基于遗传算法的列车端部桁架优化设计

为实现列车端部桁架优化设计,提出了一种将ANSYS和遗传算法有机结合的优化设计方法,该方法是将模型用批处理命令流（APDL）描述,在命令流文件中定义优化目标,设计变量及约束条件,然后遗传算法（GA）把ANSYS的前处理模块作为计算黑箱进行后台调用,从而对吸能结构进行优化设计．以桁架为应用对象,给出了该方法对桁架吸能结构优化设计的全过程,证实把遗传算法引入复杂结构的大规模优化计算是可行的．     

基于云遗传算法的信号交叉口相序相位优化

交叉口是影响通行效率的关键场所,为更好地提高路网通行能力,提出利用云遗传算法对信号控制交叉口的相序相位及信号配时组成方案进行优化.首先,运用MATLAB构造出交叉口的相序相位优化模型;其次,利用云模型改进的遗传算法计算得到最小总延误,同时输出最小总延误下的配时方案;最后,将得出的结果与现状和传统遗传算法得出的信号配时方案进行对比验证,并运用VISSIM对3种信号配时方案进行仿真验证.结果表明,云遗传算法得出的优化方案能更好地减小交叉口延误,提高交叉口通行效率.     

基于云遗传算法优选的SVR交通量预测模型

针对城市主干道交通流量的实时变化和波动性特点,利用支持向量回归机(support vector regression,SVR)进行城市主干道短时交通流量预测.为了优选SVR模型参数,基于混沌logistic 映射和云自适应机制对标准遗传算法进行改进,建立了基于混沌云自适应遗传算法(chaos clouds adaptive genetic algorithm,CCLGA)进行SVR参数优选的CCLGA-SVR城市主干道短时交通流量预测模型.综合考虑了短时交通量各个影响因素,结合实测数据进行了实证预测分析,仿真结果表明文中提出的预测模型精度较高,寻优速度较快,可有效应用于城市主干道短时交通流量预测.     

基于遗传算法的二维QR码图像识别

基元识别是二维码图像识别中的一个关键问题，提出了基于遗传算法的QR码识别方法．首先建立QR码待识别模式模型，据此进行遗传算法，通过实例进行图像识别．该方法抓住了QR码基元的重要特征，利用改进遗传算法，可以提高QR码图像的识别效率．     

系统云SCGM（1,h）模型仿真及应用

ＳＣＧＭ（１，ｈ）模型，即ｈ个关联因子的系统云灰色模型，自１９９０年问世以来获得了显著的应用效果，研究ＳＣＧＭ（１，ｈ）模型算法设计，并应用ＳＣＧＭ（１，４）模型预测我国农，林，牧渔各业总产量，模型拟合误差小于１．７％，体一ＳＧＣＭ（１，ｈ）模型用于关联多因子系统预测个有突出的优越性。     

基于云模型的改进粒子群PMSM参数辨识算法

针对永磁同步电机传统参数辨识方法存在的缺陷,提出了一种基于云模型的改进粒子群参数辨识算法.该算法首先采用高频电压注入法建立高频电压方程,通过滤波处理获取高低频信号构建四阶满秩实时电机辨识模型;将云模型理论与粒子群算法相结合,采用正态云发生器对粒子进化变异操作建模,实现了自适应动态调节粒子的搜索范围,有效克服早熟收敛,保证了辨识参数为全局最优解.实验表明该辨识方法寻优能力强,搜索精度高,稳定性好,具有良好的动态性能.     

