关键词： 混合遗传算法   配电网故障   区段自动定位  

摘要： 现实配电网通常由大量节点、线路和变压器组成。网络拓扑复杂,进而导致有源配电网故障区段定位精度下降。首先,对配电网故障特征进行了详细分析,包括短路故障和单相接地故障等类型。然后,依据故障特征分析结果,构建了一个适用于有源配电网的故障区段定位模型。最后,采用混合遗传算法来优化求解该定位模型,以获得精确的故障区段定位结果。实验结果表明:所提方法可以有效实现区段故障定位,且故障区段定位时间始终低于10s,最长仅为9s,表明所提方法定位性能较优,具有实用性。

关键词： 进化算法   系统论   扰动  

摘要： 文章主要探讨了系统论的扰动概念与遗传算法的融合,目标是解决一系列具有不确定性的优化问题。算法模拟了自然界的遗传机制,通过引入随机扰动来模拟不确定性,并在遗传进化过程中逐步提升解决方案的质量。在系统论中,“扰动”指的是对系统产生影响的外部因素,或者是由系统内部因素引起的偏差。这些扰动可能是随机的,也可能是周期性的。本算法展现出了高度的鲁棒性,即使在目标函数发生变化后,仍能保持良好的性能。因此,该算法可以被视为解决类似优化问题的强大工具。

关键词： RRT算法   遗传算法   无人机航迹约束  

摘要： 本研究探讨了基于改进RRT算法的多无人机集结航迹规划技术,研究人员对无人机二维航迹规划进行研究,改进了经典的RRT算法,提高了路径规划效率。在这个基础上,结合遗传算法进行航迹优化,无人机飞行路径完成了智能优化。研究结果表明,基于改进RRT算法的多无人机集结航迹规划技术在实际应用中表现出色。该技术为多无人机系统协同执行任务提供了有效的路径规划解决方案,应用前景广泛。

关键词： 遗传算法   混流生产   优化设计   Flexsim仿真  

摘要： 精密RV减速器是发展工业机器人技术的关键一环,但是目前国内仍很难对其实现规模化生产。文章针对RV减速器混流装配线存在的生产不平衡和整体效率低的问题建立数学模型,提出通过考虑紧前工序的交换变异遗传算法来解决传统遗传算法易陷入最优解的缺陷,然后采用Flexsim软件对RV减速器混流装配生产线进行建模和仿真,验证了所提方法的有效性。验证结果表明,优化后生产节拍缩短了0.8,生产平衡率提升了18%,而平滑度指数从1.3下降至0.72,生产效率得到显著提高。

关键词： 远程奔袭   多点空中加油   空中加油规划   改进遗传算法   路径优化  

摘要： 为解决飞机在执行远程奔袭任务中多次空中加油任务规划的问题,综合考虑任务的时效性与经济性,建立多点空中加油模型。对标准遗传算法进行改进,使之具有更快的搜索速度与计算效率。将任务划分为多个阶段,使用不同方法进行加油点的选取。仿真试验结果表明,该方法可以有效解决远程奔袭任务中飞机多点空中加油任务加油点选取的问题。

关键词： 港口   散粮码头   进出仓流程   排产模型   遗传算法  

摘要： 针对目前散粮码头整体智能化但排产过程依旧采用传统人工调度导致的效率低下问题,详细介绍码头进行粮食装卸时进出仓、倒仓等工艺流程,确定以最小化船舶总在港时间为目标,建立卸船作业计划模型;以最小化总工时为目标,建立装车作业计划模型;利用基于矩阵实数编码、重新设计种群初始化、精英保留策略的遗传算法对模型进行求解。试验表明,该算法可以快速获取最优排产方案,能有效提高散粮码头生产效率和周转率,减少船舶总在港时间,实现智能科学化排产。

