主要介绍了基于等代设计法的复合材料风力机叶片初始铺层设计,总结了叶片各剖面厚度计算方法;基于Matlab与ANSYS交互机制,建立了以单层层合板厚度为参数变量,使叶片总质量达到最小为目标的优化模型,分别采用遗传算法(SGA)及改进遗传算法(ASGA)对叶片结构进行优化。与ANSYS自带优化算法进行比较,叶片重量明显降低,收敛效果明显,体现了ASGA算法的优越性,为后续结构优化方法提供参考。

为了解决煤泥浮选泡沫图像分割中传统分水岭算法的过分割问题,提出了一种基于自适应标记提取的改进分水岭算法。该方法首先对浮选泡沫图像进行高斯滤波,再运用基于形态学的扩展最大值技术从泡沫图像中自适应提取标记,利用标记对梯度图像进行修改,最后使用分水岭算法对修正后的梯度图像进行分割。试验结果表明,改进后的算法克服了标记提取需要先验知识、分割过程繁琐等问题,使参数选取更加合理,分割结果更加准确。

改进遗传算法优化光组播网络编码链路数目

利用matlab改进遗传算法并给出求解程序

为实现对双陷波超宽带(UWB)天线的精准神经网络建模,提出了一种利用改进的果蝇算法(FOA)优化广义回归神经网络(GRNN)的建模方法。该方法通过扩大果蝇搜索范围,在味道判定公式中引入调整项来实现果蝇算法的改进,并用改进后的果蝇算法优化GRNN的光滑因子。这样可以避免果蝇算法陷入局部最优,提高模型预测精度。将该方法用于双陷波超宽带天线模型的建立中,并对天线的S11参数和电压驻波比VVSWR参数进行预测。结果表明,相比于FOA-GRNN建模方法和GRNN建模方法,S11参数的最大相对误差分别减小了91.08%和99.14%;VVSWR参数的最大相对误差分别减小了98.36%和99.18%,使超宽带天线建模精度得到提高,验证了该方法的可行性。

遗传算法是一种比较成熟的智能算法，一般通过改进遗传算法的算子达到提高算法性能的目的。提出一种改进的遗传算法，遗传算子是基于近邻选择策略设计的，另外还对评估函数、种群多样性以及保留精英算子等方面对遗传算法进行了改进，并将其应用到旅行商问题的求解上，实验结果表明提出的算法是有效的。

针对冗余捷联惯组故障检测问题，采用广义似然比法（GLT）验证在特定冗余捷联惯组配置（三套正交安装的捷联惯组）下的故障检测的可行性及其检测效果。针对不同的传感器配置的几何安装矩阵 ，分别进行了仿真试验，通过改进传统的Potter算法，解决了Potter算法不能检测出某些传感器故障的问题。

作业车间调度问题是将多台机器安排处理多个工件的组合优化问题，使最大完工时间达到最小。应用传统萤火虫算法求解时，萤火虫个体到达最优解附近时，相对吸引力逐渐增强，导致局部搜索能力减弱，造成求解结果在最优解附近震荡，进而使求解精度下降。为改善解的质量，本文在萤火虫算法迭代过程中引入精英选择策略，保护进化过程中的优秀个体，避免最优解丢失；为提高算法收敛速度与求解精度，对萤火虫位置更新方法引入基于种群规模和迭代次数的动态自适应惯性权重；同时对每一代萤火虫种群最优个体引入禁忌搜索算法，提高局部搜索能力。仿真结果表明本文所提出改进算法在解决作业车间调度问题上的有效性与实用价值。

为了解决传统遗传算法中易早熟和陷入局部最优，造成收敛慢，效率低的问题，提出了一种改进的遗传算法GBLSA(Genetic Based on Link-State Algorithm)。对遗传算法的基本算子进行改进，其中将链路状态算法强大的寻优能力融入交叉算子中，保证个体逐代进化。引入与遗传代数相关的自适应概率，提高了遗传算法的搜索效率和收敛速度。仿真实验表明，与传统遗传算法和TSPLIB标准值相比，提出的方法得到的结果路径更优，效率更高。