道路交通事故宏观预测模型

道路交通安全已成为全社会普遍关注的问题,为了对中国未来的交通安全形势作出科学准确的预测,分析了中国道路安全状况的评价指标和主要影响因素,以交通事故死亡人数作为评价指标（输出变量）,以机动车保有量、公路里程、人均GDP为输入变量（影响因素）,建立了基于遗传算法的神经网络道路交通事故宏观预测模型和BP神经网络预测模型．模型的训练利用1978～1998年的道路交通事故数据为样本;模型的检验利用1999～2004年的道路交通事故数据进行检验．模型对未来年份的死亡人数进行了预测．预测结果表明：基于遗传算法的神经网络模型比BP神经网络预测精度较高,网络泛化能力强;得出2010年和2020年中国的道路交通事故死亡人数值分别为13．9万人和16．7万人．     

云自适应量子遗传算法求解柔性作业车间调度问题

针对柔性作业车间调度问题的动态性和不确定性特点,提出一种基于云计算和量子理论的遗传算法.设计自适应调整旋转角的量子遗传算法来获取初始解,利用云模型的随机性和稳定倾向性来自适应调整旋转角,从而提高获取解的质量和获取最优解的效率.借鉴物理学的量子交叉和量子变异特性来保证种群的多样性,以克服早熟收敛的缺陷.通过数值实验表明,提出的算法拥有良好的性能,可以获取较理想的解.     

城市区域交通信号智能控制及其微观仿真研究

城市交通的智能控制与管理是智能交通系统（ITS）的重要组成部分,也是当前研究的热点问题．针对交通问题复杂性、随机性和离散性的特点,采用自适应实数遗传算法对交叉路口信号灯进行优化,并以微观交通仿真系统代表真实交通系统来验证控制方案的优劣．开发了基于遗传优化的微观交通仿真系统,描述了该系统的子模型及实现方法;将该系统对一小型区域内信号灯的控制参数（周期,绿信比和相位差）进行同步优化,并通过微观交通仿真模型进行仿真实验;证实该方法能够在一定的范围内提高路网的通行能力,减少停车延误时间,从而缓解交通拥堵．     

弹性结构静荷载反问题的遗传算法

介绍了遗传算法与有限元分析相结合的方法，用来解决反问题中结构静载荷的计算．首先，由连续介质的弹性力学反问题延拓出离散的有限元数值模型，然后将结构上有限个观测点的测量值带入数值方程，利用遗传算法解决不适定问题，最后，经迭代反算出施加在结构上的荷载大小．编制了相应的计算程序，给出了计算算例．对算例的分析表明：遗传算法与有限元分析相结合可以有效、稳定地反算出未知荷载的大小。     

Research of order allocation model based on cloud and hybrid genetic algorithm under ecommerce environment

For massive order allocation problem of the third party logistics (TPL) in ecommerce, this paper proposes a general order allocation model based on cloud architecture and hybrid genetic algorithm (GA), implementing cloud deployable MapReduce (MR) code to parallelize allocation process, using heuristic rule to fix illegal chromosome during encoding process and adopting mixed integer programming (MIP) as fitness function to guarantee rationality of chromosome fitness. The simulation experiment shows that in mass processing of orders, the model performance in a multi-server cluster environment is remarkable superior to that in stand-alone environment. This model can be directly applied to cloud based logistics information platform (LIP) in near future, implementing fast auto-allocation for massive concurrent orders, with great application value.     

一种模糊自适应遗传算法

为克服标准遗传算法的早熟现象,提高算法的全局收敛性和收敛速度,采用并行遗传算法的思想,将整个种群分为几个子种群,分别用不同的遗传算子进行遗传操作;并根据它们各自对进化的贡献,利用模糊推理的方法,对其所作用的子种群的规模作出调整．对函数优化的仿真结果表明,该算法能较好地克服早熟现象,取得较为满意的优化效果．     

IMPROVED GENETIC ALGORITHM TO OPTIMAL PORTFOLIO WITH RISK CONTROL

1IntroductionAlog-optimalinvestimentportfoliowithoutriskconstraintshasbeenintroducedandsystem-aticallystudiedinChapter15ofCoverandl'homas[11.Themodelcanbediscribedasfol-.lows:Astockmarketisrepresentedasavectorofstocksx=(X,,X,,..',X.)',X,>o,i=1,2,.-',m,wheremisthenumberofstocksandthepricerelativeXirepresentstheratiooftheclos-ingpriceofthecurrentbusinessdaytotheprevi-ousday.LetF(x),x=(x,,x2,..',x-)'eR"bethejointdistributionofvectorX.Aportfoliob=(b,,bs,..',b,)',b,>o,i=l,2,..',m,Zb,=1istheall…     

