分層的自適應(yīng)遺傳算法在UTP中的應(yīng)用研究

遺傳算法易搜索到全局最優(yōu)解,但局部尋優(yōu)能力差且易發(fā)生早熟、隨機漫游現(xiàn)象.基于對本文所采用的基本遺傳算法的原理和實施過程介紹的基礎(chǔ)上,針對其缺陷提出改進措施:利用混沌序列的“遍歷性、隨機性、規(guī)律性”的特點生成初始種群;采用最優(yōu)個體儲存、最差個體替換策略.在改進遺傳算法的基礎(chǔ)上,又引入自適應(yīng)的交叉、變異概率公式,幅度系數(shù)調(diào)節(jié)交叉率、變異率形成自適應(yīng)遺傳算法.通過十五桿平面桁架的數(shù)值算例,自適應(yīng)遺傳算法的優(yōu)化結(jié)果、優(yōu)化進程與基本遺傳算法、改進遺傳算法進行了對比,驗證自適應(yīng)遺傳算法的優(yōu)越性能.

針對簡單遺傳算法(sga)存在早熟和易陷入局部最優(yōu)的不足,提出了一種新的動態(tài)調(diào)整交叉概率和變異概率的自適應(yīng)遺傳算法(aga),同時對簡單遺傳算法的編碼方式、選擇、交叉和變異算子均進行了一定的改進。通過對一復(fù)雜函數(shù)———schaffer函數(shù)進行求解,證明了這些改進措施有效地克服了早熟現(xiàn)象、提高了算法的全局尋優(yōu)能力。并利用改進的自適應(yīng)遺傳算法對水電站報價策略模型進行求解,結(jié)果表明了該方法的有效性。

針對房間溫控對象的參數(shù)變化對空調(diào)器模糊控制效果有很大影響這一現(xiàn)象，提出了一種基于遺傳算法的自適應(yīng)模糊控制方法，該方法由一種新型的參數(shù)混合辨識算法以及變?nèi)后w規(guī)模的遺傳優(yōu)化算法組成，從而實現(xiàn)了比例因子的在線自調(diào)整。仿真結(jié)果證明了該方法的有效性。

為實現(xiàn)led照明的恒照度控制,首先建立了led的照度模型,然后采用單神經(jīng)元自適應(yīng)算法設(shè)計led的照度控制器。仿真結(jié)果表明,單神經(jīng)元自適應(yīng)控制器能夠?qū)崿F(xiàn)led照度的穩(wěn)定控制,取得了較為理想的控制效果。

文章針對簡單遺傳算法中交叉概率與變異概率隨進化過程恒定不變的缺點,提出了自適應(yīng)遺傳算法并將其用于重力壩體型優(yōu)化設(shè)計。

淺析自適應(yīng)遺傳算法的重力壩體型優(yōu)化施工設(shè)計——文章針對簡單遺傳算法中交叉概率與變異概率隨進化過程恒定不變的缺點，提出了自適應(yīng)遺傳算法并將其用于重力壩體型優(yōu)化設(shè)計。　　

刨花板熱壓控制系統(tǒng)存在著遲滯、非線性、時變性以及模型參數(shù)的不確定性,針對此問題,提出了基于遺傳算法的自適應(yīng)pid智能控制策略,通過自適應(yīng)控制與遺傳算法相結(jié)合,實現(xiàn)對pid參數(shù)的在線自整定,使其具有更大的靈活性和適應(yīng)性,完善了pid控制器的性能。在matlab7.0環(huán)境下進行仿真,結(jié)果表明:與常規(guī)pid控制器相比較,該控制器明顯地提高了熱壓位置伺服控制系統(tǒng)的動態(tài)性能和靜態(tài)性能,抗干擾的能力也明顯增強,兼具更好的魯棒性能。

標(biāo)準(zhǔn)遺傳算法在求解無約束優(yōu)化問題時得到了成功的應(yīng)用,但是多數(shù)的工程實例為約束優(yōu)化問題.目前引入懲罰函數(shù)思想的遺傳算法是解決約束優(yōu)化問題最常用的方法,但是使用此方法時參數(shù)的設(shè)定較為困難.從避免這個困難和提高算法本身性能的角度出發(fā),構(gòu)造了一種新的算法.首先對非可行個體進行修正,把約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題;其次,采用了擴大搜索空間選擇較優(yōu)個體的交叉算子,增強了全局搜索能力;最后,在部分較優(yōu)個體附近采用了局部搜索策略,提高局部搜索能力.通過對2個工程優(yōu)化實例的求解說明了算法的有效性.

