分享到:

重大事故人员应急疏散模型研究

近年来,化工企业重大事故频繁发生,尤其是大范围的毒气泄漏,给四周的居民和厂区内的工作人员的生命安全带来了极大的威胁。如何在事故发生后,有效地将有关人员安全疏散,已成为安全领域研究的重大课题。一种在思路和方法上较为新颖的优化算法——遗传算法(GeneticAlgorithm即GA)正在迅速兴起。它是建立在自然选择和自然遗传学基础上的迭代自适应概率性搜索算法,含有进化过程中的信息遗传思想以及生物界优胜劣汰的原则。在一定的条件下,GA能够收敛到全局最优解[1]。笔者就遗传算法,在重大事故中,对人员安全疏散的应用加以探讨。1 遗传算法  Begin  t:=0;initialize p(t);evaluate p(t);repeatt:=t+1;select p(t) from p(t-1);recombine p(t);evaluate p(t);  until(termination-condition);End图1 GA的基本计算...  (本文共5页) 阅读全文>>

《东北师大学报(自然科学版)》1980年40期
东北师大学报(自然科学版)

一种快速综合性的遗传算法

遗传算法(GeneticAlgorithms简称GA)自其创始人Holand于70年代初提出以来,在许多领域都有了成功的应用,尤其是近年来越来越多的学者投入到该研究领域.遗传算法是模拟自然界生物进化过程的计算模型.它依据适者生存、优胜劣汰的进化规则,对包含可能解的群体反复进行基于遗传学的操作,不断生成新的群体f并使群体不断进化,同时以全局并行搜索方式来搜索优化群体中的最优个体,以求得满足要求的最优解.GA比起其它搜索方法,如随机查找、梯度下降、模拟退火等,主要优点是简单、鲁棒性强.GA实现全局并行搜索,搜索空间大,并且在搜索过程中不断地向可能包含最优解的方向调整搜索空间,以便寻找到最优解或准最优解.用GA解决的问题越复杂、目标越不明确,其优越性越明显.但是与任何其他新生事物一样,遗传算法也存在着缺点,其中的主要问题是收敛速度慢、不成熟收敛和迭代次数多等问题.为了克服这些缺点,一些改进的遗传算法不断出现,如动态变量编码〔1〕、交叉...  (本文共5页) 阅读全文>>

《武汉交通科技大学学报》1980年50期
武汉交通科技大学学报

遗传算法寻优能力研究

遗传算法(GeneticAlgorithms,简称GA)是模拟达尔文自然选择、适者生存的生物进化过程的计算模型.它是由美国Michigan大学的JHol-land教授于60年代初期提出的,并于同年代中期形成其数学框架.进入七八十年代,遗传算法的研究蓬勃发展,吸引了大批的科技人员从事该领域的研究工作,在全世界范围内掀起的关于遗传算法的研究与应用热潮,各种改进方法层出不穷,遗传算法的应用渗透到了各个专业领域[1~5].本文简要介绍了遗传算法的基本思想和特点,计算并分析了各参数对简单遗传算法优化性能地影响规律,对遗传算法几种典型的改进措施分别进行寻优实验,得出一些实用的结论.1遗传算法的基本步骤目前已有许多遗传算法的改进措施,习惯上把JHoland教授提出的遗传算法称为标准的遗传算法,有时也叫简单的遗传算法(SimpleGe-neticAlgorithms,简称SGA),其基本步骤如下:1)编码由于遗传算法不能直接处理解空间的解数据,...  (本文共6页) 阅读全文>>

《科学通报》1998年24期
科学通报

连续解空间的复合遗传算法

遗传算法[川是一种无须进行敏度分析的随机全局优化算法,通过选种、杂交和变异,优胜劣汰,经过若干代的进化寻得最优解.这种方法已被成功地应用于许多复杂问题的优化计算之中.但是,由于这种优化方法缺乏摄取群体共同优良特征(即可以集中群体中每个个体的优势)的操作,时常在复杂优化问题的应用中产生效率偏低的情况.对于群体中个体的简单中和,其结果可能集中群体中各个体不利于优化设计的共同特征,也可能利弊中和,其结果无多大变化.在随机优化方法中,以复合形法[‘]最能代表群体特征的集中.它采用反射、扩张、压缩及旋转的操作实现寻优.利用复合形法改造进化代的最差个体,通过反射、扩张、压缩及旋转的操作迫使最差点向最好点靠拢,强行使其集中群体中有利于优化进化的共同特征.即在遗传算法的进化过程中,在完成选种之后,以复合形法改造交配池中最差个体,并使改造后的个体参与产生子代的杂交,同时,作为一个特殊个体随父代最佳个体一起直接参与复制.这就是复合遗传算法的思想.复...  (本文共7页) 阅读全文>>

《系统工程与电子技术》1980年70期
系统工程与电子技术

遗传算法及其应用

遗传算法及其应用郭宇春孙连举戴宗礼江涌航天工业总公司二院二部,北京100854摘要本文系统地介绍了遗传算法——一种新的鲁棒优化算法的基本思想和寻优过程。对遗传算法的特点和若干重要问题做了较详细的论述。最后综述遗传算法的应用及其在航空航天领域的应用前景。主题词遗传,优化设计,机器学习。GeneticAlgorithmsandItsApplicationsGuoYuchun,SunLianju,DaiZongliandJiangYongBeijingInstituteofElectronicSystemEnginering,100854Abstract:Akindofnewrobustnessoptimizationalgorithm__Geneticalgorithmisintro-ducedinthisarticle.Thebasicmethodsandoptimalproceduresareelaborated.Propert...  (本文共4页) 阅读全文>>

《重庆师范学院学报(自然科学版)》1980年40期
重庆师范学院学报(自然科学版)

遗传算法及其在土地利用总体规划中的应用

遗传算法(GA,GeneticAlgorithms)是Holand[美]提出的一种借鉴生物进化论中的遗传变异和自然选择原理,模拟生物在自然界中的进化过程所形成的一种新型的优化求解方法。1GA模型结构与关键技术GA的理论基础是达尔文的进化论学说。该学说认为决定生物进化的因素主要是遗传变异和自然选择。生物的进化是以种群为单位而不是以个体为单位。生物个体和种群对环境具有适应性,生物进化有一定的速度,而影响生物进化的因素主要有:①适合度,即生物能够存在并将其基因传给下一代的相对能力;②选择压力,一般来说,选择压力越小,生物进化的速度越慢,选择压力越大,突变发生的概率越大,进化的速度也就加快。较差的个体淘汰的速度越快,种群向较好的个体接近。1.1GA模型的结构遗传算法分为一般遗传算法(SGA,SingleGeniticAlgorithms)、多重群体遗传算法(MGA,Multi-GroupGeneticAlgorithms)或称改进遗传算...  (本文共5页) 阅读全文>>