基于改进遗传算法的沥青路面再生工厂布局优化

为了帮助沥青路面再生工厂获得更好的经济与环境效益,提出一种基于改进遗传算法的布局优化方法。首先,确定再生工厂布局的约束条件,并以非物流相关性最大、物料搬运成本最低和碳排放最少作为优化目标建立工厂布局优化模型;其次,基于初始布局方案,采用实数分层编码及排列组合方法对各功能区的初始位置进行交叉互换,并根据约束条件进行筛选,得到合适的初始种群;再次,针对横坐标层与纵坐标层进行算数交叉,变异时坐标层采用多点变异,放置方式层采用单点变异,并引入模拟退火算子;最后,以某再生工厂为例对改进算法进行验证。结果表明：改进后的遗传算法迭代次数较传统遗传算法减少34次,目标函数值较文献中遗传算法减小0.009 9,提高了算法的寻优能力;优化后的方案每日物料搬运成本减少14 468.85元,碳排放减少30.59 kg,验证了方法的有效性。研究中所提出的优化方法效率较高,可为沥青路面再生工厂的建设提供技术支持。     

两阶段遗传算法的结构及性能分析

针对基本遗传算法(简称BGA)常常存在局部收敛以及收敛解精度不高等方面的不足,提出了一种改进的算法——两阶段遗传算法,给出了算法的结构及具体的实施策略,进而利用Markov链理论和仿真技术分析了该算法的收敛性能,结果表明该算法具有操作简单、鲁棒性强等特点,不仅可以有效地避免寻优过程中的“早熟”现象,而且在很大程度上能提高最优解精度,适合于大规模、高精度的优化问题。     

免疫遗传算法在电压优化与治理中的研究与应用

随着电网规模的扩大和电压等级的丰富,进行电压优化与治理是非常必要的。文章首先提出基于多手段综合运用的电压优化模型,该模型覆盖网源各环节,追求以最小的新增无功来实现电压合格率的提升;其次以免疫遗传算法的理论为依托,就免疫遗传算法应用于电压优化模型的求解进行算法设计;最后将研究内容经由改进的Ward-Hale 6节点系统的验证。结果表明,免疫遗传算法具有良好的收敛性和鲁棒性,能有效解决多维组合问题的寻优,可在电力系统电压优化和治理领域予以推广。     

求解Jop-shop调度问题的一种新方法

车间调度问题是制造系统理论研究的基础问题之一。针对Job-shop问题,通过使用新的遗传算法求解。使用了基于工序的编码方法和GT算法进行解码,来产生初始种群。通过对比测试,该算法可以产生较为优秀的初始种群。为了避免产生非法染色体,提升算法运行效率,采用了单亲交叉遗传算子。基准问题的仿真实验结果表明,提出的遗传算法可行。     

大数据驱动下的新一代高速公路 智慧诱导技术

为了解决高速公路出行路径选择问题,基于图论模糊算法,提出了大数据下的智慧诱导技术。首先对高速路网在路径诱导的实时性、线路规划的精准度和算法的适用性方面进行优化;其次通过利用贪心算法和整体寻优算法,对经典路径诱导算法进行研究和比选;最后针对高速路网提出基于大数据动态规划的路径诱导技术,采用大数据、内存计算、图计算和AI结合的方式来实现大数据的动态实时路径诱导。研究结果表明,智慧诱导技术可主动为有不同诉求目标的出行者提供实时最优的方案选择,解决复杂路网下动态路径的合理诱导问题。所提出的方法可实现大数据驱动下的智慧诱导,对进一步提升公路智能化和精细化管理水平具有借鉴意义。     

基于改进粒子群算法的无人机航迹规划

针对当前基本粒子群算法无人机航迹规划在后期收敛速度比较慢、效率不高、易陷入局部最优等问题,提出一种改进粒子群算法。首先,在迭代前期和后期分段设置惯性权值的调整,实现粒子惯性和寻优行为的平衡;其次,设置一个定值与相邻2次适应度函数最优值比较策略,防止陷入局部最优;最后,引入遗传算法的交叉、变异机制,得出更优的结果。并通过仿真验证了改进粒子群算法在三维空间航迹规划的有效性和可行性。结果表明,与其他航迹规划算法相比,新算法具有路径长度更短、耗时更少、路径更平滑等优点,加快了收敛速度,提高了航迹规划效率和稳定性。因此,改进算法的航迹规划可得到满足约束关系的最优航迹,对实现自主飞行有重要的参考价值。     

