遗传算法的改进及其MATLAB语言实现

提出遗传算法(GA)的一种改进算法--最优结果记录.使用MATLAB语言编制了GA及其改进算法的实现程序,用无人驾驶汽车智能控制器设计检验了改进算法的有效性.改进算法可以大幅度提高GA用于求解复杂动力问题的鲁棒性.     

基于遗传-粒子群优化算法的USV路径规划方法

为解决传统粒子群优化算法(particle swarm optimization algorithm, PSO)应用于无人水面舰艇(unmanned surface vessel, USV)路径规划时存在的早熟收敛问题,提出一种结合遗传思想的PSO,在传统的PSO中引入遗传算法(genetic algorithm, GA)中的交叉、变异操作,避免算法进入局部最优解,对惯性权重进行自适应调整,加速算法收敛。采用MATLAB软件对USV巡检水域环境进行建模,应用改进的PSO进行路径规划。仿真结果表明:相对于传统的PSO和GA,该算法有效减少路径交叉点,大幅缩短路径总长和算法收敛时间。     

一种改进的遗传模拟退火算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，针对遗传算法GA和模拟退火算法SA的优缺点，提出了一种混合遗传模拟退火算法MGASA．并将该算法应用于求解多QoS约束的多播路由选择问题，经仿真实验验证，MGASA算法优于普通的GA和SA算法．     

基于神经网络的GPS高程拟合方法优选及精度分析

针对现有的几种神经网络GPS高程拟合方法,讨论了利用遗传算法(GA)、粒子群算法(PSO)优化BP神经网络权值和阀值的原理;结合分布较均匀、现势性较好的GPS和水准联测数据,试算了基于神经网络的GPS高程拟合。拟合结果表明:基于PSO算法优化的BP神经网络的拟合精度优于GA算法,误差相对更小。     

基于SOGA的VISSIM仿真模型参数标定方法

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具,而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足,提出了基于自适应正交遗传算法(SOGA)的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM仿真模型作为基础平台,给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中,通过与GA算法、正交试验法对比,SOGA算法得到的适应度函数值为19.43,优于其他标定算法的适应度函数值;同时,SOGA算法迭代时间比GA算法少了40.5%,验证了SOGA算法在VISSIM参数标定上的优越性.     

考虑二阶效应的空间刚架结构布局优化

针对三维空间刚架布局优化问题,以七自由度节点梁柱单元二阶弹性理论推导考虑构件几何非线性和截面翘曲变形的非线性刚度矩阵,通过整合梁柱单元非线性刚度矩阵对刚架结构进行整体的二阶弹性分析,建立满足刚架结构强度、刚度和稳定性要求的布局优化数值模型;并针对复杂刚架结构布局优化数值求解问题,改进遗传搜索算法（GA）,提出可靠拓扑和引导型遗传算法双向控制方法（KLGA）. 该方法一方面将拓扑变量从布局设计变量中分离,以构件重要度评定结构可靠拓扑变量组合,再与设计变量整合;另一方面将结构特有的引导信息加入算法中,为GA提供全局最优解的指引路径. 通过两种典型的刚架算例表明二阶效应模型和KLGA算法的可行性和有效性,例如算例2中基于二阶效应模型的KLGA得到的最优结构质量比GA减轻了24.5%,波动幅度从9.61%提升到1.39%,算法更加稳定.      

退火遗传算法优化的神经网络在销售预测中的应用

将遗传算法(GA)和模拟退火(SA)优化的神经网络应用到制造企业的销售预测中.预测采用三层前馈神经网络,其中神经网络的连接权重和节点阈值的确定使用GA和SA算法相结合的优化学习策略.GA采用实数编码, 把要确定的神经网络连接权重和节点阈值作为基因串.实例数值计算表明该种算法的神经网络的学习速度和预测精度都比单纯BP算法得出的结果好,适合于制造企业的销售预测.     

用整数编码的单亲遗传算法求解组合优化问题

在求解组合优化问题时，有一类问题要使用序号编码GA操作，但采用传统的GA算法操作复杂，计算效率不高．改用整数编码的单亲遗传算法来解这类问题，有其优越性．以组合优化问题中的N皇后为例，说明用此方法使其计算简明、直观、有效．     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

多分拣区FRP的GA&SS算法设计

考虑到遗传算法(GA)和分散搜索算法(SS)在求解大规模组合优化问题的优势,针对多分拣区的分拣存储指派决策(FRP)设计了GASS算法,对该算法的参数进行了敏感性分析。获得满意的参数组合后,将该算法与单纯形法的运行效果进行对比。结果表明:随着产品规模的增加,GASS算法较单纯形法有明显的时间优势。     

有约束优化中遗传算法的应用

以列车操纵优化中为每个行车子区间分配时间片段这一实际问题为背景, 详细介绍了 用遗传算法(GA ) 利用引进惩罚项解决这一类有约束优化问题。同时给出了GA 对 于有约束问题的几点改进方法: 用交叉基始位加快进化进程、用变异环境串来激励 出更优秀的个体。      

