遗传算法(GA)解决数据拟合和拟合方程中未知参数代码

本代码为遗传算法求解模型未知参数的程序，在建立模型的过程中，模型的待定系数通常是未知的，而通过数据拟合出来的模型无法求解，​遗传算法通过以下步骤： （1）初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体。 （2）个体评价：计算群体P(t)中各个个体的适应度。 （3）选择运算：将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的。 （4）交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子。 （5）变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1)。 （6）终止条件判断：若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算。 对未知参数进行求解，​当最优个体的适应度达到给定的阈值，或者最优个体的适应度和群体适应度不再上升时，或者迭代次数达到预设的代数时，算法终止。预设的代数一般设置为100-500代。 ​

基于NSGA-Ⅱ算法的寒区河道清淤工程工期成本优化

水利工程施工日益受到气候、环境、社会等非技术因素的制约，对进行优化以提高施工企业效益显得尤为重要。本文以寒区某河道清淤工程为实例，采用 NSGA-II 算法进行工期—成本多目标优化，利用 MATLAB 软件编制了清淤工程施工优化程序，得到工期和成本的最优组合。算例结果表明：优化结果符合工程实际情况，为工程节省了约 11%的投资，本文的方法可为实际工程施工进度优化控制提供有益的借鉴。

基于改进的CNN-SVM的机载燃油泵故障诊断

针对机载燃油泵故障诊断过程中存在需要先验知识、专家经验、特征解释及信号特征提取困难等问题，提出基于模拟退火遗传优化CNN-SVM的诊断方法。该方法利用CNN具有自动提取故障特征的特性实现特征快速提取。并针对传统CNN诊断方法所存在网络结构不确定、计算效率低等问题，采用模拟退火遗传算法对其模型结构和参数进行优化，使用SVM取代全连接层的Softmax分类器优化CNN分类效果，最后应用t分布随机近邻嵌入使其故障特征学习过程可视化，评估其特征提取能力。试验结果表明：与SA-GA-CNN、1DCNN、ANN、GA-SVM及GA-BP诊断方法相比，基于改进CNN-SVM的方法能更有效实现机载燃油泵的故障诊断。

基于差分进化算法的磁梯度张量系统误差校正

针对磁梯度张量系统存在单传感器三轴非正交、三轴灵敏度不一致和零偏以及多传感器测量轴非对准误差等问题，本文提出了一种基于改进差分进化算法的误差校正方法．首先，详细描述上述误差并建立数学模型．然后，基于匀强磁场环境中磁梯度张量系统测得的总磁场为定值、同一方向测量轴输出一致、磁梯度张量分量与张量不变量等于零的特点，提出了基于改进差分进化算法的误差参数估计方法．不同于传统的磁梯度张量系统两步校正方法，该方法只需进行一步反演即可实现单传感器误差参数和多传感器非对准误差参数估计．仿真结果表明：与遗传算法和最小二乘拟合方法相比，本文方法具有较高的求解精度和搜索效率，且抗噪能力较强．实测数据校正结果，本文方法可以降低磁梯度张量系统误差引起的测量误差，测量精度得到明显改善

基于量子遗传算法的反舰导弹航路规划

航路规划是影响反舰导弹突防能力和生存能力的一项关键技术。以反舰导弹航路规划为应 用背景，基于正弦波叠加法构建反舰导弹航路数学模型，在此基础上将量子遗传算法应用到反舰导弹航路规划中，通过量子旋转门保证种群的定向进化提高了寻优效率，经仿真试验验证了该方法的有效性，为反舰导弹航路规划提供了一种新的思路。

混合花朵授粉算法在作业车间调度中的应用

对最大完工时间最短的作业车间调度问题进行了研究，总结了当前求解作业车间调度 问题的研究现状，提出一种花朵授粉算法与遗传算法的混合算法。混合算法以花朵授 粉算法为基础，重新定义其全局搜索和局部搜索迭代公式，在同化操作过程中融入遗 传算法的选择、优先交叉和变异操作，进一步增强算法的勘探能力。通过26 个经典的 基准算例仿真实验，并与近 5年的其他算法比较，结果表明所提算法在求解作业车间 调度问题具有一定优势。

