改进的遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题，利用遗传算法适应值的分布和二进制编码的特点，通过缩小、移动搜索空间的方法，求得非线性方程组的高精度的解．同时，数值模拟表明改进后的算法的提高了遗传算法在演化后期的局部寻优能力。     

基于改进同伦算法的非线性最小二乘平差

为了寻求一种更有效的非线性最小二乘平差算法，根据同伦思想提出了一种改进的同伦算法．该算法直接从非线性方程入手，将非线性最小二乘平差准则转化为同伦最小二乘平差准则；根据最优化问题的极值条件，将同伦最小二乘平差准则转化为求解非线性方程组的不动点同伦问题；在Li-Yorke算法的基础上，对切向量及步长求解进行改进，并用于求解微分方程初值问题，进而跟踪同伦曲线．对改进同伦算法的收敛性进行了分析，并采用Matlab语言编程进行了试验．结果表明，较之牛顿迭代法和Li-Yorke算法，改进同伦算法是一种结果稳定、精度较高、速度较快和收敛域扩大的整体收敛方法．     

M步Newton法的一种改进

在许多科学与工程计算问题中,需要求解非线性代数方程组.在诸多解法中,Newton迭代法及其变体M步Newton法是最主要、最常用的方法.通过对非线性方程组的迭代法引入Aitken加速技术,设计了一种非线性方程组的迭代解法的加速方法;将该方法与M步Newton法相结合,得到一种收敛速度快而且计算稳定的方法,并给出了具体算法;数值结果表明了新算法是有效的.此方法具有一定的广泛性,可以直接推广到许多已有的方法,如拟Newton法、M步离散Newton法及Brent方法等,均可在一定程度上改善这些方法的收敛速度和稳定性.     

浮点遗传算法在非线性方程组求解中的应用

将非线性方程组的求解问题转化为函数优化问题，利用浮点遗传算法适应值的分布和实数编码的特点，通过缩小、移动搜索空间的方法，将整体和局部寻优能力有机地结合起来，求得非线性方程组的高精度的解．数值模拟结果表明浮点遗传算法的有效性。     

基于遗传混合算法的二维耦合颤振方法

对于传统的二维二自由度耦合颤振分步分析解法,创新性地将颤振分析转变为关于求解系统振动频率的非线性方程组问题.基于数值分析理论,引入如拟牛顿法等超线性收敛的数值迭代解法,研究了该类方法在数值迭代时的局部收敛性、初始值依赖性等问题.为规避上述风险发生在颤振分析中,将具有全局搜索优势的遗传算法应用于二维二自由度耦合颤振分析,结合最优算法L-M算法进行局部收敛修正,提出了基于遗传混合算法的分析方法.算例分析结果表明:在各个检测风速节点处,两种方法下的系统振动圆频率和系统牵连阻尼比计算误差都低于0.1‰,结果几乎一致;所建立的新分析方法思路清晰,求得颤振临界风速与传统方法完全一致,说明新的计算流程可行且计算结果准确;与传统方法相比,基于遗传混合算法的颤振方法每步求解过程无需初值的自选取,具有无条件收敛的优点.     

系统工程理论与方法基于混合遗传算法的车辆路径问题

在详细分析遗传算法的局限性的基础上,构造了一种基于遗传算法和禁忌搜索算法相结合的、用于求解车辆路径问题的混合遗传算法. 这种混合遗传算法主要是将禁忌搜索算法嵌入到遗传算法中的变异操作与最优解判定之间,可以有效地避免遗传算法易出现"早熟"收敛的问题. 然后,分别用混合遗传算法和遗传算法对同一实例进行求解,并对求解结果进行对比分析. 结果表明该混合遗传算法的求解结果比遗传算法收敛速度快,更加接近最优解.     

桥梁风振试验颤振导数识别的Ibrahim时域优化研究

基于R.H.Scanlan提出的自由振动法求解桥梁颤振导数实验量很大,且在提取交叉导数的过程中,一方面要求模型的竖向运动和扭转运动在所有的风速下都具有相同的频率比和阻尼比是很难达到的,另一方面非耦合导数的识别误差将带到耦合导数中.文中基于Ibrahim时域的改进方法,应用变尺度优化算法进行提取桥梁断面的全部颤振导数,研究结果表明应用此方法来解决非线性参数辨识问题比最小二乘法好.     

基于Minimax目标函数的多宗量稳态热传导反演

基于Minimax目标函数,建立了求解稳态热传导反问题优化新模型,并应用BFGS算法进行求解.同时考虑了非均质的影响,对热物性参数和边界条件进行多宗量组合反演,并对信息误差和初值作了初步探讨,数值验证给出了令人满意的结果.     

一种改进投影算法求解排放约束下多用户交通分配均衡模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑捧放因素.通过将变分不等式同题转换成等价的最优化问题.引入改进投影算法求解该模型.在所给出的数值算例中考虑两类对排放不同偏好的用户,采用均衡算法求解二次规划子问题,所得的弧及路径最优解收敛.且均满足Wardrop平衡条件.     