关键词： 改进遗传算法   超高强钢   硬化模型   折弯成形   回弹预测  

摘要： 针对目前特殊用途车辆用超高强度钢板在折弯成形工艺中存在的回弹剧烈问题,提出一种基于改进遗传算法的超高强钢硬化模型参数确定方法,实现超高强度钢板折弯回弹的准确预测。以超高强钢板6252为研究对象,首先构建一个考虑超高强钢材料应变硬化行为和Bauschinger效应的Yoshida-Uemori硬化模型框架;然后结合有限元仿真软件LS-DYNA和改进遗传算法准确地确定硬化模型框架中的材料特性参数;最后基于DYNAFORM平台对6252超高强钢工件进行了折弯回弹的预测。实际的折弯试验表明,回弹模拟结果与实际回弹角度之间的误差在2%以内,验证所标定的超高强钢硬化模型参数的可靠性,说明在该参数集支持下的Yoshida-Uemori硬化模型能够较好地描述超高强钢板的动态特性。所提出的方法为超高强度钢零部件的高精度成形工艺设计提供有效指导。

关键词： 数联网   标识解析   数据布局   启发式算法   遗传算法   粒子群优化算法  

摘要： 数联网是为解决目前互联网数据资源共享交互过程中传输效率低、协调成本高、安全管控难等缺陷而提出的一种新型信息基础设施。标识解析系统是实现数据流通的关键,但随着标识注册量和解析量的迅速增长,解析节点正面临着大量高并发解析请求,服务质量将变得难以保证。针对该问题,考虑数联网标识解析系统中节点架构的特点,以降低解析时延为目标,提出一种基于遗传算法的自适应离散粒子群优化算法(DPSO-GA)来对标识进行合理布局。该方法综合考虑节点之间的带宽、标识数量和节点容量等因素对解析时延的影响,引入遗传算法的交叉操作和变异操作,对粒子群优化算法的惯性权重因子采取自适应策略,对学习因子采取线性增减的策略。实验结果表明,相较于传统粒子群优化算法及遗传算法,该算法优化效果分别提升了48.9%和19.9%,增加了种群进化的多样性及搜索范围,减少了算法的时间复杂度以及陷入局部最优解的可能性,且能较稳定地降低标识解析时延。

关键词： 智能园区导航系统   旅行商问题   蚁群算法   遗传算法  

摘要： 旅游园区智能导航系统的设计一般采用蚁群算法规划路径,综合考虑每个景点的线路距离、地理位置等因素,为不同年龄段的游客推荐不同的观光线路;但经典的蚁群算法在解决路径规划问题上容易陷入局部最优,且存在规划效率低下和收敛速度慢等问题。为此,文章采用经典蚁群算法和遗传算法相结合的改进蚁群算法来提高园区智能导航系统观光路径规划效率。首先,利用遗传算法采用交叉和变异的策略产生寻找最优路径的初始信息素分布;再利用蚁群算法分别对算法中的启发函数、信息素更新机制、状态转移策略进行优化,从而求出旅行商问题最优解,进而优化线路。仿真实验结果显示,在α=1.5、β=3、ρ=0.5、Q=300、重复迭代250次的条件下,改进的蚁群算法在第87次迭代收敛,收敛路径距离为305.62 m;而经典蚁群算法在第196次迭代收敛,收敛距离为519.74 m。可见,改进的蚁群算法解决了经典蚁群算法存在的收敛慢和路线规划距离长等缺陷,在寻找最优解的问题上获得了更高的速率,提高了线路规划的效率。

关键词： 路基沉降   软土   沉降预测   支持向量机   遗传算法  

摘要： 为实现软土地质条件下公路路基的沉降预测,提出了一种基于遗传算法优化支持向量机的路基沉降预测模型。采用支持向量机算法构建了软土路基沉降预测的基本模型,用遗传算法对模型超参数进行了调优,以公路沉降观测点的监测数据为样本建立了GA-SVM的路基沉降预测模型。结果表明:遗传算法可以有效提高支持向量机对沉降数据的拟合精度;GA-SVM沉降预测模型对10个验证集样本的平均误差和均方根误差分别为0.001 5 mm、0.015 5 mm;未来10期观测点位的路基结构趋于稳定,稳定后的平均预测沉降量约为0.03 mm/d。