非线性方程组求解的新方法

提出了一种求解非线性方程组的方法.将非线性方程组的求解问题转化为最优化问题,对经典BFGS变尺度法进行改进:采用高精度通用数值算法求解函数梯度,采用新的数值解析法进行一维探索,进而有效地提高了BFGS变尺度法的效率和程序通用性;对遗传算法进行了改进.将改进的BFGS变尺度法与改进的遗传算法进行混合杂交,得到一种全局优化算法,数值测试表明该算法是可靠的.     

飞行模拟器洗出算法的改进及实现

为了使飞行模拟器能够在有限的工作空间内为飞行员提供逼真的动感,针对Stewart运动平台,研究了与之相应的体感模拟算法（洗出算法）.针对经典洗出算法存在的缺陷提出了相应的改进方案,同时基于Matlab-Simulink建立数学模型,在此基础上,做了飞行动作曲线的仿真和分析.通过对比分析改进前后的洗出算法,验证了改进后洗出算法的准确性和有效性.     

改进DNA遗传算法求解车间调度问题

针对DNA遗传算法高计算量、收敛速度慢的缺点,该算法采用基因转移进行交叉,动态的变异概率进行变异.对动态变异概率公式的系数作调整来提高变异后DNA序列的合法性,对变异的父本进行设计来保持种群的多样性并产生新的基因信息,对进化过程中可能出现种群中最好的染色体没有改变的情况做了应变调整.对DNA遗传算法的步骤作了详细设计,并将改进后的算法应用到车间调度问题中.实验表明,该方法能有效地提高收敛速度和减少编码给算法带来的高计算量.     

基于贪心策略的混合遗传算法在TSP中的实现

由于标准遗传算法初始种群是随机产生的,可能导致算法的收敛速度较低,并陷入局部最优解.为了解决这一问题,提出了一种改进的遗传算法.改进后的遗传算法先用贪心算法产生初始种群,使算法能够更快地达到最优解.选择操作时采用竞标赛方法,在每代进化结束后立即采取了末尾淘汰机制,从而使适应度高的个体被选中的概率增大.并用模拟退火算法改善其局部搜索,通过仿真实验可以看到,提出的邻近倒位变异以及新的非零递减自适应函数可以进一步提高算法的运行效率.     

改进的量子遗传算法在车间调度中的应用

在对车间作业调度问题及其调度方法进行描述的基础上,提出改进量子遗传算法(IQGA)并用于解决车间调度问题,改进的量子遗传算法用路由选择算法来选择染色体,进行编码,并用最优个体来更新量子旋转门,旋转角是自适应调整的,这样使算法更好的收敛到全局最优解,经过仿真,验证了算法的有效性.     

遗传算法的改进及其MATLAB语言实现

提出遗传算法(GA)的一种改进算法--最优结果记录.使用MATLAB语言编制了GA及其改进算法的实现程序,用无人驾驶汽车智能控制器设计检验了改进算法的有效性.改进算法可以大幅度提高GA用于求解复杂动力问题的鲁棒性.     

一种基于模式搜索的自学习遗传算法研究

根据自学习遗传算法的原理,设计了基于模式搜索的学习算子.在此基础上与改进的遗传算法结合,提出了一种基于模式搜索的自学习遗传算法.通过对该算法在复杂函数优化情况下与传统遗传算法的对比测试表明,该算法的改进是有效的.     

改进遗传算法在磁悬浮轴承控制中的应用

改进后的遗传算法通过二次演化能够有效地避免算法中容易陷入局部最优值的缺陷.这里采用改进后的遗传算法来对磁悬浮轴承控制器中的PID参数进行了整定,仿真结果表明该算法具有良好的整定效果.     

改进的病毒进化遗传算法应用研究

针对车间调度中典型的作业车间调度问题(Job Shop Scheduling Problem),提出了一种改进的病毒进化遗传算法.该算法选取主群体中较优秀的个体生成部分初始病毒个体,提高了病毒个体的适值和感染能力,从而也就提高了整个主群体的平均适值,并引入了静态繁殖理论,有效的避免了问题最优解的丢失,同时,将基于优先规则的启发式算法与传统的病毒进化遗传算法相结合,加快了算法的收敛性能和收敛速度.最后给出了该改进的病毒进化遗传算法的试验仿真结果.     

改进的量子遗传算法在车间调度中的应用

在对车间作业调度问题及其调度方法进行描述的基础上,提出改进量子遗传算法（IQGA）并用于解决车间调度问题,改进的量子遗传算法用路由选择算法来选择染色体,进行编码,并用最优个体来更新量子旋转门,旋转角是自适应调整的,这样使算法更好的收敛到全局最优解,经过仿真,验证了算法的有效性。