基于遺傳算法的燒結配料優(yōu)化方法 摘要：配料是燒結的基礎，燒結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優(yōu)化配料 的方法，將優(yōu)化方案應用到實際生產(chǎn)中取得明顯的經(jīng)濟效益。 關鍵詞：燒結優(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 配料是燒結的基礎，燒結配料效果的好壞直接影響到燒結礦的 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

為了解決熱定型中影響成品織物門幅的工藝參數(shù)難以定量設計的關鍵技術難題。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)化設計中的優(yōu)勢更加明顯。

針對基于svm的模擬電路故障診斷中診斷參數(shù)的調(diào)節(jié)是通過試湊法或按照全局最優(yōu)的原則確定的,沒有考慮實際診斷要求,無法進行各診斷環(huán)節(jié)參數(shù)同時調(diào)整優(yōu)化的現(xiàn)狀。提出一種適應度模型用于遺傳算法參數(shù)尋優(yōu),把實際電路診斷要求量化成參數(shù)指標引入模擬電路故障診斷的優(yōu)劣評估中;建立了基于遺傳算法的電路診斷模型參數(shù)閉環(huán)尋優(yōu)框架,對診斷系統(tǒng)的各部分參數(shù)優(yōu)化進行整體度量,并分析了參數(shù)搜索算法的收斂性。通過實例診斷分析了閉環(huán)故障診斷參數(shù)尋優(yōu)框架下各部分的參數(shù)制定對決策的影響,說明了建立的閉環(huán)故障診斷模型參數(shù)尋優(yōu)框架和搜索算法的有效性和實用性。

遺傳算法(ga)作為一種優(yōu)化算法,用于結構可靠度分析,對目標函數(shù)和約束條件沒有過于苛刻要求,利用matlab軟件,引入遺傳算法編制相應程序,驗證已知功能函數(shù)的結構構件的可靠度。工程實例計算表明,結合遺傳算法分析結構體系可靠度,不受搜索空間的限制性假設的約束,不要求目標函數(shù)具有連續(xù)性、可導等假設,其結果與其他算法結果具有一致性。

針對傳統(tǒng)的遺傳算法容易產(chǎn)生早熟收斂現(xiàn)象以及局部搜索能力較差等缺陷,結合魚群算法中具有加快尋優(yōu)速度的追尾行為和克服局部極值能力較好的聚群行為對其進行改進。將改進后的遺傳算法應用到框架結構的可靠度分析中,并以門式框架結構為例,建立了以單元截面積、外荷載為設計變量,可靠度指標為目標函數(shù)的優(yōu)化模型。分別采用jc法與改進遺傳算法對門式框架結構的可靠度指標進行對比計算,兩種算法在同一驗算點不同荷載值下的可靠度指標的計算結果相近,但改進后的遺傳算法在分析過程中受到的約束條件較少,簡單高效。

為了實現(xiàn)可逆邏輯電路的可測性設計,充分利用可逆邏輯電路中存在的輸出引腳,提出一種可逆邏輯電路測試綜合方法.通過定義可逆邏輯門的可觀性值和可控性值的計算方法,對可逆邏輯電路的可測性進行建模;通過插入觀察點,制定了可逆組合邏輯電路可測性實現(xiàn)方案;通過對現(xiàn)有的d觸發(fā)器進行改造并構建全新的掃描d觸發(fā)器,制定了可逆時序電路的可測性邏輯實現(xiàn)方案;最后分析了掃描d觸發(fā)器的工作特點,規(guī)范了測試步驟,建立一種可逆邏輯電路的測試綜合方法.實驗結果表明,與現(xiàn)有方法相比,文中方法插入觀察點代價平均增加不到1%,但電路的可觀性平均能得到24%的改善.

本文以電梯群控系統(tǒng)作為研究對象,在對電梯控制技術進行深入分析的基礎上,提出了一種新的基于遺傳算法的群控電梯智能調(diào)度方法。

針對以發(fā)電為主的小水電站單庫和串聯(lián)小水電站群,以水電站的發(fā)電引用流量為決策變量,以水電站在調(diào)度周期內(nèi)發(fā)電量最大為目標,分別建立了優(yōu)化調(diào)度的數(shù)學模型。基于浮點數(shù)編碼的改進遺傳算法用于對模型的優(yōu)化計算,從而提高了算法的搜索效率?；趘c++編程設計了小水電站運行調(diào)度智能算法系統(tǒng)軟件,用類cbestga封裝了求解一般水庫調(diào)度問題的遺傳算法,并應用于一個實際的小水電站調(diào)度,實驗結果說明了遺傳算法用于水庫優(yōu)化調(diào)度的可行性和有效性

電工學是非電類工科學生的重要基礎課程。由于手工命題出卷存在難度不一,試題分布不盡合理和出卷工作繁重等問題,開發(fā)了電工學組卷程序。組卷程序可以根據(jù)不同的教學內(nèi)容選擇試題范圍、試題形式、題目分值和計算題的知識點,采用遺傳算法從試題庫中選擇合適的試題,給出試卷和答卷。經(jīng)試用后表明該組卷程序的界面簡潔,操作簡單,能滿足課程的要求。