SPSA�㷨��΢�۽�ͨ����ģ��VISSIM�����궨�е�Ӧ��

微观交通仿真模型在交通系统管理、控制和优化中得到了广泛的应用. 然而微观交通仿真模型参数标定是一项复杂且系统的工作,特别是对于较复杂网络,其参数标定耗时长,且不容易找到最优解. 本文选取了应用较为广泛的VISSIM仿真模型作为基础平台,针对遗传算法（GA）的不足,建立了基于同步扰动随机逼近（SPSA）算法的微观仿真模型参数标定方法,并实现了程序的自动化标定;最后将该方法应用于北京市快速路仿真模型的驾驶员行为参数标定中,以速度的相对误差平方和作为收敛函数,通过对比GA算法,SPSA算法收敛速度快1.7倍,且在标定后的流量检验中相对误差的平方和小0.16,验证了SPSA算法在VISSIM参数标定上的优越性.     

SPSA算法在微观交通仿真模型VISSIM参数标定中的应用

微观交通仿真模型在交通系统管理、控制和优化中得到了广泛的应用. 然而微观交通仿真模型参数标定是一项复杂且系统的工作,特别是对于较复杂网络,其参数标定耗时长,且不容易找到最优解. 本文选取了应用较为广泛的VISSIM仿真模型作为基础平台,针对遗传算法（GA）的不足,建立了基于同步扰动随机逼近（SPSA）算法的微观仿真模型参数标定方法,并实现了程序的自动化标定;最后将该方法应用于北京市快速路仿真模型的驾驶员行为参数标定中,以速度的相对误差平方和作为收敛函数,通过对比GA算法,SPSA算法收敛速度快1.7倍,且在标定后的流量检验中相对误差的平方和小0.16,验证了SPSA算法在VISSIM参数标定上的优越性.     

接触网高压隔离开关的机械故障诊断新策略

随着铁路线路的快速发展,高压隔离开关成为使用量最大的高压设备。接触网隔离开关的运行可靠性对保障牵引供电的稳定运行有着重要意义。K-means作为一种十分有效的聚类分析工具,通过处理电机电流采集系统监测得到的隔离开关电机电流信号,计算获得簇中心及其位置的变化并以此作为判断隔离开关故障情况的依据,分类后的高压隔离开关机械故障为后续的监测和诊断提供了直观的表述。但是由于高压隔离开关机械故障的复杂性,以及K-means算法自身的局限性,本文提出一种改进的K-means算法,通过结合自适应权重和遗传算法(genetic algorithm,GA),避免了K-means算法在依赖初始值和局部收敛等弊端,通过实际数据进行仿真,验证了该方法的有效性。据此可对高压隔离开关的机械故障进行分类并且作为接触网隔离开关故障分类和检测的依据。     

基于资源约束的地铁运营施工任务调度研究

针对地铁运营施工资源有限、时间严格、任务繁重等特点,本文以地铁运营施工任务调度为研究对象,建立运营施工调度优化模型与算法。模型以任务优先级、施工人员和施工工区限制等为约束条件,以完工时间最小化、施工人员工作负荷均衡化为目标;设计一种联合线性规划与资源交叉(CPLEX-ROC)的混合求解算法;通过对某实际地铁运营线路展开案例研究,验证模型和算法的可行性与先进性。案例研究结果表明：相较于人工调度、遗传算法(GA)、教学优化算法(TLBO)方法,最大完工时间分别降低32.90%、15.11%和10.75%;施工人员工作负荷均衡指标相较GA、TLBO分别优化了15.44%和10.62%。计算结果验证了本模型能够提升地铁运营施工任务整体作业效率,同时实现施工人员工作负荷均衡。     

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。     

基于GA的动态时延受限多播路由算法

探讨了包交换计算机网络中，具有端到端时延限制的动态多播路由问题．提出了一种基于遗传算法(GA)的动态时延受限多播路由优化算法．当节点加入或退出时，算法先利用Dijkstra第k最短路径算法求出节点到源点的最短路径集，再用遗传算法搜索最小多播树，仿真试验表明该算法可以动态求得满足时延约束的最小多播树．     

基于铁路客票价格问题的混合优化策略算法

混合智能算法和双层规划模型在城市交通领域已得到了广泛的应用,且实际效果显著。本文采用基于遗传算法（GA）和模拟退火算法（SA）的GASA混合优化策略求解铁路客票价格问题的双层规划模型,并用一个简单的算例表明：本算法在求解该双层规划方面更好发挥了智能搜索的优势,具有更高的效率和可信度。     

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.     

一种改进的果蝇优化算法求解连续函数优化问题

在原始果蝇算法基础上,结合经典粒子群算法,设计了新的粒子速度和种群更新方法,提出了一种新的改进果蝇算法,然后将改进果蝇算法应用于连续函数优化问题,并用标准测试函数进行了验证,最后对改进果蝇算法的优化机理进行了分析。