基于图像识别的爬壁机器人的路径规划

目前对于爬壁机器人的路径规划问题,强化学习算法已被广泛运用,但在实时动态复杂工业环境下,该算法存在着数据传递滞后、状态-动作对收敛缓慢、无法估计状态-动作对的问题。本文结合单步Q-learning算法,并对该算法进行改进,提出了跟踪迹Q(λ)算法:即一种基于离散马尔可夫决策过程的经典Q学习并结合了瞬时差分算法多步回报和跟踪迹提取的算法。实践表明,该算法解决了路径规划过程中,强化学习算法存在的局部寻优能力差、实时性不强等缺点。     

基于改进遗传算法的水库群水沙联合优化调度模型应用研究

文章采用改进的遗传算法对辽宁中部梯级水库群进行水沙联合优化调度研究。结果表明:改进的遗传算法结合自适应度对目标函数进行调整,相比于传统算法,不同水库调度方案下水库联合优化的兴利水量均值提高25.3%,泥沙淤积调整量减少43.8%;丰水期尽量抬高各水库水位起调值,枯水期尽量降低兴利起调水位的调度方案为最优水沙联合调度方案。研究成果对于区域梯级水库的水沙联合优化调度提供方法参考。     

基于多负荷水平的中低压配电网的无功补偿探讨

针对目前无功补偿算法基于单一负荷的弊端,根据改进的遗传算法及最优覆盖原理,提出了一种基于多负荷水平的中低压配电网的无功补偿方案,经过实例计算表明,该方案具有更好的灵活性与降损效果。     

改进的随机聚点搜索算法在河网水力学模型糙率反演优化中的应用

结合圣维南方程组并应用改进的随机聚点搜索算法对辽宁中部某平原河网的水力学模型糙率进行反演优化研究。研究结果表明:相比于传统算法,改进算法下各河段后验糙率反演误差减少9.1%,改进算法下糙率寻优迅速集中,糙率反演优化效果明显好于传统算法;改进算法的优化收敛迭代次数明显少于传统算法,相比于传统算法,其寻优迭代次数平均减少19次;改进算法后糙率优化反演后推算的各河段水位及流速和实测值之间的误差明显低于传统算法,水位和流速反演误差分别减少13.3%和14.2%。研究成果对于河网水力学模型糙率反演优化求解提高方法参考。     

基于改进遗传算法的模具零件孔群加工路径优化

为提高孔群模具的加工效率,提出了一种最近邻、遗传算法和禁忌搜索相融合的改进遗传算法。采用最近邻算法选取一系列好的初始种群,同时将禁忌搜索中"禁忌"的思想引入到遗传算法中,并在进化过程中随机引入部分新个体,进行迭代搜索。根据孔群加工特点建立了类似旅行商问题的数学模型,并用改进算法求解最短加工路径,在分布复杂的孔类模具上进行数值实验。轮胎实例应用结果表明,改进算法优化后路径长度比CAM系统算法优化后路径长度缩短5.31%,比X向路径法缩短77.88%,比Y向路径法缩短77.63%,比最近邻算法缩短4.52%;当实验参数相同时,改进算法路径长度比遗传算法缩短14.65%,且运行时间平均缩短了63.60%。改进算法的路径长度明显缩短,有效提高了孔群的数控加工效率。其通用性较好,在提升数控系统孔群加工效率方面具有参考价值。     

改进遗传算法在城市多水源供水联合优化调度中的应用

基于改进的遗传算法构建城市多水源联合优化调度模型,对北方某典型干旱城市供水方案进行优化调度。结果表明:改进遗传算法符合城市供水特征,可分时段进行优化调度,优化调度后,城市供水资源利用率提高25%～30%。研究成果对于城市供水紧缺区域的优化调度具有重要参考价值。     

基于自适应遗传算法的智能组卷的研究

智能组卷是智能计算机辅助教学中一个关键的问题,针对组卷中带约束的多目标优化问题,提出了一种自适应遗传算法,并采用新的编码方式、交叉算子和变异算子,建立了数学模型。实验结果表明,该算法能有效地解决智能组卷问题,具有较好的实用效果。     

