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。

傳統的項目進度一維優化擴展至有偏好的二維目標（進度、成本）優化,同時將成本優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化,將無資源約束的環境擴展至資源約束下的復雜環境,將局部搜索優化領域擴展至全局范圍內的優化.在內容上,先對項目的單目標優化管理理論進行詳盡研究并指出其現實的局限性,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化方面的優勢.在此基礎上本文構建了基于三維目標偏好的項目管理優化仿真模型,解決了項目管理優化理論中最為重要的兩大問題：資源約束下的項目進度優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.

針對施工網絡計劃中的工期成本優化問題,采用遺傳算法對施工項目工期成本優化問題進行探討,以解決工程中不確定因素的問題,且優化結果更精確。

基于遺傳算法建立了面向工程項目的資源優化模型。通過在模型中構造一個能反映“資源分配”和“資源均衡”兩方面優化程度的適應度函數,并在復制操作中,對群中個體先進行分類再選擇復制,有效地解決了多種資源的綜合優化問題。給出了利用遺傳算法對資源優化問題的求解設計思路,闡述了算法的實現流程,并通過實例驗證了該模型的可行性。

將基于實數編碼的加速遺傳算法(raga)應用于多孔變徑管優化設計中,解決了設計中多維參數尋優問題,避免了傳統方法早熟、提前收斂以及易陷入局部最優等弊端。在固定管道式噴灌系統優化設計中應用,求解出多孔變徑管的最優管徑、管長等多維參數,效果較好,為該方面研究提供了一種新的優化求解方法

為解決最短路線動態規劃的維數障礙及模式欺騙性問題,提出了一種數組鏈染色體編碼方式及基于自適應性變異概率和模擬退火懲罰函數法的適應性遺傳算法(aga),仿真測試驗證了該算法的有效性.針對某發動機殼體制造工藝流程優化問題,采用質量功能展開法得到了各工藝方案的價值,以工藝路線的總價值最大為目標函數、總成本為約束條件,采用aga得到了一條最佳工藝路線.

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化問題的可行性和有效性。

為了確定建筑結構的最優阻尼,本文采用了具有魯棒性的臨界激勵法。使用臨界激勵法時,頻率作用區間較難確定,為此,本文通過模態變換以減少高階頻率的影響,這樣可以簡化頻率作用區間的搜尋。在保證結構抗震效果的前提下,為進一步減少結構總的阻尼增量并使優化算法簡單可行,本文引入實代碼遺傳算法。此外,通過實例分析可知,底部樓層阻尼取較大的值是有利的。

遺傳算法(ga)作為一種優化算法,用于結構可靠度分析,對目標函數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,不要求目標函數具有連續性、可導等假設,其結果與其他算法結果具有一致性。

以遺傳算法為基礎,設計出一種新的水電廠自動發電控制,該算法將約束條件采用罰函數法,從而將機組避免在非運行區工作。仿真計算驗證了該算法有效地解決了優化問題中對求解多約束的處理。程序設計簡單,收斂速度快。實驗證明多機組和大功率輸出時,受agc控制機組耗水量降低了1%~2%。

以遺傳算法為基礎,設計出一種水電廠自動發電控制算法。該算法有效地解決了優化問題中對求解多約束條件的處理問題。程序設計簡單,收斂速度快。仿真計算驗證了該算法的有效性。

建立了由沙畈水庫和金蘭水庫組成的串聯小水電群優化調度的數學模型,采用了改進遺傳算法對該模型進行優化計算。算法設計編程簡單、計算工作量小、收斂速度快。利用兩個水庫的入庫徑流實測值進行了仿真實驗,結果說明優化調度能比常規調度取得更大的經濟效益,同時也說明了遺傳算法是求解小水電群優化調度的可行而有效的方法。

就提高水電站水能利用率為目標,建立模型,通過數值方式進行運算,利用matlab采用遺傳算法模擬仿真了漫灣水電站機組優化運行;并比較了電站比較了采用傳統方法、采用優化算法以及采用優化算法下縮小峰谷負荷差和無峰谷負荷差幾種工況下耗水量,能夠提高水輪機發電效率的運行參數.

