遺傳算法的空腔結(jié)構(gòu)設(shè)計參數(shù)優(yōu)化??

提出了應(yīng)用于機械優(yōu)化設(shè)計的一種改進遺傳算法,通過在遺傳算法中引入修復(fù)過程,將機械設(shè)計中不滿足約束條件的解轉(zhuǎn)化為滿足約束條件,經(jīng)過一代代進化,最后得到問題的最優(yōu)解。并和已有改進遺傳算法進行分析比較和實驗驗證,證實該算法在機械優(yōu)化設(shè)計中使用簡單且高效。

基于遺傳算法的rc結(jié)構(gòu)優(yōu)化設(shè)——結(jié)合我國現(xiàn)行的結(jié)構(gòu)設(shè)計規(guī)范，對承受多工況荷載下的鋼筋混凝土框架結(jié)構(gòu)離散變量的優(yōu)化設(shè)計問題，提出了基于遺傳算法的優(yōu)化算法。通過建立配筋模板數(shù)據(jù)庫，將梁柱的計算配筋面積轉(zhuǎn)換成最優(yōu)的且滿足規(guī)范和施工要求的實際配筋形式。...

為了解決熱定型中影響成品織物門幅的工藝參數(shù)難以定量設(shè)計的關(guān)鍵技術(shù)難題。提出了將量子遺傳算法用于成品門幅模型工藝參數(shù)優(yōu)化設(shè)計中。建立優(yōu)化模型,基于該模型采用量子遺傳算法,實現(xiàn)了影響成品門幅的工藝參數(shù)精確定量設(shè)計。用該方法得到的工藝參數(shù)加工彈力布,生產(chǎn)成品的門幅與用戶要求指標的偏差小于0.1%,完全滿足實際生產(chǎn)要求。同時將量子遺傳算法與遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計中進行比較,得出當?shù)N群逐漸增大時,量子遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計中的優(yōu)勢更加明顯。

以蝸輪的有色金屬齒圈體積最小為目標函數(shù),并從設(shè)計經(jīng)驗本身、運動性能、邊界條件等方面建立合理的約束條件,建立了蝸輪齒圈的優(yōu)化設(shè)計數(shù)學模型。應(yīng)用matlab遺傳算法工具箱尋求全局最優(yōu)解。優(yōu)化結(jié)果表明,采用遺傳算法能夠快捷有效地對蝸桿齒輪進行優(yōu)化設(shè)計,是對蝸桿齒輪優(yōu)化設(shè)計的一種有效方法。

將基于實數(shù)編碼的加速遺傳算法(raga)應(yīng)用于多孔變徑管優(yōu)化設(shè)計中,解決了設(shè)計中多維參數(shù)尋優(yōu)問題,避免了傳統(tǒng)方法早熟、提前收斂以及易陷入局部最優(yōu)等弊端。在固定管道式噴灌系統(tǒng)優(yōu)化設(shè)計中應(yīng)用,求解出多孔變徑管的最優(yōu)管徑、管長等多維參數(shù),效果較好,為該方面研究提供了一種新的優(yōu)化求解方法

公路養(yǎng)護資源分配中遺傳算法的參數(shù)優(yōu)化——為辨明公路養(yǎng)護資源優(yōu)化分配中遺傳算法參數(shù)對運算效率和精度的影響，提出基于正交試驗的參數(shù)優(yōu)化方法．選取種群規(guī)模與迭代次數(shù)比例、交叉形式和變異概率3個參數(shù)，利用正交設(shè)計方法進行3因素3水平試驗，建立主效應(yīng)和交...

基于分級遺傳算法的離散變量結(jié)構(gòu)優(yōu)化設(shè)計——提出一種分級處理的遺傳算法，它采用微種群和附加變異算子來減少計算量、增加算法的局部搜索能力．算例表明，這種算法收斂平穩(wěn)、并取得了較好的效果?！　?/p>

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標準遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點.算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題.這種混合遺傳算法優(yōu)于標準遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法.