基于改进遗传算法的造价模型优化

基于遗传算法的造价优化管理,是进入现代化管理后迅速发展起来的一项先进造价管理技术。基于改进遗传算法可以提高造价管理工作效率、降低总成本,同时基于改进遗传算法的造价模型优化,可以为国内各大型建设工程项目带来非常可观的经济效益和社会效益。本文将重点对基于改进遗传算法的造价模型优化,进行深入的分析与探讨。     

改进的遗传算法及其在工程风险多目标决策中应用

针对多目标遗传算法NSGA-Ⅱ的缺点,提出了一种改进算法。将改进的遗传算法应用到工程风险的多目标决策中,通过实例分析证明了其在解决工程项目风险管理多目标优化问题上有效性。将改进前后两种算法进行对比分析,证明了改进的遗传算法在保证Pareto最优边界收敛性的同时改善了Pareto最优解的多样性。     

数据挖掘在静电放电防护理论中的应用

研究了应用遗传算法进行关联规则挖掘的方法,提出了对遗传算法中适应度函数的构造、数据的编码等的改进方案,将改进的自适应P_c,P_m算法应用到遗传算法中来,从而提高了算法的效率；将其应用到静电放电防护的实验中去,取得了良好效果。     

基于SLP的施工场地布置优化研究

施工场地布置是施工组织设计的重要组成部分,合理规划施工场地布置是项目施工良好进展的开端。针对传统经验布置在施工场地布置中存在的成本问题,采用系统布置设计(SLP)方法分析施工场地各个设施之间的物流关系和作业单位相互关系,并采用遗传粒子群算法(GAPSO)进行目标函数寻优,提出切实可行的场地布置方案,以加强现场管理系统性和科学性。     

基于多目标遗传算法的综合能源系统规划优化研究

针对综合能源系统在满足系统内多元化用能需求的同时如何有效提升能源利用效率,进而促进能源可持续发展等问题,首先建立包括光伏、CCHP、储能电池、蓄冰槽在内的约束条件和出力模型,CCHP采用动态能效模型,建立了包括投资成本、维护成本、碳排放成本在内的经济性模型,建立了包括电能质量在内的能效模型,考虑了包括单位建筑面积等在内的建设约束条件,再采用遗传优化算法对设备容量进行规划优化,最后以某园区为例,在分析其实际园区经济发展情况、区域特征、能源供应情况、资源禀赋及其负荷特性之后,对系统多能耦合情况进行分析,基于多目标遗传算法对园区综合能源息系统进行规划,用TOPSIS方法进行排序得出最优方案。本研究提出的规划优化方法能有效配置设备容量,为用户节约成本,为电网降低压力,减少碳排放,提高用电可靠性。     

加速遗传算法在小流域水土保持多目标综合优化模型中的应用研究

在详细分析了实数编码RAGA加速遗传算法基本理论基础上,将水土保持多目标规划理论与其有效结合并建立了综合优化模型,对朝阳县六家子小流域水土保持多目标进行综合优化研究。研究表明:文章所构建的模型不仅可有效解决传统的利用逐步法STEM计算过程中经常出现的早期收敛、局部最优的问题,而且可全面提升多位参数的寻优能力;模型表现出较高的适用性和可靠性;文章可为相似流域的水土保持多目标优化提供一定的参考借鉴和理论支持。     

混沌果蝇-最小二乘支持向量机变压器DGA诊断

针对基本果蝇优化算法(FOA)寻优精度不高和易陷入局部最优的缺点,融合混沌算法对果蝇优化算法的进化机制进行改进,提出混沌果蝇优化算法(CFOA)。将CFOA算法应用于最小二乘支持向量机(LSSVM)惩罚因子和核函数参数的选择中,可以改善参数选择的随机性和盲目性,从而建立基于CFOA-ISSVM的故障模式预测模型。应用该模型对变压器油中溶解气体故障模式进行预测,结果表明,CFOA方法在在收敛速度、收敛可靠性及收敛精度上均比基本FOA有较大的提高,依此而建立的CFOA-LSSVM故障模式预测模型具有较高的准确率。