改进的遗传算法及其在工程优化中的应用
【摘要】:进化计算,作为一种新兴的强大的智能优化技术,已经广泛地应用在工程科学的几乎所有的领域。与传统优化方法相比,进化计算在全局优化、复杂设计区域、复杂目标函数及易用性等方面都显示出了其优越性。遗传算法是进化计算中最重要的算法之一,本文主要研究了改进的遗传算法及其在工程优化领域中的应用。
本文的主要研究内容分章介绍如下:
第一章首先简要介绍了进化计算的基本知识,在工程优化领域的历史与研究现状。本章的最后给出了本论文的基本框架。
第二章介绍了遗传算法的基本理论与方法。首先给出了遗传算法的基本流程,然后介绍了染色体的编码方法及遗传算子,最后分析了遗传算法的搜索机理与收敛性。
第三章提出了一种新的遗传算法——基于子域搜索的遗传算法(简称为SBGA)。SBGA将设计区域分成多个小的子域,根据已搜索过的样本点在这些子域内的分布情况来指导后续的搜索。同时,SBGA还提供了一种新的处理约束的方法。应用SBGA进行了复杂函数和杆系结构的优化,数值实验还发现它能够有效地抑制早熟现象的发生。
第四章研究了基于遗传算法的连续体结构拓扑优化问题。提出了一种新的变长的紧凑编码方式——链码编码方法,用四方向链码的组合来描述结构拓扑。以机器学习中的范例推理为原型,设计出一种基于范例推理的遗传算法。在该算法中,根据多尺度变换的原理,提出了结构拓扑的“目标向量”描述方式,从而可能定量地描述不同拓扑的相似性。研制了上述方法的计算机软件GATOCS,并利用该软件对多工况连续深梁和自行车框架进行拓扑优化,取得了较为满意的结果,从而说明了应用遗传算法进行连续体结构拓扑优化是完全可行的。
第五章研究了多目标遗传算法及其并行实现。实际的工程优化问题通常都是多目标的,而且计算量很大。因此,本文研究了并行虚拟机(高速互联机
|
|
|
|
1 |
廖俊,朱世强,林建亚,任德祥;遗传算法在T-S模糊模型辨识中的应用[J];信息与控制;1997年02期 |
2 |
刘健庄,谢维信,高新波;一种图象中基元检测的新方法[J];电子与信息学报;1997年02期 |
3 |
金耀初;蒋静坪;;基于遗传算法的模糊控制器分析[J];模式识别与人工智能;1997年01期 |
4 |
曹先彬;庄镇泉;;一种基于遗传算法的模糊规则生成方法[J];模式识别与人工智能;1997年02期 |
5 |
夏文,王华芝;遗传算法在多波束赋形天线优化中的研究[J];北京邮电大学学报;1998年04期 |
6 |
龙甫荟,郑南宁,张晓缋;基于多层感知遗传算法的图象分割新方法[J];控制理论与应用;1998年02期 |
7 |
刘莹,王宝树,马建峰,杨耆董;模糊聚合及遗传算法在多传感器数据融合中的应用[J];电子科技;1998年01期 |
8 |
黄海贇,戚飞虎;一种精确标定摄像机的遗传算法方案(英文)[J];红外与毫米波学报;2000年01期 |
9 |
徐小力,许宝杰,殷健;采用遗传算法的旋转机组状态趋势预测之探讨[J];机械科学与技术;2000年05期 |
10 |
陈勇,邓先灿;基于遗传算法的微波电路优化方法[J];微波学报;2000年S1期 |
11 |
于海斌,王浩波,徐心和;两代竞争遗传算法及其应用研究[J];信息与控制;2000年04期 |
12 |
涂承媛,涂承宇,冯占英;基于仿生进化的自动控制系统[J];北京联合大学学报;2000年03期 |
13 |
刘渤,左演声;遗传算法应用于多弧离子镀膜工艺优化设计[J];电子工艺技术;2000年03期 |
14 |
顾毅,刘新国;基于遗传算法的PID控制器的研究[J];信息技术;2000年08期 |
15 |
石玉,陈小平,于盛林;利用排序对遗传算法的改进和自适应交叉概率[J];数据采集与处理;2000年02期 |
16 |
陈洪亮,沈琳琳;基于遗传算法的矢量化方法研究[J];微型电脑应用;2000年12期 |
17 |
冯钢;候义斌;;关于遗传算法的CDT研究[J];模式识别与人工智能;2000年01期 |
18 |
郭观七,喻寿益;遗传算法收敛性分析的统一方法(英文)[J];控制理论与应用;2001年03期 |
19 |
王晓哲,顾树生,吴成东,张伟宏;基于一种新的基因操作策略的改进遗传算法[J];控制与决策;2001年S1期 |
20 |
金聪;模糊自适应遗传算法及其性能分析[J];小型微型计算机系统;2001年09期 |
|