遺傳算法在固結(jié)系數(shù)計算中的應(yīng)用——建筑物的荷載通過基礎(chǔ)傳給地基，地基受力后將會產(chǎn)生應(yīng)力和變形，從而導(dǎo)致建筑物基礎(chǔ)產(chǎn)生沉降和傾斜。如果基礎(chǔ)的沉降不均勻，將會對于建筑物的安全產(chǎn)生一定的影響，而影響沉降的最主要因素是飽和土體的固結(jié)系數(shù)，而固結(jié)系數(shù)的...

根據(jù)遺傳算法的基本理論，并結(jié)合機械工程優(yōu)化設(shè)計的特點，對傳統(tǒng)遺傳算法的遺傳操作作出改進，提出了一種將柯西機和遺傳算法相結(jié)合的改進遺傳算法，并應(yīng)用于機械工程優(yōu)化設(shè)計問題的全局最優(yōu)解求解。計算實例說明，改進的遺傳算法不僅增強了傳統(tǒng)遺傳算法的全局收斂性，能夠有效地求得優(yōu)化問題的全局極小點，而且還提高算法進行后期的收斂速度。

提出了一種自適應(yīng)和聲搜索(adaptireharmonysearch,ahs)算法來解決結(jié)構(gòu)工程設(shè)計問題。ahs算法包含2種重要的操作,分別是位置更新和變異操作。前者能夠使非最優(yōu)解快速地朝著全局最優(yōu)解移動,這有助于提高ahs算法的收斂速度;后者能夠增加種群的隨機性和多樣性,這有助于增強ahs算法跳出局部最優(yōu)點的能力。由于采用了以上2種操作,ahs法具有很強的收斂性和空間開發(fā)能力。實驗結(jié)果表明,與已有算法比較,ahs算法在解決結(jié)構(gòu)工程優(yōu)化問題中能夠找到更好的解,它是解決結(jié)構(gòu)工程優(yōu)化設(shè)計的一個有效的算法。

針對傳統(tǒng)支持向量機算法在預(yù)測方面的不足,采用自適應(yīng)粒子群算法(apso)對支持向量機參數(shù)選擇進行分析和優(yōu)化,建立基于自適應(yīng)粒子群優(yōu)化的svm算法建筑物沉降預(yù)測模型,并對建筑物進行沉降預(yù)測。實驗表明,相比于傳統(tǒng)的支持向量機算法,自適應(yīng)粒子群優(yōu)化的svm算法預(yù)測精度較高,為建筑物沉降預(yù)測提供一種新方法。

智能交通燈是智能交通系統(tǒng)的重要組成部分,它能有效增加道路的通行能力,改善交通狀況。采用道路各相位在一個周期內(nèi)滯留的車輛數(shù)作為識別判據(jù),將遺傳算法應(yīng)用到交通燈控制中,并且利用fpga的并行計算優(yōu)勢,實現(xiàn)算法的硬件化,減少算法的運行時間。交通燈整體的實現(xiàn)基于niosⅱ嵌入式處理器。實驗結(jié)果表明,交通燈能根據(jù)車流量實現(xiàn)智能配時,基于fpga的遺傳算法比基于傳統(tǒng)計算機的遺傳算法在運行速度上有很大的提高,使得一些大規(guī)模、復(fù)雜的問題有了解決的可能性。

遺傳算法在巖土工程反演問題中的應(yīng)用——綜述了巖土工程反演的基本過程，并在介紹遺傳算法研究進展的基礎(chǔ)上，將遺傳算法與傳統(tǒng)優(yōu)化算法進行比較，然后給出幾種遺傳算法的改進策略，同時介紹了遺傳算法在巖土工程反演領(lǐng)域中經(jīng)常使用的幾種改進方法，最后通過實例...

以vav中央空調(diào)能耗仿真模型為基礎(chǔ),根據(jù)vav中央空調(diào)節(jié)能優(yōu)化問題的特點,分析了利用遺傳算法解決該問題的可行性。詳細(xì)介紹了利用遺傳算法尋找vav中央空調(diào)系統(tǒng)運行過程中各個可控變量的最佳設(shè)定值的優(yōu)化過程,并對遺傳算法的運行效果進行了分析。建立了基于遺傳算法的vav中央空調(diào)控制仿真系統(tǒng),對該方法在實際系統(tǒng)中的應(yīng)用進行了仿真驗證。