多目标优化-改进遗传算法路径规划模型

优化智能算法进行路径规划可以有效缓解用户出行拥堵问题，为此，设计了多目标优化改进遗传算法组合模型。采用 Ｄｉｊｋｓｔｒａ算法改进种群初始化策略，完全规避了断路和环路，提高了初始种群质量；设计基于邻接矩阵的深度优先遍历交叉策略、邻接限制半随机变异策略，兼顾算法全局搜索和局部寻优能力，解决了种群多样性降低、过早收敛的问题。同时，在设计适应度函数时，引入个体用户偏好权重系数，综合考虑了平均行驶时间、交叉口延误、道路拥挤状况、道路等级 ４种因素来进行多目标优化，为用户寻找符合个体期望的最优路径。研究结果表明，所提出模型相比于蚁群算法路径寻优效率提高了 ５４.３２２０％；相比于单目标路径寻优，最优路径综合代价降低了 ２３.６０９１％，有效避开了拥堵及交叉口多的路段。

一种改进的自适应免疫遗传算法

为了解决免疫遗传算法（IGA）存在的“停滞”问题和“早熟”问题，提出了一种改进的自适应免疫遗传算法（IAIGA）。首先通过在 IGA 中加入疫苗动态自适应提取策略以及交叉和变异操作的自适应策略对其进行改进，然后分别采用 IGA 和IAIGA 对 6 组基准函数进行了寻优仿真实验，比较了两种算法在搜索全局最优解、优化精度和收敛速度上的差别，最终结果表明，IAIGA 可解决 IGA 存在的“早熟”和“停滞”问题，收敛速度更快，收敛稳定性更好，寻优精度更高。

遗传算法求解带时间窗的车辆路径问题

随着互联网的进步，电子商务业的飞速发展，人们的生活愈 发信息化，车辆路径问题的客户已经从以前的大型超市、生产基 地等更多的落地到如家庭、个人等小而精的客户身上。带时间窗 的车辆路径问题（VRPTW）更加贴切现在和未来对于车辆路径 问题的描述。VRPTW 是 VRP 问题的一种常见的变体，配送车辆 容量有限，每一个客户都拥有一个特定的交付时间窗口所限定， 车队运输需要在客户的时间窗内抵达客户所在位置为客户服 务，否则将受到一定的惩罚。VRPTW 也被认为是 NP-hard[1] ，精 确算法求解车辆路径问题仅仅适用于规模较小的问题，而面对 现实世界中大型的 VRPTW 时，启发式和元启发式通常更加适 合[2] 。模拟退火（SA）、禁忌搜索（TS）[6] 、蚁群优化(ACO) [4] 、遗传算 法(GA)[3] 、粒子群优化（PSO）[5] 等算法已被证明可有效解决复杂 的多目标问题，在求解车辆路径问题上取得了显著的成果。本文 以最小化物流配送成本为目标，研究带时间窗的车辆路径问题， 建立数学模型;为克服遗传算法收敛速度慢的缺陷，设计并采用 了自适应大邻域算法中的破坏算子，通过局部搜索策略

基于多策略黑寡妇算法的断路器全寿命周期成本优化

合理的电力设备运维方案对降低全寿命周期成本、提高设备可靠性具有重要意义.为制定合理的预防性检修方案降低断路器全寿命周期成本,本文提出一种基于多策略黑寡妇算法(Multi-strategeyBlack Window OptimizationAlgorithm,MBWO)的断路器全寿命周期成本优化方法.首先,考虑不同检修方式对中断成本的影响,建立全寿命周期成本模型.其次,以断路器可靠性、预防性检修程度为约束条件构建年均成本最小目标函数.最后利用多策略黑寡妇算法对目标函数进行求解并将结果同其他算法进行比较.通过实例验证,MBWO 具备较好的收敛速度,能进一步降低断路器全寿命周期成本,提高设备可靠性,可以为断路器预防性检修方案的制定提供一定的参考