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標準遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點·算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題·這種混合遺傳算法優(yōu)于標準遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法·

工程中檁條用鋼量將隨新規(guī)程《門式剛架輕型房屋結(jié)構(gòu)技術(shù)規(guī)程》cecs102:2002中活荷載取值的變化而變化。論文結(jié)合該新規(guī)程和《冷彎薄壁型鋼技術(shù)規(guī)范》gb50018-2002,在常見荷載和柱距條件下,采用遺傳算法對簡支檁條的截面進行了優(yōu)化設(shè)計,并對新規(guī)程中檁條的用鋼量進行了分析比較。

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標準遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點。算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題。這種混合遺傳算法優(yōu)于標準遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法。

基于遺傳算法的燒結(jié)配料優(yōu)化方法 摘要：配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到企 業(yè)的生產(chǎn)效益。傳統(tǒng)的燒結(jié)配料試算模型存在配料成分不穩(wěn)定，配 料成本高等諸多弊端，本文介紹了利用遺傳算法進行燒結(jié)優(yōu)化配料 的方法，將優(yōu)化方案應(yīng)用到實際生產(chǎn)中取得明顯的經(jīng)濟效益。 關(guān)鍵詞：燒結(jié)優(yōu)化配料遺傳算法 中圖分類號：tf04文獻標識碼：a文章編號：1007-9416（2013） 01-0118-02 1前言 配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到燒結(jié)礦的 化學成分及穩(wěn)定性，并影響到原料的使用成本。傳統(tǒng)的試算模型存 在配料成分不穩(wěn)定，配料成本高，配料能力不足，資源利用不合理 等諸多弊端。而傳統(tǒng)的求解最優(yōu)化方法又大多要求搜索空間具有連 續(xù)可導(dǎo)性，且通常只能給出局部最優(yōu)解，不易獲得全面最優(yōu)解。 近幾年來發(fā)展起來的遺傳算法則較好地解決了這些問題，遺傳 算法（geneticalgori

基于遺傳算法的排樁支護結(jié)構(gòu)優(yōu)化設(shè)計——基于自然選擇和自然基因機制的遺傳算法是當前處理復(fù)雜非線性模型的一種新的優(yōu)秀方法。為此，文章建立了懸臂式排樁這一基坑支護結(jié)構(gòu)形式的數(shù)學模型，并運用改進遺傳算法對設(shè)計參數(shù)進行優(yōu)化調(diào)整；結(jié)合以實際工程資料為背景...

傳統(tǒng)的項目進度一維優(yōu)化擴展至有偏好的二維目標（進度、成本）優(yōu)化,同時將成本優(yōu)化目標分解為項目成本大小以及資源均衡度從而構(gòu)成三維目標優(yōu)化,將無資源約束的環(huán)境擴展至資源約束下的復(fù)雜環(huán)境,將局部搜索優(yōu)化領(lǐng)域擴展至全局范圍內(nèi)的優(yōu)化.在內(nèi)容上,先對項目的單目標優(yōu)化管理理論進行詳盡研究并指出其現(xiàn)實的局限性,同時提出了智能啟化式方法-遺傳算法在資源約束下項目管理優(yōu)化方面的優(yōu)勢.在此基礎(chǔ)上本文構(gòu)建了基于三維目標偏好的項目管理優(yōu)化仿真模型,解決了項目管理優(yōu)化理論中最為重要的兩大問題：資源約束下的項目進度優(yōu)化以及資源約束下的三維目標（項目進度、項目成本以及資源均衡度）的優(yōu)化問題.為了驗證此模型對以上問題的有效性,本文應(yīng)用matlab仿真技術(shù)進行仿真模擬并與傳統(tǒng)方法做比較,從結(jié)果可以看出遺傳算法能夠更好的解決此類問題.

針對施工網(wǎng)絡(luò)計劃中的工期成本優(yōu)化問題,采用遺傳算法對施工項目工期成本優(yōu)化問題進行探討,以解決工程中不確定因素的問題,且優(yōu)化結(jié)果更精確。

基于遺傳算法建立了面向工程項目的資源優(yōu)化模型。通過在模型中構(gòu)造一個能反映“資源分配”和“資源均衡”兩方面優(yōu)化程度的適應(yīng)度函數(shù),并在復(fù)制操作中,對群中個體先進行分類再選擇復(fù)制,有效地解決了多種資源的綜合優(yōu)化問題。給出了利用遺傳算法對資源優(yōu)化問題的求解設(shè)計思路,闡述了算法的實現(xiàn)流程,并通過實例驗證了該模型的可行性。

為解決最短路線動態(tài)規(guī)劃的維數(shù)障礙及模式欺騙性問題,提出了一種數(shù)組鏈染色體編碼方式及基于自適應(yīng)性變異概率和模擬退火懲罰函數(shù)法的適應(yīng)性遺傳算法(aga),仿真測試驗證了該算法的有效性.針對某發(fā)動機殼體制造工藝流程優(yōu)化問題,采用質(zhì)量功能展開法得到了各工藝方案的價值,以工藝路線的總價值最大為目標函數(shù)、總成本為約束條件,采用aga得到了一條最佳工藝路線.