提出一種改進的遺傳算法用于解決公路工程項目工期、成本和質量的多目標優(yōu)化問題。闡述了算法設計思路和流程步驟,給出了染色體結構和編碼設計。改進的交叉操作則考慮了子種群內(nèi)部交叉和子種群群間交叉兩種方式。通過實例仿真計算,驗證了該算法對工程項目多目標優(yōu)化問題的可行性和有效性。

對確定施工工期的４種方法進行了分析、比較，并介紹了一種新的方法——遺傳算法，同時指出了確定合理施工工期應采用智能決策支持系統(tǒng)的方法

為了克服量子遺傳算法(quantumgeneticalgorithm——qga)存在的\"早熟\"問題,本文將傳統(tǒng)遺傳算法中的變異算子引入量子遺傳算法,同時使用已搜索到的最優(yōu)個體更新量子門,以改善qga算法的全局收斂性,并將其成功地應用于解決水電站廠內(nèi)經(jīng)濟運行問題。文中結合某電站實例進行計算,結果表明,改進后的量子遺傳算法收斂速度更快,能夠滿足工程應用的實際需求。

模擬電路的元件參數(shù)很多,而且設計時需要兼顧多個性能要求,導致計算調(diào)整困難。針對此問題,提出一種以遺傳算法為基礎的參數(shù)自動設計方法。首先,以性能達標程度的加權和作為適應度評價函數(shù),為不同結構、不同性能要求的模擬電路建立了形式較為統(tǒng)一的數(shù)學評價模型;其次,采用子代競爭擇優(yōu)、精英超突變等策略改進遺傳算法,提高了算法的收斂速度和局部搜索能力,并對遺傳算法求出的元件參數(shù)做了可行化處理,使其滿足實際制作的需要;最后,利用該方法設計制作中心頻率為115mhz的電壓控制振蕩器,驗證方法有效性。

vhdl是用于邏輯設計的硬件描述語言,具有齊全的設計技術,應用方法也比較靈活,能夠解決信息交換和設計維護方面的困難,文章介紹了vhdl語言在數(shù)字邏輯電路設計中的應用方法,以便大家更好地掌握vhdl語言的應用。

分數(shù)延遲濾波器廣泛用于語音處理,回聲消除,多速率信號處理等方面。文中設計的fir可變分數(shù)延遲濾波器用于解決全數(shù)字接收機的時鐘同步問題。首先用傳統(tǒng)的加權最小平方誤差方法設計出濾波器參數(shù),然后通過遺傳算法對參數(shù)進行優(yōu)化并通過matlab仿真驗證算法的有效性,仿真結果表明所設計的濾波器有很好的幅度特性和相位延遲特性。

為了進一步提高可逆時序邏輯電路設計方法的通用性和改善可逆電路性能指標,以可逆主從d觸發(fā)器為基本單元,通過將時鐘信號及垃圾位信號級聯(lián)再利用,提出了一種可逆串行移位寄存器優(yōu)化設計方案。在此基礎上,通過目標函數(shù)構造及變換構建帶有移位控制的單元模塊,設計了滿足串行輸入串/并行輸出功能的n位可逆雙向移位寄存器。設計結果表明,采用方法所設計的可逆移位寄存器具有較優(yōu)的性能指標,且對于雙向移位寄存器綜合具有較好的通用性。

利用從發(fā)射臺骨架試驗模型獲取的模態(tài)參數(shù),選擇識別結果中精度較好的模態(tài)頻率作為模型修正的基準頻率。通過對待修正參數(shù)的靈敏度分析,運用ansys和matlab軟件對有限元模型進行了修正。以實測模態(tài)和計算模態(tài)之間的誤差建立一個帶約束邊界的非線性最小二乘目標函數(shù),將損傷識別問題轉化為優(yōu)化問題,引入量子遺傳算法處理模態(tài)參數(shù),進行結構的損傷識別。為了讓量子遺傳算法更適用于結構工程損傷識別領域,提出了改進的動態(tài)策略調(diào)整量子門旋轉角。以有限元模型焊接結點單元組彈性模量的降低模擬焊縫損傷,并假定了損傷工況,對發(fā)射臺骨架模型的數(shù)值仿真及試驗研究表明:該損傷識別方法識別效果較為理想,為解決這種復雜焊接結構焊縫損傷識別問題提供了新的思路。

提出求解水電站優(yōu)化調(diào)度問題的新方法——遺傳算法，它不同于經(jīng)典優(yōu)化算法的特點是，從多個初值點開始尋優(yōu)，沿多路徑搜索實現(xiàn)全局或準全局最優(yōu)，計算過程中不需要存儲狀態(tài)或決策變量離散點，大大減少計算機內(nèi)存，不必求導運算，編程簡單，是一種有效的自適應隨機搜索算法

基于遺傳算法的rc結構優(yōu)化設——結合我國現(xiàn)行的結構設計規(guī)范，對承受多工況荷載下的鋼筋混凝土框架結構離散變量的優(yōu)化設計問題，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換成最優(yōu)的且滿足規(guī)范和施工要求的實際配筋形式。...

基于遺傳算法的巖土本構模型辨識——通過對巖土本構模型辨識機理的分析，提出了基于遺傳算法的本構模型辨識方法，并用兩個工程實倒對該法進行了驗證。

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雜環(huán)境,將局部搜索優(yōu)化領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.在此基礎上本文構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,本文應用matlab仿真技術進行仿真模擬并與傳統(tǒng)方法做比較,從結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)化結果更精確。