提出了利用遺傳算法實現(xiàn)空調(diào)器理想溫度的控制效果,介紹了空調(diào)器溫控系統(tǒng)的控制原理,通過遺傳法優(yōu)化pid參數(shù),使空調(diào)器能夠根據(jù)室內(nèi)溫差及室內(nèi)外溫度變化率確定壓縮機的轉(zhuǎn)速,實現(xiàn)最佳的自動制冷工況,通過實驗仿真表明控制系統(tǒng)具有很好的魯棒性和滿意的動態(tài)特征。

遺傳算法是模擬自然選擇和自然遺傳過程中的繁殖、交叉和基因突變現(xiàn)象,在每次迭代中都保留一組候選解,并按某種指標(biāo)從解群中選取較優(yōu)的個體,利用遺傳算子對這些個體進行組合,產(chǎn)生新一代的候選解群,重復(fù)此過程,直到滿足某種收斂指標(biāo)為止。此算法在解決復(fù)雜優(yōu)化問題的潛力和在工業(yè)領(lǐng)域的成功應(yīng)用的到廣泛關(guān)注。主要介紹了遺傳算法用于測量中線性問題的解算,并根據(jù)此算法自身優(yōu)點,應(yīng)用于測邊網(wǎng)平差等非線性問題的解算中,得出了理想的結(jié)果,并據(jù)此得出了一些建議與結(jié)論。

綜述了巖土工程反演的基本過程,并在介紹遺傳算法研究進展的基礎(chǔ)上,將遺傳算法與傳統(tǒng)優(yōu)化算法進行比較,然后給出幾種遺傳算法的改進策略,同時介紹了遺傳算法在巖土工程反演領(lǐng)域中經(jīng)常使用的幾種改進方法,最后通過實例驗證了遺傳算法是求解巖土工程反演問題的有效方法。

為了實現(xiàn)樁身完整性的智能分類,并減少人為因素造成的誤判,文章建立適用于樁基完整性檢測的基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)模型,運用matlab軟件對模型進行模擬,并求出模型的可行性的解,從而實現(xiàn)對不同類型樁身的完整性智能辨別的功能,最后再通過測試樣本對模型的正確性進行驗證。測試樣本中的預(yù)測結(jié)果與理想結(jié)果非常接近,通過計算得出測試樣本的仿真誤差為0.1538,訓(xùn)練樣本的仿真誤差為0.092644。結(jié)果表明,基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)模型能過較好的對樁身完整性進行分類,并且在減少樁型誤判的情況下,又提高了效率,在實際工程中具有良好的應(yīng)用前景。

文章認(rèn)為相空間局域線性回歸法是電力系統(tǒng)短期負(fù)荷預(yù)測混沌預(yù)測法中廣泛使用的方法,在用線性最小二乘法估計局部線性化模型的參數(shù)時,往往由于病態(tài)的數(shù)據(jù)矩陣導(dǎo)致估計值對噪聲過于敏感而變得不可信。針對這種情況應(yīng)用最小均方誤差準(zhǔn)則和最陡下降原理提出了一種基于自適應(yīng)濾波電力系統(tǒng)短期負(fù)荷預(yù)測算法,避免了病態(tài)矩陣的影響。實驗結(jié)果表明該算法預(yù)測結(jié)果穩(wěn)定、可靠。

在水電站自動電壓控制中,為保證水電站內(nèi)母線電壓在給定范圍內(nèi),并且使站內(nèi)網(wǎng)絡(luò)損耗最小,文中提出一種改進的遺傳算法進行水電站內(nèi)無功分配。該方法通過對簡單遺傳算法中的選擇、雜交和變異3個基本算子進行改進,并采用爬山法修正所得結(jié)果,從而有效地提高了無功優(yōu)化的速度和精度。對5機組和13機組的水電站進行仿真,結(jié)果表明與常規(guī)方法及簡單遺傳算法相比,該方法適應(yīng)性好,且易收斂到全局最優(yōu)。

在水電站自動電壓控制中，為保證水電站內(nèi)母線電壓在給定范圍內(nèi)，并且使電壓內(nèi)網(wǎng)絡(luò)損耗最小，文中提出一種改進的遺傳算法進行水電站內(nèi)分功分配。該方法通過對簡單遺傳算法中的選擇、雜交和變異３個基本算子進行改進，并采用爬地修正所得結(jié)果，從而有效地提高了無功優(yōu)化的速度和精度。對５機組和１３機組的水電站進行仿真，結(jié)果表明與常規(guī)方法及簡單遺傳算法相比，該方法適應(yīng)性好，且易收斂到全局最優(yōu)。