基于遗传算法的新建给水管网优化设计

遗传算法是一种较新的工程优化算法,将其引入给水管网优化设计,增强了管网设计方案的经济合理性。对给水管网优化设计的数学模型建立,遗传算法的基本原理、实数编码技术、评价函数的建立进行了分析,并用实例验证了其有效性。     

基于遗传算法的多水源环状管网优化设计

遗传算法应用于管网优化时会表现出收敛速度慢、结果不理想等缺陷。针对环状管网优化设计的管径离散、约束条件多等特殊性,充分利用管网水力特性,通过模糊判断、扰动等手段干预遗传算法进化方向和进度,使得遗传算法在一定程度上改变了应用于管网优化时表现出的缺陷。算例表明,改进后的遗传算法值得在管网优化设计中推广。     

最优控制算法综合分析

最优控制,顾名思义就是使控制系统的性能指标实现最优化的基本条件和综合方法。它是庞特利雅金在1958年提出的最大值原理和贝尔曼的动态规划的基础上,立足于状态变量法,解决复杂的系统问题,使其达到最优的指标。     

基于树木生长形态的仿生计算算法

对树木生长过程和形态结构进行描述与抽象,用动态生长的生长树进行模拟,提出一种新的仿生算法:生长树算法。树木在生长过程中,趋光性促使枝叶寻求占据相对更有利的空间位置,朝向能获取更多光照的位置生长,此过程体现寻优原则。借用遗传算法和蚁群算法的种群、个体评估等概念,借鉴信息素浓度机制,提出"光素浓度"衡量光照对生长树的叶枝节点的作用,叶枝节点个体不断探寻周围环境的光素浓度与外部环境进行信息交流,同时个体之间存在生长竞争关系,算法不断对个体进行评价、选择、生长,逐步个体的编码从而求得问题目标解。将算法应用于几个典型函数寻优,实验结果经与标准遗传算法进行对比,生长树算法具有迭代层数少、寻优速度快的优势。     

分布式系统上异构拥有源服务质量的优化研究

提出的正交同步解调法(即GQSD算法)是一种可用来减少种群代的最大重复次数的新技术手段。GQSD算法有助于在现有(非旧式的)优化算法上使处理源调度达到最优化。GQSD是一种通过界定新参数和度量数据来降低任务延时以及响应用时的新型算法。GQSD算法还达到服务器的服务水平。模拟实验表明采用GQSD算法后,分布式系统的总任务进程的完成时间得到缩短,性能有所提高,从而使得不同层次分布式处理器的服务质量得到提高,处理延时也大大降低。     

遗传算法在柴油机故障诊断中的应用

BP神经网络在故障诊断时,对故障的学习训练盲目性大,导致速度慢,结果可靠性差。但是遗传算法可以优化挑选故障向量具有针对性,弥补BP神经网络诊断的不足。所以基于遗传算法的BP神经网络可以使各代种群在进化过程中容易得到全局最优解。实例对比分析,表明优化后的神经网络具有较好的收敛性能和运算速度,能够改善诊断精度。     

基于蚁群-遗传混合算法的系统芯片低功耗测试方案

针对系统芯片测试功耗快速增加的特点,提出了一种有效的低功耗测试方案。该方案将测试向量的海明距离作为测试功耗优化的目标,将测试功耗优化问题转化为对测试向量进行海明距离排序问题,采用一种改进的蚁群-遗传混合算法对测试向量进行排序,从而使测试功耗最低。针对ISCAS 89部分标准电路实验结果表明,该方案能有效的降低测试功耗。     

求解车辆路径问题的协同进化遗传算法

通过对车辆路径问题的分析,建立车辆路径问题数学模型。针对遗传算法优化车辆路径问题易陷入局部最优解以及收敛速度慢等问题,引入基于动态小生境的协同进化模型。最后,将动态小生境协同进化算法应用于所建立的模型中。实验结果表明：动态小生境协同进化遗传算法可有效避免遗传算法的早熟现象,并在一定程度上提高优化车辆路径问题的求解效率。     

基于改进遗传算法的云仿真资源分配算法

近年来,云仿真技术作为一种新型网络化建模与仿真模式受到广泛关注,合理配置仿真资源已成为云仿真技术的核心问题之一。针对传统仿真系统资源分配中存在的资源重用性低、部署难度大等问题,提出一种改进遗传算法来求解仿真模型与虚拟机之间最优映射的算法。实验结果表明,该算法是云仿真运行环境下的一种有效资源调度算法。