遗传算法改进及篦冷机参数优化的研究

发布时间：2024-07-10 22:59

　　遗传算法是一种较好的最优解搜索技术,如何获得更加准确的遗传算法并提高种群的多样性能一直是研究的重点,本文对NSGA-Ⅱ多目标遗传算法和GA单目标遗传算法进行改进,提出了自适应多种群NSGA-Ⅱ多目标遗传算法和IGA单目标遗传算法,并采用IGA遗传算法优化MKLSSVM参数,建立IGA-MKLSSVM的模型辨识算法。分别利用IGA-MKLSSVM算法和自适应多种群NSGA-Ⅱ遗传算法对水泥篦冷机的关键参数进行模型建立和参数优化。具体研究工作如下:首先,针对NSGA-Ⅱ遗传算法搜索性能的局限性,提出一种AMP-NSGA2遗传算法。该算法利用间断平衡理论,构建多种群、多交叉算子操作方式,提高群体多样性;根据子种群对EXS解集贡献量的不同,采用Logistic模型,实现子种群的自适应调节,同时结合局部搜索方法,提高遗传算法的局部寻优搜索能力,通过实验仿真表明,本算法拥有较好的收敛性和寻优能力,为篦冷机参数优化提供算法基础。其次,针对GA遗传算法种群多样性差,局部寻优能力差等问题,提出IGA遗传算法。该算法利用多种群、多交叉算子遗传操作中对EXS解集的贡献量确定算法求解优化问题最具适应性的交叉算...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图2-1AMP-NSGA2遗传算法流程图

章提出一种自适应多种群NSGA-II遗传算法-----AMP-NSGA2：利用间断平建立多种群、多交叉算子的遗传操作模式。根据子种群对最优解集EXS的利用Logistic模型实现种群大小的自适应调节，结合局部寻优策略，从两个算法的寻优性能，改善个体在帕累托解集的分布和....

图2-2K-S正态分布检验

(1)正态分布检验：将AMP-NSGA2遗传算法对ZDT1问题所求的100个GD数据通过单个样本K-S检验方法进行正态分布检验，所得结果如图2-2所示。图2-2K-S正态分布检验由图2-2可验证此组数据符合正态分布，NSGA-II遗传算法对ZDT1问题的G....

图3-1IGA遗传算法多种群操作过程

GA遗传算法(IGA)。选用三阶多项式核函数、指数型径向基核函数函数3种核函数加权组合，构建等价核函数，建立多核最小二乘支。利用IGA优化MKLSSVM参数，建立模型辨识算法。为篦冷机辨识算法。遗传算法的构建GA遗传算法存在的种群多样性差、全局收敛性能差等缺点[....

图3-2最优解集区域划分图中：

第3章基于IGA-MKLSSVM的模型辨识算法研究MGA多种群遗传操作，在提高算法局部寻优能力的算子类型，并将其应用到下节的单种群遗传算法中传算法的建立度和运行时间，当EXS解集达到(1)精度时IG种群遗传操作SGA（Single-popu....

本文编号：4004864