基于混合算法的机车二系弹簧载荷调整优化方法

针对电力机车二系悬挂调簧分析数学模型算法的优化问题,提出一种遗传算法(GA)与蚂蚁算法(AA)相结合的混合优化算法。其基本思想是:首先采用遗传算法以较少的进化代数进行全局快速随机搜索,获得若干可能的(近似)优化解,以此生成蚂蚁算法初始信息素分布,再用后者求得全局优化精确解。对国产SS3B和SS9型机车的应用结果表明,对同一车体进行多次优化计算试验,混合优化算法的搜索寻优过程均能稳健一致地收敛到全局优化解,可明显缩短二系支承载荷调整调簧计算所需时间,使调簧试验的实时性大为提高。对于二系为高圆簧的SS9型机车,混合算法平均用时比迭代算法和单一遗传算法分别减少约74%和29%。     

面向布局问题求解的混合全局优化算法研究

布局问题属于NP完全问题。由于布局函数的病态性状，传统的优化算法很难解决此问题。遗传算法、模拟退火算法等对全局优化展示了一定的前景，但是它们的求解精度和效率不能令人满足。本文将启发式随机搜索策略和局部优化算法相结合，构造了混合全局优化算法（MGOA）来解决这一困难。通过典型测试函数与经典遗传算法，模拟退火算法，复合形法进行比较验算，表明该算法具有优良的求解质量和较好的求解效率；并以旋转卫星舱布局的简化模型为背景，建立多目标优化数学模型，通过一个已知最优解的布局算例与遗传算法和乘子法的计算结果比较，该算法求解的质量和效率更优。表明此算法在布局优化中具有应用潜力。     

用遗传算法构造最优测试树

测试树问题属一类应用十分广泛的二元识别问题范畴，求解最优测试树是一个ＮＰ完全问题，本文提出了基于遗传算法构造最优测试树的方法，并通过实例研究了算法的有效性。研究结果表明，遗传算法具有全局搜索、并行求解能力，是求解最优测试树问题的一个非常有效的方法。     

基于改进遗传算法的ATO速度曲线研究

常用遗传算法研究ATO速度曲线,但其存在着局部搜索能力和全局收敛效果较差的缺点。针对此问题,提出一种基于自适应变异算子的变异策略,并结合精英保存策略使算法全局收敛。然后基于列车动力学和牵引制动模型,建立多目标优化模型,用于求解ATO速度曲线。结果表明:改进算法比标准遗传算法效果更优,生成的ATO速度曲线符合相应模式的牵引控制策略,且算法具有一定的参考价值。     

基于BP网络和混合遗传算法的岩土工程位移反分析

岩土工程涉及到的地质条件和岩体特性参数是不完全定量的,采用传统的方法进行岩土工程位移反分析难以得到优化。此文根据技术的发展和自然进化的全局搜索优化算法,经研究提出遗传算法与局部搜索能力很强的单纯形法相结合的混合遗传算法,将大大改善遗传算法的局部性能。在此基础上,又将混合遗传算法与神经网络相结合,建立起智能位移反分析方法,采用MATLAB6.5开发出智能位移反分析程序,并以工程实例验证该位移反分析方法的可行性。     

基于混沌模式搜索的改进人工鱼群算法

针对人工鱼群算法存在的一些不足进行改进研究,对鱼群进行混沌初始化以获得质量较好的初始鱼群,用简化和最优鱼保留策略改进觅食行为,将具有强局部搜索能力的模式搜索融入到人工鱼群算法的全局搜索过程中。改进的算法结合了人工鱼群算法的强全局搜索能力和模式搜索的细局部搜索特点,提高了算法的搜索精度,同时,觅食行为的改进加快了人工鱼的搜索速度,提高了搜索效率。仿真实验结果表明了改进算法的可行性和高效性。     

基于自适应遗传算法的3D钢桁架优化设计研究

研究目的:针对标准遗传算法出现的未成熟收敛、振荡、随机性太大等缺点,通过研究对其改进,提出自适应遗传算法.利用自适应遗传算法建立钢桁架结构优化设计模型,采用 matlab语言编写自适应遗传算法优化分析程序,用于铁路车站工程一雨棚的优化设计.研究结论:针对标准遗传算法存在的缺点,通过研究提出了自适应遗传算法.该算法在计算过程中依据个体的适应值,来确定染色体的交叉位置、交叉率、变异率,使杂交沿着有利于算法收敛的方向进行.确保了子代个体优于父本,使进化前期变异明显,后期趋于稳定,确保搜索到全局最优解,从而保证了种群开发和搜索的平衡及全局收敛性.并建立了桁架结构优化设计模型,以matlab软件为平台,对铁路车站一雨棚桁架结构进行了优化设计,取得了满意的效果,证明自适应遗传算法是一种理想的建筑结构优化设计方法.     

置换流水车间新工件到达干扰管理研究

在置换流水加工环境下,以最小化生产流程时间为目标制定的初始加工方案,由于新工件的到达变得不再最优或不可行,为了降低对原始加工方案的影响,在权衡生产成本和扰动成本的情况下,建立双目标重调度干扰管理模型,对初始最优方案进行调整。针对该模型的特点和问题复杂度,结合微粒群算法强大的全局搜索能力,以及非支配排序遗传算法(NSGA-Ⅱ)获得的Pareto解优良的综合性能,提出了一种混合微粒群算法来对问题求解。通过求解经典文献中置换流水车间双目标问题和随机生成的置换流水车间新工件到达问题,结果表明混合算法要优于NSGA-Ⅱ和多目标微粒群算法(MOPSO),同时验证了求解置换流水车间干扰管理问题的有效性。     

基于遗传算法的铁路纵断面优化系统的研究

提出一种基于全局最优的改进式遗传算法.采用改进的启发式交叉算子和多种算子混合操作,加快算法向最优解收敛的速度.给出相应的纵断面优化模型,并改进初始种群生成的方法,将一个二维优化问题转化为两个一维优化问题进行求解,简化了算法的执行过程.引入惩罚函数的概念处理方案的约束问题,设计算法实现的流程图,并开发相应的优化系统.利用实例证明遗传算法在纵断面优化设计中的可行性及全局寻优的性能.     

交通物流配送路径优化算法的研究

为进一步优化交通物流配送路径,提高物流配送效率,将多种路径优化算法相结合,提出改进的路径优化混合算法。首先利用遗传算法的随机搜索性、快速性和全局收敛性产生物流路径问题的初始信息素分布,然后充分利用蚁群算法的并行性、正反馈机制及求解效率高等特点求得较优解,最后利用爬山算法良好的局部收敛性求得最优解。实验结果证明,该混合算法与单一算法相比,其路径计算效果和计算效率都有比较明显的提高。