廣義遺傳算法研究及其工程應(yīng)用.pdf

1、本文研究了廣義遺傳算法的基本思想、理論基礎(chǔ)和實施過程，對廣義遺傳算法的宏觀策略和微觀策略分別進行了改進，提出了一種改進的廣義遺傳算法和一種新的微種群遺傳算法，并深入研究了它們在結(jié)構(gòu)動力優(yōu)化、結(jié)構(gòu)魯棒性優(yōu)化、非線性方程組求解等工程問題中的應(yīng)用。
　　 在廣義遺傳算法的研究方面：提出了防止近親繁殖和早熟收斂的異種機制，給出了一個判斷種群近親繁殖程度的判別式和兩種選擇異種的方法，從而提高了廣義遺傳算法的收斂效率；運用異種機制、種群隔離

2、機制、最優(yōu)保持策略、算術(shù)交叉、自適應(yīng)非均勻變異等方法對遺傳算法進行了改進，給出了改進的廣義遺傳算法的基本流程；提出了一種新的微種群遺傳算法，將廣義遺傳算法的思想引入微種群遺傳算法，把微種群遺傳算法的優(yōu)化過程劃分為漸進階段和驟變階段，加入了自適應(yīng)變異算子，在本文中，這一算法被稱為微種群廣義遺傳算法。
　　 在工程應(yīng)用研究方面：將改進的廣義遺傳算法與有限元方法相結(jié)合，用于研究結(jié)構(gòu)動力特性和結(jié)構(gòu)動力響應(yīng)的優(yōu)化。數(shù)值算例表明了該方法的有

3、效性和實用性；將改進的廣義遺傳算法與有限元方法相結(jié)合，采用Taguchi望目特性的SN比構(gòu)造了遺傳算法的目標(biāo)函數(shù)，研究了復(fù)雜載荷作用下帶有不確定性參數(shù)的結(jié)構(gòu)魯棒性優(yōu)化問題。數(shù)值算例表明，異種機制能夠有效地提高廣義遺傳算法收斂于全局最優(yōu)解的概率，加快收斂速度；應(yīng)用改進的廣義遺傳算法研究了非線性方程組的求解問題，數(shù)值算例表明應(yīng)用改進的遺傳算法不僅能夠求解非線性方程組的特解問題，還能求解以非線性方程組為約束條件的復(fù)雜優(yōu)化問題。