隨著電力市場化的逐步實施,發電企業將會參與市場競爭。水電廠經濟運行能提高1%～3%的水力效率,水電廠應盡快實現經濟運行。以豐滿水電廠發電機出力與耗流量函數為基礎,應用改進遺傳算法對水電廠進行計及開停機的優化調度計算。在改進遺傳算法中,采取了自適應和精英保留策略以及移民算子,提出了方向性變異的觀點,改進了變異方法。計算結果與自動發電控制(agc)方法進行了比較,表明算法具有一定的優勢。

以水電站運行成本最小為目標,提出了一種用混合遺傳算法實現大型電站最優運行計劃的方法。該方法考慮了機組能量特性差異,并能在旋轉備用、起停成本、空蝕振動區、機組可用性等約束條件下,制定出電站日內96段最優運行計劃。該方法避免了動態規劃等算法處理多約束、大型優化問題的困難,同時提高了遺傳算法的精度。算例表明,方法精度高,計算速度快。

本文針對電廠在給定時效以及約束條件下,如何求解機組間有功負荷的最優分配問題。從而達到合理安排水電站的運行方式,改善電廠及整個電力系統的供電質量、提高運行可靠性。文章對遺傳算法進行了深入研究,將這一理論應用到了上述問題,構建了基于遺傳算法的優化模型。

文章綜合考慮了變電站規劃的經濟性和安全性,提出了一種基于粒子群算法(pso)和遺傳算法(ga)相混合的變電站優化規劃算法。該算法運用繁殖因子動態劃分子種群、最佳保持策略和ps0算子等思想,并通過實例進行編程計算,結果表明該算法比遺傳算法或粒子群算法求得的解更優。

以蝸輪的有色金屬齒圈體積最小為目標函數,并從設計經驗本身、運動性能、邊界條件等方面建立合理的約束條件,建立了蝸輪齒圈的優化設計數學模型。應用matlab遺傳算法工具箱尋求全局最優解。優化結果表明,采用遺傳算法能夠快捷有效地對蝸桿齒輪進行優化設計,是對蝸桿齒輪優化設計的一種有效方法。

文章在遺傳算法的基礎上,從"候梯時間"與"候梯人數"兩個角度對目前已有的電梯調度算法進行優化。本研究在保證調度效率的同時提高電梯乘客的使用滿意率,從而為電梯調度算法的研究提供一種新的方向。

首先介紹了無功優化的定義及在配電網中的作用,然后介紹了經過改進的遺傳算法在配電網無功補償優化方面的應用,并且與傳統遺傳算法相比,改進的遺傳算法解決了傳統遺傳算法過早收斂的問題,同時存在局部最優、計算復雜的缺點。

針對電梯群控調度過程中交通流不確定的問題,建立了魯棒優化模型,利用遺傳算法對所建模型進行求解.對于不確定線性優化問題,研究了不確定集的選擇以及模型魯棒對等式轉化方法.仿真實驗中,利用電梯群控虛擬仿真環境對魯棒優化調度算法在不同交通流下進行了驗證.以300人/15min的混合交通流模式為例,魯棒優化算法的平均候梯時間比靜態分區算法降低12.77s;平均乘梯時間比最小等待時間算法降低9.7s;電梯啟停次數比靜態分區算法少8次.實驗結果表明,魯棒優化調度算法對不同交通模式具有更好的適應性,可以減小交通流不確定性的影響,提高電梯群控調度性能.

以二倍體遺傳算法為基礎,設計了一種梯級水電廠自動發電控制(agc)算法。該算法既可用于離線制定梯級水電廠的日發電計劃,又可用于梯級水電廠的實時發電控制。算法中,出力限制條件在負荷分配方案的編碼中自動滿足,其它約束條件如負荷平衡、水量平衡(考慮梯級水庫間的水流流達時間)等則在計算個體適應值時予以考慮。算法程序設計簡單,收斂速度快。仿真計算驗證了該算法的有效性