基于Minimax目标函数的多宗量稳态热传导反演

基于Minimax目标函数,建立了求解稳态热传导反问题优化新模型,并应用BFGS算法进行求解.同时考虑了非均质的影响,对热物性参数和边界条件进行多宗量组合反演,并对信息误差和初值作了初步探讨,数值验证给出了令人满意的结果.     

基于改进遗传算法的递归神经网络非线性系统辨识

将递归内时延神经网络应用于非线性动力学系统辨识中，描述了其动力学方程，并引入改进遗传算法作为其学习算法，通过非线性动力学SISO和MIMO系统的辨识仿真研究，验证了内时延递归网络结构和改进遗传算法的有效性。     

Steady state analysis of towed marine cables

Efficient numerical schemes were presented for the steady state solutions of towed marine cables. For most of towed systems, the steady state problem can be resolved into two-point boundary-value problem, or initial value problem in some special cases where the initial values are available directly. A new technique was proposed and attempted to solve the two-point boundary-value problem rather than the conventional shooting method due to its algorithm complexity and low efficiency. First, the boundary conditions are transformed into a set of nonlinear governing equations about the initial values, then bisection method is employed to solve these nonlinear equations with the aid of 4th order Runge-Kutta method. In common sense, non-uniform (sheared) current is assumed, which varies in magnitude and direction with depth. The schemes are validated through the DE Zoysa's example, then several numerical examples are also presented to illustrate the numerical schemes.     

基于改进遗传算法的单元机组非线性模型参数辨识

针对火电厂单元机组的特点及遗传算法工具箱在辨识多变量、非线性系统参数中存在的早熟、收敛速度慢等问题,对遗传算法工具箱进行了改进,以单元机组非线性动态模型为研究对象,提出了基于改进遗传算法工具箱的参数辨识方法．根据托电600MW机组的阶跃扰动试验数据,辨识得到了单元机组非线性动态模型的参数．结果表明改进遗传算法工具箱对单元机组非线性模型参数辨识具有良好的适应性,辨识得到的模型是有效可靠的．     

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…     

基于改进遗传算法的旅游线路选择问题

针对旅游线路选择问题,在编码、交叉、变异等遗传操作上,对遗传算法作了改进,并用MATLAB编程实现.结果表明,改进的遗传算法能够较好地求解旅游线路选择问题.     

�Ľ����Ŵ��㷨����ʱ�䴰���ͳ��������е�Ӧ��

针对有时间窗的车辆调度问题，在标准遗传算法的基础上，加入爬山算法增强算法的局部搜索能力，通过保护全局最优基因的方法提高了算法的收敛能力，并辅以自适应变异算子，构造了一种改进的混合遗传算法。实验结果表明，改进后的算法具有抗“早熟”能力强、收敛速度快和局部搜索能力强的特点。     

用遗传算法解决固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性，利用遗传算法的结构并行性将其用于求解固定需求交通平衡分配问题中。算法设计中采用多维并行交叉、变化的交叉率与变异率、优先策略及目标函数加惩罚项等改进措施，从而大大提高计算速度，减少了交通分配的时间，降低了分配的复杂性，为交通分配问题开创了一条新的途径，同时显示出遗传算法在交通规划中潜在的实用前景。     

基于改进遗传算法的航班-登机口分配多目标优化

为提高现代机场的资源利用效率和乘客换乘体验, 研究了多目标航班-登机口分配问题; 在考虑航班类型约束、飞机机体类型约束和转场时间间隔约束的基础上, 以分配在固定登机口的航班数量最多、使用的固定登机口数量最少和乘客换乘紧张度最小为目标函数, 建立了航班-登机口分配的多目标非线性0-1整数规划模型, 并设计了一种改进型基因编码的遗传算法以提高求解效率; 基因个体采用两段式整数编码, 设计了该编码方式到可行解的映射流程, 同时从理论上证明该编码方式可以映射到最优解; 对两段基因编码分别设计了不同的交叉算子和变异算子, 避免产生非可行个体; 为验证算法的有效性, 基于某大规模机场的实际运营数据, 对比了改进型遗传算法与MATLAB内置遗传算法。计算结果表明: 采用改进型遗传算法使得安排在固定登机口的航班数目增大5%, 乘客换乘总紧张度减小3%, 乘客换乘平均紧张度减小32%, 占用的固定登机口数量相同, 安排在固定登机口的乘客数量增大20%, 算法运行时间减小8%, 说明改进型遗传算法性能更好, 可提高登机口的利用效率和乘客的换乘舒适度; 在改进型遗传算法的优化过程中, 航班数量目标和登机口数量目标在130次迭代时寻到最优解, 换乘紧张度目标在400次迭后基本收敛, 且最优结果对应的航班时序合理, 说明该算法的迭代收敛速度快, 优化结果合理。      

基于改进遗传算法的多客户航空货运路径选择问题研究

文章结合数学模型,对多客户航空货运路径选择问题进行描述.针对标准遗传算法中的编码问题及交叉、变异后出现大量的非可行解,本文提出了新的可行方法--两代竞争、稳态遗传算子设计.最后给出了基于改进遗传算法的模型求解方法和步骤.实例计算表明该方法可为路径选择问题在航空货运系统中的决策提供科学、有效的支持.