遗传算法求解旅行商问题

本文提出一种新的遗传算法，用以求解著名的组合优化难题－旅行商问题。引用原始的文献数据，对城市数为10、30、50的试例均求得公布的最优解，对城市数为75的试例，每次结果均好于公布的最优解。用此算法求解中国旅行商问题，以20％的概率得到已知最优解1540km。或次最优解15409km，而所得最差与最好结果的相对距离为0．69％（即所得最长路径为15510km)。在COMPAQ／DX／25MH微机上每得到一个优化解平均历时150s左右。本算法与传统求解TSP问题的方法相比，具有简单、强壮、高效、高速的特点，它原则上对任何规模的对称欧几里德平面TSP具有通用性。     

基于改进遗传算法的接地网优化设计

为减少接地网均压导体数量和提高均压效果，根据短路时地表电压分布建立了接地网不等间距均压带优化布置的数学模型．优化计算采用改进的遗传算法．介绍了青藏铁路牵引变电所接地网的仿真计算．结果表明，该方法可在满足安全电压的条件下，得到接地网不等间距均压带布置形式．与传统的等间距布置形式相比，可以减少近50％的施工量．     

基于遗传算法和支持向量机的汽车行驶工况识别

为了提高支持向量机算法应用在行驶工况识别上的准确率,提出一种基于遗传算法优化策略.基于主成分分析理论对实车采集的4种典型城市工况载荷谱数据提取特征参数,并以此作为识别模型的输入参数,然后通过网格搜索法确定参数寻优空间,再由遗传算法在此范围内精确寻优.仿真试验结果显示,运用这种基于遗传算法优化支持向量机建立的识别模型分类识别精确度比之前提高了3.44％.     

基于遗传算法规划路径的船舶避碰系统

为了更好地解决船舶避碰路径规划问题,寻找到船舶运动的最优最短的避碰路径,提出了遗传算法规划路径的船舶避碰系统,首先在遗传算法的选择、交叉和变异阶段,利用粒子群算法引入强化变异、改进交叉对象、变异淘汰机制,从而对遗传算法进行自我调整,避免遗传算法陷入局部最优,然后,将寻优得到的最优个体的位置与速度进行解码,得到最优的船舶避碰规划路径,最后进行了仿真实验。实验结果表明,本文算法不仅能够得到最优的船舶运动避碰路径,安全性高,而且整个求解所需时间最少,具有明显的优势,对于船舶运动避碰路径规划问题求解具有较好的可行性。     

基于遗传算法的船台分段吊装顺序优化

在分段工艺约束和船台资源有限的情况下,为实现多艘船舶分段吊装顺序优化和船台资源的合理配置,首先在资源受限项目调度问题理论的基础上,建立了分段吊装顺序优化的数学模型.然后针对标准遗传算法过于依赖种群规模和交叉变异算子等不足,提出了自适应调整策略,改进了算法性能,并将其应用到上述模型中.最后以4艘3900TEU集装箱船的分段吊装顺序优化实例,并和船厂初始调度方案作了对比,论证了文中提出的改进遗传算法对于解决多艘船舶分段吊装顺序优化问题的合理性和可行性.     

舰船电子通信系统非平稳数据自动修复方法

非平稳数据自动修复是舰船电子通信系统研究中的一个重要问题,本次研究针对传统自动修复方法修复率低,影响非平稳数据修复质量的问题,提出一种新的方法。该修复方法主要分为两部分,一部分为非平稳数据自动检测,检测采用遗传算法来完成;另一部分是在检测结果的基础上,利用决策树对非平稳数据进行弥补。结果表明:随着非平稳数据比率的增长,本方法的修复率跨度为5.4%,传统方法的修复率跨度为16.2%,二者对比,本方法的修复效果更好,更能保证数据的完整性。     

一种基于遗传算法的变速发电优化控制策略

本文根据柴油机固有油耗特性曲线,提出了一种基于遗传算法的直流电站变速发电优化控制策略,并以潜水给养船为例对该优化策略与平均功率分配控制策略在燃油消耗进行了比较,分析了这种优化控制策略的优势与前景,最后进行了建模仿真验证。     

基于多种群遗传BP的城市物流需求预测

城市物流需求预测是城市物流规划的重要前提,为了提高物流需求预测的精度,本文首先通过分析影响城市物流需求的经济活动,选取城市物流需求预测的指标。随后,为了改善BP算法预测效果受到网络初始权值与阈值影响的缺陷,提出多种群遗传BP算法进行改进。通过仿真表明,该方法与BP预测模型以及单种群遗传BP预测模型相比,具有较高的预测精度。     

舰船系统间电磁兼容性的层次化优化方法

为优化多通信设备系统间的电磁兼容性,提出同频干扰抑制和乱真响应抑制两个层级相分离的层次化优化方法。同频干扰抑制采用多目标遗传算法,以设备安装位置为决策变量,调整设备安装位置和天线方向性来降低干扰影响;在设备布局优化的基础上分析进一步降低同频干扰和潜在乱真响应影响的技术方法,提出针对性的电磁兼容指标优化方案。通过层次化的预测和优化,实现了对通信系统总体电磁兼容性的量化控制,使得电磁兼容指标变动方案与系统总体电磁兼容性优化结果的内在关联更明晰。     

基于混合遗传模拟退火的模糊C-均值聚类算法

一般模糊C-均值聚类算法存在易于陷入局部最优的缺陷,基于此,提出了一种基于混合遗传模拟退火的模糊C-均值聚类算法,并利用UIC机器学习数据库中的Car、Iris和Wine数据集验证了算法的有效性。