一种基于改进遗传算法的尘埃粒子计数器数学模型优化的新方法

提出了一种用改进的自适应遗传算法与最小二乘法相结合的方法来处理尘埃粒子的数学模型,从而解决了由最小二乘法带来的概率负值问题,也使计数器测量数据的稳定性得到了很大的提高,即仪器工作稳定性误差控制在5%以内.经验证,实验结果与理论分析一致.     

基于遗传算法的约束优化方法评述

用遗传算法求解无约束优化问题已经取得了成功,但如何处理有约束优化是其面临的问题之一,目前处理这一问题没有一致适用的方法,最常用的处理约束方法是惩罚函数法,也有一些其它方法,本文对近几年出现的几种方法进行了进行了介绍,并评述了它们的优缺点。     

基于红外光谱的沥青常规物理指标预测匹配性研究

为了对沥青品质进行高效快速的无损评判,基于红外光谱分析技术,采用偏最小二乘法对沥青红外光谱图分析,确定了针入度、软化点、蜡含量的主因子数分别为10、8、8。通过对沥青红外光谱分析及试验验证,得出针入度：RC为0.91、SEC为1.0、RP为0.86、SEP为1.0,软化点：RC为0.76、SEC为0.3、RP为0.63、SEP为0.4,蜡含量：RC为0.92、SEC为0.6、RP为0.89、SEP为1.9,最终建立对应的预测模型。结果表明：通过预测值的均方差误差、预测值和实际值的预测偏差分析,判断红外光谱技术可以快速检测沥青常规物理指标,评判出沥青质量优劣,能大幅度提高工作效率。     

膨胀土表面裂隙参数数据处理方法研究

利用最小二乘和偏最小二乘回归方法,对比分析了干湿循环作用下膨胀土表面各裂隙参数之间的关系,并导出了相应的公式.结果表明;偏最小二乘回归方法比最小二乘法的拟合参数关系更接近实测值,在自变量具有强相关性的情况下建立的计算模型,更为有效地解决变量间多重共线性问题,对岩土参数问题的分析具有指导意义.     

基于遗传算法的车道配置优化方法

对收费车道配置进行研究是收费系统规划建设中一项重要内容，研究的目的是使得收费资源合理利用。根据车辆到达流的随机特点，运用排队论方法建立起以收费系统费用损失最小为目标的优化模型，然后利用遗传算法求得在不同ETC技术使用率情况下的最佳车道配置。所得结果对实际操作有一定的指导意义。     

近红外光谱在加工监测方面的应用

为有效的监控工业生产过程,希望测量技术能够提供快速的信息.近年来,近红外光谱作为一种分析工具常用在许多化学或生物化学生产过程中.对于过程监控来说,与其他方法相比近红外光谱的优点是简单,快速,不破坏样品及无需样品的预处理.回顾了近年来近红外光谱在过程控制方面的应用.     

基于遗传算法的港口布局优化

针对武钢工业港铁矿石布局问题采用遗传算法进行仿真优化计算,提出了换位交叉方法,避免了不可行解的产生,仿真优化结果符合生产实际情况。     

基于Marc和遗传算法的焊接工艺参数优化

焊接变形的大小主要受焊接速度、焊接电流、电压、送丝速度、焊接顺序等工艺参数的影响.根据焊接热加工特点和实际需要,针对设计变量数目繁多、类型多样的焊接工艺,采用遗传算法与有限元分析相结合的方式,对重点参数进行了优化.以二维平板对接焊的模型为例,以工件最小焊接变形量为优化目标,经过遗传算法进化后,结合有限元方法进行每组参数组合的焊接过程热力耦合分析,找出焊接能量和焊接速度的最优组合,为焊接工艺的优化和制定提供科学的评价和预测.     

基于遗传算法的孔系加工路线优化

在数控机床上对大量的孔进行加工时,加工路线的优化程度将直接影响机床的使用效率.通过对在数控机床上对孔系进行加工的典型工艺路线的分析,建立了加工路线优化的数学模型,利用遗传算法,对孔系加工路线的排序进行了优化计算,并用一个算例证明了该算法的可行性.     

路面结构优化遗传算法研究

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。利用遗传算法对路面结构进行优化,可成功求解沥青路面结构非线性优化设计模型,具有节省时间、优化结果准确的特点。其研究成果对改善路面设计方法,降低工程造价．避免和减少工程病害有积极的作用。     

NIR Hyperspectral Imaging Measurement of Sugar Content in Peach Using PLS Regression

Near infrared (NIR) hyperspectral imaging measurement of sugar content in peach was introduced. NIR spectral images (650～1 000 nm, resolution: 2 nm) of peach samples were captured with developed hyperspectral imaging setup. Partial least square (PLS) regression prediction model was developed to estimate the sugar content in peach; step-wise backward method was utilized to determine optimal wavelength subsets. Experimental results show that the calibration model with optimal wavelength subsets has a correlation coefficient of prediction of 0.97 and a standard error of prediction of 0.19, the prediction accuracy is higher than the calibration model applied over the whole wavelength, which proves that variable selection plays an important role in improving the prediction accuracy of PLS regression model.     

