基于遗传算法的FIR数字滤波器的优化设计

提出了基于最大误差最小化准则,利用遗传算法实现FIR低通数字滤波器的优化设计,所设计的滤波器达到了非常理想的性能,这一方法可以推广到其他类型的滤波器的设计。     

基于遗传算法的FIR滤波器设计

将遗传算法应用于频率采样法的FIR滤波器优化设计中,为了对滤波器的阻带最小衰减参数进行优化,运用遗传算法确定频率采样法中过渡带的采样值,并用MATLAB对过渡带取一个和两个采样点的频率采样法进行了仿真,实验结果说明采用遗传算法设计FIR滤波器使阻带最小衰减参数较查表法得到了改善,并解决了传统查表法不能保证最优的问题.     

量子遗传算法的改进及其应用

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题，提出了一种改进的量子遗传算法(IQGA)．这种改进的量子遗传算法采用了已搜索到的最佳个体更新量子门和群体灾变策略．典型函数的测试结果表明，IQGA比QGA的收敛速度更快，且能有效地克服QGA易“早熟收敛”的不足．应用结果表明，IQGA的性能优于QGA和其它遗传算法．     

基于MATLAB的数字滤波器的优化设计

分析了数字滤波器的传统设计过程，并与MATLAB设计方法进行了比较，结果表明，基于MATLAB的数字滤波设计法具有设计方便、快捷、参数修改方便等优点，并给出了采用优化设计方法设计FIR数字滤波器的实例。     

基于分类遗传算法的给水管径优化设计

应用分类遗传算法优化设计给水管网,该方法有以下改进:直接以整数对离散的标准管径进行编码;对约束条件进行处理无须采用了惩罚函数;而且因借助于强大的管网水力求解器epanet,能处理大规模优化问题.最后以一经典算例验证了该方法的良好特性.     

基于MSC．Marc接口的遗传算法结构优化设计

提出了一种结构优化设计系统，该系统采用C语言和FORTRAN语言混合编写而成．在应用遗传算法的基础上，构建了与Mare模块的应用程序接口，直接调用Marc进行有限元分析，实现对目标体的结构优化设计．此系统被应用于车体优化设计中，取得了成功，充分说明该方法是正确、有效的．     

基于遗传算法的车体钢结构拓扑优化设计

以车体钢结构重量最轻为目标,以梁截面和梁位置拓扑为设计变量,应力、位移为约束条件,建立了优化模型.以MSC.Marc软件作为分析器,将其中的生死单元技术与遗传算法的思想有机的结合起来,建立了一种研究结构拓扑优化的新方案,编制了计算程序系统.并应用此系统对某车体钢结构进行优化设计,取得了成功,充分证明了该系统的正确性和实用性.     

利用遗传算法的结构优化设计

利用遗传算法,首次提出“取刚架截面形状和尺寸规格为设计变量,结构体积为目标函数,求全局最优解”这一优化模型,通过对各个计算环节的研究,确立了可行的计算方法,编制计算程序,并以算例证明该方法的有效性。     

利用遗传算法的结构优化设计

利用遗传算法,首次提出"取刚架截面形状和尺寸规格为设计变量,结构体积为目标函数,求全局最优解"这一优化模型.通过对各个计算环节的研究,确立了可行的计算方法,编制计算程序,并以算例证明该方法的有效性.     

基于遗传算法的列车端部桁架优化设计

为实现列车端部桁架优化设计,提出了一种将ANSYS和遗传算法有机结合的优化设计方法,该方法是将模型用批处理命令流（APDL）描述,在命令流文件中定义优化目标,设计变量及约束条件,然后遗传算法（GA）把ANSYS的前处理模块作为计算黑箱进行后台调用,从而对吸能结构进行优化设计．以桁架为应用对象,给出了该方法对桁架吸能结构优化设计的全过程,证实把遗传算法引入复杂结构的大规模优化计算是可行的．     

基于多岛遗传算法的麦弗逊悬架参数优化设计

为减小悬架参数在车轮跳动过程中的变化量,以改善整车的操纵稳定性,提出一种基于多岛遗传算法进行麦弗逊悬架参数优化设计的方法。以某款轿车麦弗逊式前悬架为研究对象,基于Matlab/Simulink构建了前悬架动力学分析的数学模型,并通过相应Adams模型的仿真分析对数学模型的可靠性进行验证。在此基础上,通过扰动法分析得到悬架性能受结构参数的影响程度;通过具体分析灵敏度大小,可获取对刚度特性影响最灵敏的参数。最后运用多岛遗传算法对参数的优化,从而实现悬架性能的优化。     

基于量子遗传优化算法的图像稀疏分解

为了减少图像稀疏分解的计算量,提出了一种基于量子遗传算法与匹配追踪相结合的图像稀疏分解快速算法.量子遗传算法能用较小的种群规模实现较大的空间搜索,全局寻优能力强,基于匹配追踪的图像稀疏分解是最优化问题,因此可用量子遗传算法快速实现.仿真结果表明,每步分解所需计算的图像或图像残差与原子的内积仅4 000次,由分解结果重建的图像具有较好的主观质量.     

���ڶ�Ŀ���Ŵ��㷨����Ŧ���������³���Ż�����

枢纽航线网络在设计的过程中,容易受到需求和成本数据发生变化带来的影响。往往造成构建出来的最优网络,在需求发生变化的条件下,与实际对应的最优解存在较大的最低成本优化偏差。为了降低这种网络优化中的不确定性带来的风险,得到在多种可能的需求和成本条件下均可获得较好效果的鲁棒最优解,文中采用了一个多目标优化的遗传算法进行研究。首先将各种不同的需求和成本条件作为需要同时优化的多个目标函数,然后采用一个遗传算法来表示所有可能的枢纽航线网路结构,并搜索多目标优化的鲁棒最优网络解。最后本文对该搜索算法的收敛性进行了证明,数值实验结果表明了算法的有效性。     

一种基于数学形态学的语音基音轨迹平滑的改进算法

利用了形态学的概念和方法对语音基音轨迹进行平滑滤波,在结构元素的选取方面进行了研究,并针对形态学滤波的特点提出了改进,使算法的精确性进一步提高,复杂性大大降低.实验结果表明,提出的方法对语音基音轨迹进行平滑滤波,在强制性平滑滤波的情况下,能够有效保留语音信号中的某些固有突变和破坏信号的细节特征,更好地达到平滑滤波的效果.     

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.     

基于遗传算法的装配顺序优化

为了解决装配顺序优化的问题,采用了集对分析理论与遗传算法相结合的方法,考虑了装配并行度与重定向次数对装配作业的影响,得到了遗传算法的程序编制方法.实例分析,验证了该算法的可行性与有效性.遗传算法对装配顺序优化具有重要意义.     

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。     

基于遗传算法的装配顺序优化

为了解决装配顺序优化的问题,采用了集对分析理论与遗传算法相结合的方法,考虑了装配并行度与重定向次数对装配作业的影响,得到了遗传算法的程序编制方法．实例分析,验证了该算法的可行性与有效性．遗传算法对装配顺序优化具有重要意义．