型材优化下料的混合遗传算法

工程实际中，尤其是钢结构工程中需要大量的条状型材零件，这些零件坯料的下料方案直接关系到工程项目的生产成本，因而对工程项目的经济效益有着很大的影响。传统的零件下料一般是采用人工经验或线性规划方法。但是在所需零件坯料的尺寸规格较多、数量较大的情况下，用传统的方法进行下料方案优化是难以奏效的。本文针对这一问题，在传统遗传算法的基础上，引入FFD、BF近似算法的思想，建立了该类问题的求解算法模型；并对求解过程进行了详细的分析、论述。最后给出一个钢结构项目的下料算例，实际使用表明，本文方法的效果是令人满意的。     

基于混合遗传算法的船台装配优化研究

为了在船台装配作业中最小化船台周期、降低作业成本、均衡资源负荷,分析了船台装配作业的特点并对其进行了建模,设计了一种适于解决本优化问题的混合遗传算法,开发了对应的软件。将最小化船台周期的优化目标体现在解码的过程中,保证了解码的唯一性;同时将降低成本的优化目标体现在评价和选择的过程中。经本方法得出的船台装配日程计划为实际生产提供了很好的指导。最后,通过一个算例,验证了本方法的可行性和有效性。     

基于混合遗传—模拟退火算法的集装箱班轮航线配船模型

集装箱班轮航线配船是制订船舶生产计划的中心环节,是复杂的、多因素的系统优化问题,其目的是充分利用现有条件和资源,以最少的投入或消耗,换取最大的产出或效益。随着运筹学的兴起和发展,特别是线性规     

混合遗传算法求解一维优化下料问题

针对企业生产中遇到的一维优化下料问题,本文结合遗传算法、粒子群优化算法及模拟退火算法各自的优点,设计一种新的改进的混合遗传算法,对该问题来求解.最后根据算法编写程序对实例数据进行运算,实验结果表明,该算法求解一维优化下料问题比较有效,能获得比较理想的下料方案,可以提高生产企业的原材料利用率.     

基于混合遗传算法的杂货船装载优化问题

杂货船的装载问题属于典型的三维装箱问题,在分析杂货船装载问题的特点的基础上,以船舱空间利用率最大为目标,建立杂货船装载问题的数学模型。针对模型特点,提出一种结合启发式算法和遗传算法的混合遗传算法,设计一种新的三空间划分方法,并对此算法进行仿真试验验证。以文献[3]的一组经典测试数据为实例,经与同类装箱问题中的同类型算法进行对比分析,发现空间利用率达到了92.94%,与其他算法的结果相比具有明显的优势,验证了优化算法的有效性。     

基于混合遗传算法的无人船自动航向控制方法

针对无人船航向控制提出了基于模糊及遗传算法的控制策略。考虑无人船航向控制及其具有的强非线性和不确定性,文章将基于智能策略和常规策略的无人船航向舵角控制作为主要控制框架。通过导引律计算期望的角度,并根据自主船的无人船航向控制动态模型进行分析。该模型考虑了舵和船舶推进系统的物理阈值,提出了一种适用于不同无人船航向控制的自适应控制算法,借助增益调度方法(GS),利用PID控制器和遗传算法(GA)对不同的操作点进行全流程的混合遗传算法(GS-PID-GA)优化。通过将真实数据比例缩小进行模型试验,并与传统控制方法进行比较,验证了所提控制方法的有效性。     

改进混合遗传算法在车辆路线问题中的应用研究

物流配送车辆路线问题，是物流配送优化中不可缺少的环节。针对传统的遗传算法存在收敛速度慢，局部搜索能力差，易早熟的缺点，采用混合遗传算法进行优化求解。即采用二重结构编码，可以使问题变得更简洁，提高遗传法的搜索效率。用个体数量控制选择策略，以保证群体的多样性，用改进的顺序交叉算子避免优良基因片断在顺序交叉时被破坏，保证算法能够收敛到全局最优。结合具体实例，通过实验计算证明了该改进算法的良好性能。     

九宫算法的并行实现

利用遗传算法的内在并行机械进行九宫排定是一种新方法，本文根据这种方法在局域网上实现了九宫排定的分布式求解，提高了算法求解速度。     

基于混合算法的城市交通连续网络设计问题的研究

对采用均衡分配的双层最优化模型描述的城市交通连续网络设计问题,本文给出了遗传算法和变尺度法相结合的混合算法,通过实例,说明该算法可行、简单.     