基于自适应遗传算法的水面舰艇航行路径优化

将水面舰艇航行路径分成若干个航路点,将各航路点位置的纵坐标与航速作为遗传参数.对航行路径的影响因素进行分析,确定适应度函数及约束条件.在遗传算法中采用自适应交叉概率和变异概率的方法来控制交叉和变异操作,加快收敛速度,利用自适应遗传算法的全局寻优对航行路径进行选择.通过算例验证方法的有效性.     

基于多目标优化的病态逆问题求解

针对科学和工程研究中的病态逆问题,提出了基于多目标优化的求解方法.该方法将各次观测所得问题方程组残差作为多目标,并进一步将该多目标转化为单一目标,通过遗传算法寻求问题最优解,从而利用多次观测的有效信息,达到稳定病态逆问题解的目的.数值算例表明,该方法在参数反演精度和抗噪方面,显著优于最小二乘法(LS);在中、低噪声水平上的相关性态优于Tikhonov正则化方法.     

基于遗传算法的切割路径优化

将遗传算法用于求解加工路径优化问题．针对加工路径优化目标，即零件加工轨迹应走过零件所有内外轮廓且路径最短，给出了非确定型的多项式数学模型，并根据优化目标将其简化为点与点之间的优化．用遗传算法对加工路径优化进行了遗传编码，并对75个零件排样进行了计算机仿真计算．仿真结果显示，最优值（37129mm）为初始值（43622mm）的85％，表明该算法可行。     

基于遗传算法的某款汽油车油耗和排放综合优化

利用AMESim软件建立整车模型,并以各级传动比为设计变量,燃油消耗量最少以及整车的污染物排放量最小为目标函数,设定各级传动比的范围和整车动力性为约束条件,采用遗传算法对传动比进行优化。优化结果表明:优化后整车的燃油经济性和排放性能得到一定改善。     

基于遗传禁忌算法的城市公交线网优化研究

针对城市公共交通线网优化问题,利用遗传禁忌算法进行研究.通过对公交线网优化目标函数和关键约束条件的分析,从乘客利益、企业效益及社会环境的角度出发,以公共交通效率最大化为总目标,建立公交线网优化模型.在分析遗传算法和禁忌搜索算法自身的优势与不足的基础上,提出基于遗传禁忌算法的公交线网优化算法,并将其应用于银川市公共交通线网规划中,结果表明该算法科学合理,可操作性强.     

基于多智能体局部寻优的粒子群优化算法

为了提高粒子群算法的收敛速度和全局寻优能力,用多智能体遗传算法对粒子群算法当前搜索到的全局极值进行局部寻优．用搜索到的更好的解在下一次迭代中引导粒子进行搜索从而获得更快的收敛速度和更好的全局收敛性。对函数优化和神经网络训练的仿真实验表明．此算法能更快的收敛到全局最优解。     

基于遗传模拟退火算法的TRANSMODELER仿真模型参数标定研究

大多微观仿真软件是针对国外交通流特性而开发的交通仿真软件,而我国的交通特性与国外相比存在一定的差异,因此在运用仿真软件进行交通仿真之前,需要针对我国城市路网的实际交通调查结果,对相关参数进行标定.其目的是提高仿真模型的精度,使仿真结果更真实、更准确.文中设计了详细的参数标定流程,利用参数敏感性分析选取所需要标定的参数,再引入遗传模拟退火算法进行参数最优组合的搜索,并设计其功能界面,利用TRANSMODELER的二次开发功能,将参数标定的算法植入其仿真模块,实现仿真、评价的一体化和自动化.以昆明市一二一大街、学府路及相关联路道路为示范路网,验证所建立参数标定流程与算法的有效性与可行性.     

Robust Optimization of Hub-and-Spoke Airline Network Design Based on Multi-Objective Genetic Algorithm

In the process of designing hub network, the selection of hub airports is influenced by the change of the demand and cost. Under the condition of changing in demand, this may lead to large minimum cost deviation between the designed optimal network and real optimal network, respectively. To reduce the risk caused by the uncertainty in network optimization and get the optimal robust solution of hub network under the multi-possible conditions of demand and cost, a method based on multi-objective optimization genetic algorithm is proposed in this paper. The convergence of the algorithm has been proved, and the experimental results demonstrate the availability of the algorithm. First, multiple objective functions needing to be optimized simultaneously are formulated from different conditions of needs and cost, then a genetic algorithm is used to provide all possible routes of the network hub structure, and robust optimal network solution for multi-objective optimization is searched. The convergence of the search algorithms is proved to be effective by the numerical results.