一种基于灾变的单亲遗传算法

遗传算法存在着计算时间过长和易导致早熟收敛等缺点。单亲遗传算法不使用基本遗传算法常用的交叉算子,简化了遗传操作过程,且不要求初始群体具有广泛多样性,计算速度较快。但单亲遗传算法使用加快收敛速度的选择算子时,仍容易导致早熟收敛现象。模拟自然界中导致生物大规模灭绝的灾变现象,引入灾变的概念来保证解空间的多样性。提出灾变发生时机的判定方法。将此算法应用在旅行商问题上,实验结果证明了该算法的有效性。     

MRT列车运行模拟模型的多目标改进遗传算法

为了求解城市快速交通（MRT）列车运行模拟模型，寻找最优的列车运行控制曲线，构造了多目标改进遗传算法．以列车运行过程中工况转换点为基因编码依据，以多个基因构成一个染色体代表一个控制方案，从而形成初始种群；根据列车运行控制的停站误差、时分误差和能耗等目标要求设计适应值函数；通过个体有效性检查保证选择、交叉和变异过程中新个体的有效性，并在各算子中加入保优算子，使新种群不淘汰上一代最优个体．实例计算表明，与多质点优化模型相比，在一定的误差范围内，遗传算法能够减少能耗10％以上，并能提供大量次优解，具有明显的优化效果．     

基于遗传算法的交货期Job-shop调度问题研究

研究遗传算法求解非传统的交货期Job-shop调度问题,其染色体编码采用基于工序的编码。为了减少搜索空间,利用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,运用一种优先交叉操作POX(precedence operation crossover)和设计了一种子代产生模式的遗传算法。将提出的遗传算法求解交货期调度问题,试验结果验证提出算法的有效性。     

车间作业调度中基于领域搜索的混合遗传算法

车间作业调度问题是一个NP完全问题，很难用一般的方法解决．遗传算法(GA)作为全局搜索算法广泛应用于各种寻优操作中，并己成为求解车间作业调度问题(JSP)的主要方法，本文针对遗传算法应用的局限性，把领域搜索的思想应用到变异操作中，提出了一种应用于车间调度中基于领域搜索的混合遗传算法，该算法不仅保证了算法的全局收敛性、而且提高了算法的收敛速度和稳定性。     

一种改进的遗传算法及其在作业车间调度的应用

基于遗传算法容易产生早熟的现象,提出了一个概念清楚、运算量小的评价种群过早收敛程度的指标,并利用该指标提出了一种新的调整策略.仿真实例表明,该方法能及时反映种群在进化过程中的过早收敛程度,不仅能加快计算速度,而且还能增强算法的全局收敛性.     

公交线网优化的算法研究

为缩短居民乘车出行时间以及减少公交运营投入,在公交线网优化过程中通常采用具有全局最优的遗传算法。针对基本遗传算法自身的一些缺点,提出了一种改进的遗传算法。该算法在公共交通路线优选过程中运用减少搜索空间、加入最佳保留策略和修正策略的方法,对基本遗传算法中的选择、交叉、变异算子及中止条件进行改进。改进遗传算法能够在保证种群多样性的同时加快收敛速度,较好地避免了基本遗传算法前期容易早熟和后期进化缓慢等现象。实例仿真计算表明,该算法具有比基本遗传算法更高的效率,是优化公交线网的一个有效途径。     

一种改进的遗传算法在动态交通分配中的应用

以遗传思想为基础设计了新的启发式优化算法,针对动态交通分配问题,对遗传操作中的选择、交叉、变异算子进行修改,同时采用了模拟退火收敛准则,克服了传统遗传算法早熟收敛的弊端,并提高了全局寻优能力。仿真实验表明,该算法有快速高效的特点,提高了该动态交通分配模型的实用价值。