用Dijkstra算法实现对整车配送线路的优化

解释了整车配送线路优化的概念,提出了用Dijkstra算法解决该问题的思路,并用实例进行了说明,论证了这种方法的可行性和实用性。     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

基于神经网络的柴油机混合建模方法研究

针对柴油机性能仿真中的建模问题,分析不同建模方法的特点,提出机理和神经网络相结合的混合建模方法,采用神经网络在线补偿机理模型的误差,提高模型精度,并能够适应柴油机的时变特性。以6PA6型涡轮增压柴油机为例,在Matlab环境下建立机理-神经网络混合模型。仿真分析得出混合建模的一些结论。     

基于混合学习算法的水下机器人神经网络辨识

借鉴Elman和Jordan神经网络的特点,构造了一种新的动态神经网络.该网络能对隐含层的历史进行状态记忆,实时调整过去的信号对现在值的影响,并且增加了输出层节点的反馈以增强神经网络的信号处理能力.将基于遗传算法(GA)和误差反传算法(BP)的混合学习算法用于神经网络权值的修改,既可提高收敛速度又能避免陷于局部极小值.最后,将改进的神经网络应用于水下机器人动力学模型辨识,仿真结果表明,基于混合学习算法的神经网络提高了学习的收敛速度和辨识精度.     

The RHSA strategy for the allocation of outbound containers based on the hybrid genetic algorithm

Secure storage yard is one of the optimal core goals of container transportation;thus,making the necessary storage arrangements has become the most crucial part of the container terminal management systems（CTMS）.This paper investigates a random hybrid stacking algorithm（RHSA） for outbound containers that randomly enter the yard.In the first stage of RHSA,the distribution among blocks was analyzed with respect to the utilization ratio.In the second stage,the optimization of bay configuration was carried out by using the hybrid genetic algorithm.Moreover,an experiment was performed to test the RHSA.The results show that the explored algorithm is useful to increase the efficiency.     

舰船RCS特征提取与GA-BP神经网络分类研究

在典型舰船RCS的FEKO仿真数据基础上,提取均值、标准差、变异系数、平滑系数4种RCS数字特征作为BP神经网络的分类特征向量,进行目标分类仿真实验.实验结果显示,由于BP神经网络采用梯度下降法,其初始权值、阀值的随机设置会导致BP神经网络易陷入局部极小,为此,本文研究采用遗传算法对BP网络节点权值和阀值进行优化选择,仿真实验结果显示采用遗传算法优化后的BP神经网络分类识别性能稳定,不易陷入局部极小.     

Underwater vehicle sonar self-noise prediction based on genetic algorithms and neural network

1Introduction Sonarself noiseisakeyfactorinfluencingthehiding capabilityofanunderwatervehicleanddetectioncapa bilityofsonar.Decreasingsonarself noisehasimpor tanteffectonenhancingtheprobabilityofsonardetec tionandbattleeffectivenessofunderwatervehicle.An …     

基于自适应遗传算法的总体舰船维修费分配

将舰船维修费按照装备维修计划结构分为九项,以该九项费用在舰船维修费总量中所占的比例为自变量,舰船维修费总体效益为因变量,提出通过回归分析方法,建立舰船维修费总体效益与各项费用所占比例之间的函数关系,进而建立总体舰船维修费的分配优化模型。     

基于遗传算法优化的小波神经网络对船舶受扰力及力矩建模预报

首先构造小波神经网络,建立船舶横向和纵向运动模型及其运动受扰力模型,采用小波神经网络对船舶受扰力建模预报,并用遗传算法对其进行优化,对预报结果进行分析比较,给出超前5秒、15秒的船舶运动受扰力与力矩预报结果.     

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。