摘要：针对树状管网布置中较多依赖设计人员经验的特点,提出了一种基于整数编码遗传算法的树状管网两级优化方法。第一级优化是根据树状管网单点供水的原则,建立了融合工程设计经验的树状管网优化布置整数编码遗传算法模型,克服了传统二进制编码方法易产生不可行解的问题,可快速寻找出一组符合工程实际情况的管网布置方案。第二级优化在确定管网布置方案组的基础上采用整数编码的遗传算法,以投资最小为目标,建立了管径优化模型与算法。编制了灌溉管网两级优化设计Matlab程序,进行了工程实例验证。与单亲遗传算法(SPGA)和管网布置经验设计方法进行了比较,表明本文提出的基于整数编码的管网优化设计方法可方便地将设计经验融合到优化计算过程中,能降低管网优化设汁的复杂性和求解难度,快速有效求解符合工程实际的管网优化方案。

摘要：该文针对稀布阵列综合问题,提出一种基于整数编码遗传算法的优化设计方法。采用整数编码的个体描述方式在保证阵元稀布率恒定的同时,减小了搜索的空间。在优化阵元分布的基础上采用凸优化方法进一步优化阵列权值,显著提高了阵列方向图的主副瓣比。仿真数据结果验证了方法的有效性和优越性。

摘要：应用基于整数编码的改进遗传算法进行环状管网管径优化设计 ,既可避免编码冗余问题 ,又可提高算法的实用性和计算效率 。

摘要：建立了以投资最小为目标函数的树状灌溉管网优化数学模型,并采用整数编码改进遗传算法对模型进行求解。针对完整树状管网优化的特点,通过对整数编码的编码方式进行改进,实现了同时对管网中管线连接关系和管径的优化。改进了目标函数映射到适应函数的变换方式,设计了随机多父辈交叉方法,提出了2种与优化问题相适应的变异方法,从而提高了算法的优化性能。

摘要：轻量化是起重机的发展趋势之一,利用优化技术减轻主梁质量是其关键而有效的方法之一。首先,综合考虑主梁设计模型中变量的离散性与连续性以及各类约束,对传统主梁优化模型进行了补充与改进;然后,对传统的整数编码遗传算法进行了改进,保留了选择、交配、变异操作产生的群体,扩大了搜索空间,能够处理新的主梁优化模型中设计变量取值区间不同、变量间有约束的情况;最后,以浙江省某企业的QD型起重机为实例,利用改进的整数编码遗传算法对主梁进行了优化求解,同时通过与现有算法的比较,优化模型的有效性和算法的收敛稳定性得到了验证。

摘要：基于遗传算法的求解TSP(Traveling Salesman Problem)研究是近几年的研究热点。设计高效的遗传算法求解,有重要的理论意义和实用价值。本文考察了基于整数编码的遗传算法的选择算子、交叉算子、变异算子,运用选择性集成的思想,将几种算子集成,随进化的进程对交叉概率和变异概率做自适应调整,用Matlab编写遗传算法程序,求解中国31城市TSP问题,获得了优于目前同类工作的结果。

摘要：以管网年费用折算值为目标函数,以管网布置形式及管径为优化参数,建立了树状供水管网的优化设计模型。利用基于整数编码的粒子群算法对这一模型进行了求解,该方法以某一管网连接状态及各管段管径作为粒子群个体,采用整数编码,通过不断地更新粒子的位置来搜索最优的管网结构及管径值,实现了对管网布置形式及管径的同时优化。优化过程中,对进化过程中产生的不可行解进行处理,提高了优化效率。实例表明,将粒子群算法应用于树状管网优化设计中可以获得更好的优化结果和效率。

摘要：室内大空间消防系统通常采用多个固定式智能消防水炮组成水炮群进行灭火。为改善室内多消防水炮对多火源灭火效率,提出一种基于火灾损失代价和灭火时间代价的粒子群任务规划算法。首先,采用整数编码方式对粒子进行编码,一组编码对应一组任务分配解;然后,应用非线性自适应权重更新方法动态调整算法关键参数,提升算法性能。为避免陷入局部最优解,采用基于模拟退火的自适应粒子群算法,以一定概率接受差解,提高粒子多样性,帮助算法跳出局部最优。针对火源动态变化和灭火过程中新发火源,设计了一种分阶段任务规划策略,与所提算法结合可有效解决动态规划问题。实例仿真结果表明,该算法在寻优效率和结果稳定性方面优于标准粒子群算法和自适应粒子群算法,具有良好的应用价值。

摘要：采用基于整数编码方式的连续粒子群算法解决重叠联盟生成问题.设计了粒子的编码方式,给出了编码有效性检查方法和无效编码的修正算法.为提高种群多样性,提出了粒子位置的二阶段初始化方法;针对粒子易陷入局部极值问题,给出了粒子重新初始化机制.对出现停滞现象的粒子群,围绕其加权重心位置重新初始化,引导粒子突破了局部极值的限制.最后,通过实验验证了算法的有效性.

摘要：针对多UCAV协同作战任务分配问题,建立了多目标整数规划模型,提出了基于整数编码的混合遗传算法.将约束分为全局约束和局部约束,根据局部约束将决策变量分为自由变量和非自由变量,仅对非自由变量进行编码,减少了染色体变化要素.设计了交叉算子和变异算子,以提高个体的约束满足率.以UCAV的SEAD任务为想定进行仿真,实验结果表明,该混合遗传算法可有效解决大规模整数规划问题,在求解效率和约束满足率上比标准遗传算法有显著提高.