空調(diào)用濕式熱回收裝置的結(jié)構(gòu)設(shè)計對其使用的經(jīng)濟性有重要影響。本文運用新的最優(yōu)化方法——遺傳算法,針對空調(diào)用濕式熱回收裝置的經(jīng)濟性問題進行分析,建立了優(yōu)化設(shè)計數(shù)學模型,并對新、排風風量為0.18kg/s的空調(diào)用濕式熱回收裝置進行了優(yōu)化求解。探討了其經(jīng)濟性隨各結(jié)構(gòu)參數(shù)變化的規(guī)律。研究結(jié)果表明:遺傳算法可以很好地實現(xiàn)空調(diào)用濕式熱回收裝置的優(yōu)化;得出了空調(diào)用濕式熱回收裝置的最優(yōu)化結(jié)構(gòu);隨各結(jié)構(gòu)參數(shù)的變化,目標函數(shù)呈拋物線變化規(guī)律。該研究對于空調(diào)用濕式熱回收裝置的設(shè)計有一定的參考價值。

運用優(yōu)化方法—遺傳算法,針對空調(diào)用濕式熱回收裝置的經(jīng)濟性問題進行分析,建立了優(yōu)化設(shè)計數(shù)學模型,并對新、排風風量為0.18kg/s的空調(diào)用濕式熱回收裝置進行了優(yōu)化求解;探討了其經(jīng)濟性隨各結(jié)構(gòu)參數(shù)變化的規(guī)律;得出了空調(diào)用濕式熱回收裝置的優(yōu)化結(jié)構(gòu),隨各結(jié)構(gòu)參數(shù)的變化,目標函數(shù)呈拋物線變化規(guī)律。研究結(jié)果表明:遺傳算法可以很好地實現(xiàn)空調(diào)用濕式熱回收裝置的優(yōu)化。該研究對于空調(diào)用濕式熱回收裝置的設(shè)計有一定的參考價值。

提出一種優(yōu)化控制策略,采用基因遺傳優(yōu)化算法,能夠快速準確地獲得各控制變量在預(yù)測時間內(nèi)的最優(yōu)設(shè)定值。實時仿真試驗表明,該策略與固定設(shè)定值的控制方式以及局部層次的優(yōu)化控制方式相比,能夠在滿足控制穩(wěn)定性的前提下最大限度地節(jié)約整個空調(diào)水系統(tǒng)的總能耗。

根據(jù)港口集裝箱調(diào)運的特點,對空箱調(diào)運的問題進行分析,考慮租箱成本、運輸成本、裝卸成本和調(diào)運約束等條件,以最小化調(diào)運成本為目標,建立在保證重箱運輸前提下的空箱調(diào)運的非線性整數(shù)模型.文中使用簡單遺傳算法和加入遺傳算子的遺傳算法分別對模型實例進行求解,實驗表明,當采用加入遺傳算子的遺傳算法時獲得的結(jié)果比采用簡單遺傳算法的更好.

大口徑火炮后坐阻力和炮口擾動是影響火炮射擊精度的關(guān)鍵因素,為了減小后坐阻力峰值和炮口擾動,基于剛?cè)狁詈蟿恿W理論,建立了某型火炮剛?cè)狁詈舷到y(tǒng)動力學模型。從反后坐裝置結(jié)構(gòu)和總體結(jié)構(gòu)的角度出發(fā),利用adams底層開發(fā)模塊,結(jié)合小生境遺傳算法程序建立多目標優(yōu)化函數(shù),進行火炮反后坐裝置結(jié)構(gòu)多目標優(yōu)化設(shè)計。優(yōu)化后的后坐阻力峰值及炮口擾動明顯降低,表明所提出的優(yōu)化方法合理可行,為火炮總體結(jié)構(gòu)和反后坐裝置結(jié)構(gòu)的優(yōu)化設(shè)計提供一定的技術(shù)參考。