行求解.仿真结果表明了所提出方法的有效性.     

遗传算法在公交车调度优化中的应用

针对一条公交线上的公交车调度方案，分别照顾顾客和公交公司各自的利益，以此建立多目标优化模型，针对给出的条件和数据，应用遗传算法进行求解，并在仿真过程中，设计了杂交和变异算子，得出了较优的结果。     

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.     

启发式遗传调度算法的研究

将遗传算法与现有的调度算法相结合，运用合适的遗传算子和调度规则，对现有启发式调度算法进行改进，充分发挥了两者的优点，既保证了较高的搜索效率，又保证了解的全局最优性。并给出了对照算例，说明了该算法的可行性和有效性。     

钢筋混凝土梁遗传算法优化设计

遗传算法是建立在自然遗传学机理基础上的参数搜索方法。通过介绍遗传算法在钢筋混凝土梁结构参数求解中的应用,利用遗传算法对钢筋混凝土梁进行优化,建立钢筋混凝土矩形截面梁的满足约束、造价最低优化模型及相应的适应度函数,采用二进制编码,通过执行遗传算法的选择、交叉和变异算子,实现对结构的优化设计,并分析了算例,成功求解了钢筋混凝土梁结构非线性优化设计模型。实例结果表明:该法可以节省时间,优化结果准确并可以降低造价。     

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。     

改进遗传算法在车辆路径问题中的应用

建立了车辆路径问题的数学模型.为了提高遗传算法的搜索速率,避免种群出现“早熟”现象,对适应度函数采用动态线性标定方式,改进交叉算子,采用大变异操作,设计出了求解车辆路径问题的改进遗传算法并给出了具体的计算步骤.应用该遗传算法进行了实例计算,取得了比较满意的结果.计算结果表明,该遗传算法在计算性能上优于参考文献中设计的遗传算法.同时也表明,对遗传算法的改进策略不仅简单而且对求解VRP问题是有效的.      

基于遗传算法的混动汽车扭矩节能协调控制优化

为了提高混合动力汽车的节能效果，在等效燃油消耗最小策略(Equivalent Fuel Comsumption Minimization Strategy, ECMS)的基础上引入遗传算法(Genetic Algorithm, GA),设计了一种基于遗传算法优化发动机扭矩的节能协调控制策略。以整车冲击波强度作为价值指标目标函数，通过遗传算法优化后获得最佳扭矩参数，优化模式运行阶段的发动机扭矩，减小冲击影响并获得更优的扭矩跟随效果。研究结果表明：采用GA优化能够对发动机扭矩起到削峰填谷作用，获得更高的整车动力稳定性；NEDC工况下，冲击波强度下降了近45%;利用GA-ECMS协调控制方案能够增强模式切换品质，也可以有效改善混合动力系统经济性。采用实际路段工况验证了GA-ECMS扭矩优化协调效果，结果表明GA优化混合驱动可稳定发动机扭矩，能够达到优异的协调控制性能。     

利用改进交叉算子的混合遗传算法求解VRPTW

设计了一种改进的混合遗传算法求解带有时间窗、有车辆重量限制的车辆优化调度问题（VRPTW），根据问题的实际情况，建立了数学模型，提出了改进的交叉算子，丰富了种群的多样性；并结合模拟退火算法的思想，对染色体的适应度适当变化，改善了传统的遗传算法容易“早熟”的缺点，加强了染色体的局部搜索能力。     

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。     

军用集装箱空箱铁路调运模型及求解算法

从军用集装箱铁路运输的实际情况出发,设置相关变量,建立基于用户偏好的模糊运输规划模型.针对这类特殊的运输问题,应用遗传算法求其最优解,并设计了相应的矩阵编码方法、适应度计算、交叉算子和变异算子,给出一仿真实例.仿真结果表明,上述模型可以得到最优调运方案,保证空箱调运的准点率是提高空箱调运服务质量和运输保障效能的关键因素.     

遗传算法在汽车动力传动系参数多目标优化中的应用

针对汽车的动力性和燃油经济性，提出了汽车动力传动系参数的多目标优化设计的数学模型，在设计过程中，应用了一种高效的寻优算法-遗传算法，并给出了计算实例，结果表明，该方法可以获得令人满意的效果。     

遗传算法在车间作业调度中的应用

在车间作业调度数学表达模型的基础上，讨论了应用于车间作业调度的遗传算法设计，给出了主要包括ＪＳＳ仿生、ＪＳＳ遗传进化与ＪＳＳ仿真三个方面在内的算法模型，提出了ＪＳＳ连锁基因编码与ＪＳＳ遗传进化算子，文章最后给出了应用实例，说明了设计的可行性与成功性。     

确定车辆数的有时间窗车辆路径问题的遗传算法

给出了有时间窗车辆路径问题（vehicle routing problem with time window，VRPTW）的通用数学模型，通过引入新的CX交叉算子，能有效避免传统遗传算法“早熟收敛”的局限。特别是在确定车辆数时，实现了VRPTW的路径长度和车辆数的同时优化，改善了优化结果，提高了优化速度。实验结果表明，该方法明显减少了迭代次数。     

多相位交通信号模糊控制规则的优化

讨论应用遗传算法优化多相位交通信号模糊控制器的规则库，给出编码方案、基于随机模拟的适配度计算方法以及基于适配度比例的选择、均匀交叉、自适应变异算子的具体实现细节，并构造检铡染色体合法性的约束条件。为了比较GA优化所得规则库和人工设定规则库的控制效果，在相同车流状况下，对一个四相位交叉口进行仿真试验，仿真结果表明优化效果比较满意，使用GA优化所得的规则库可以明显提高模糊控制器的性能。     

基于改进多岛遗传算法的动力总成悬置系统优化设计

通过动态调节交叉和变异概率克服多岛遗传算法的早熟现象,并加入退火操作提高算法的局部寻优能力形成改进的多岛遗传算法。综合考虑动力总成悬置系统能量解耦和振动传递率,以悬置刚度参数为设计变量,以固有频率合理分配为约束条件,构造了基于改进的多岛遗传算法的多目标优化数学模型。优化实例的分析结果表明,改进后的算法能够得到全局最优解,优化后悬置系统刚度稳健性较好。实车试验结果表明整改后的悬置系统隔振性能得到一定程度上的提高。     

非数字并行算法对多种资源均衡优化的研究

以双代号网络计划技术为工具，建立非数字并行算法（遗传算法）的数学模型，研究遗传算子和求解的边界条件，将多种资源（人工、材料、机械）的消耗数量进行数字化，从而获得多种资源数字的合成分布，按多目标优化的条件，使多种资源均衡使用数列能够达到最优分布，结果表明，其计算速度快，精度，对技术复杂的大型公路桥梁工程有广泛的运用前景。     

基于模糊隶属度曲面的遗传算法图像分割

介绍了遗传算法的发展历史和图像分割的应用现状，分析了基于基本的遗传算法的图像分割方法，并将遗传算法与模糊集理论相结合用于医学图像分割，提出了基于模糊隶属度的遗传算法的医学图像分割方法。并对不同方法，如分割效果、计算代价进行了分析比较。