微粒群算法[PSO ] 是由Kennedy 和Eberhart等于1995 年开发的一种演化计算技术, 来源于对鸟群捕食过程的模拟。PSO同遗传算法类似，是一种基于叠代的优化工具，但与遗传算法使用遗传操作子进行优化不同，利用群体中各个体之间的“协作”与“竞争”关系，根据自身及其竞争者的飞行经验，调整自己的行为。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。
上传时间： 2017-03-12
上传用户：2525775
电机优化设计是复杂的有约束、非线性、混合离散多变量规划问题.该文在对电机优化设计理论进行研究的基础上,从一般传统的优化方法入手,对电机的全局优化设计方法特别是遗传算法进行了详细的研究和探讨.该论文的主要工作包括:(1)对适应于电机优化设计的常用传统优化方法(HOOKE-JEEVES法、MDOD法和SUMT法)进行了较为详细的研究,给出了各种方法的计算流程和步骤;(2)对全局优化的理论和方法进行了研究,分析了全局优化方法中的随机实验法、模拟退火算法和模拟进化算法各自的特点,对遗传算法的工作原理及其诸要素进行了详细的探讨;(3)在对遗传算法的基本原理进行研究的基础上,进行了电机优化设计遗传算法的研究,分析了各要素对电机优化设计遗传算法性能的影响;(4)建立了三相异步电机多目标优化设计的数学模型,分别编制了基于HOOKE-JEEVES法、MDOD法和多轮进化遗传算法的电机优化设计程序,并对使用各种优化方法优化的结果进行了对比分析.
上传时间： 2013-04-24
上传用户：tonyshao
遗传算法程序遗传算法程序遗传算法程序遗传算法程序遗传算法程序
上传时间： 2013-04-24
上传用户：nanjixehun
遗传算法是基于自然选择的一种鲁棒性很强的解决问题方法。遗传算法已经成功地应用于许多难优化问题，现已成为寻求满意解的最佳工具之一。然而，较慢的运行速度也制约了其在一些实时性要求较高场合的应用。利用硬件实现遗传算法能够充分发挥硬件的并行性和流水线的特点，从而在很大程度上提高算法的运行速度。 本文对遗传算法进行了理论介绍和分析，结合硬件自身的特点，选用了适合硬件化的遗传算子，设计了标准遗传算法硬件框架；为了进一步利用硬件自身的并行特性，同时提高算法的综合性能，本文还对现有的一些遗传算法的并行模型进行了研究，讨论了其各自的优缺点及研究现状，并在此基础上提出一种适合硬件实现的粗粒度并行遗传算法。 我们构建的基于FPGA构架的标准遗传算法硬件框架，包括初始化群体、适应度计算、选择、交叉、变异、群体存储和控制等功能模块。文中详细分析了各模块的功能和端口连接，并利用硬件描述语言编写源代码实现各模块功能。经过功能仿真、综合、布局布线、时序仿真和下载等一系列步骤，实现在Altera的Cyclone系列FPGA上。并且用它尝试解决一些函数的优化问题，给出了实验结果。这些硬件模块可以被进一步综合映射到ASIC或做成IP核方便其他研究者调用。 最后，本文对硬件遗传算法及其在函数优化中的一些尚待解决的问题进行了讨论，并对本课题未来的研究进行了展望。
上传时间： 2013-07-22
上传用户：谁偷了我的麦兜
针对单件车间调度问题，设计一种基于整数编码的单亲遗传算法。该算法既具有单亲遗传算法运算量小、不存在“早熟收敛”现象等优点，在编码中又体现了单件车间调度的“保序性”等工艺约束条件，增强了调度算法的整体性
上传时间： 2013-04-24
上传用户：笨小孩
遗传算法是一种基于自然选择原理的优化算法，在很多领域有着广泛的应用。但是，遗传算法使用计算机软件实现时，会随着问题复杂度和求解精度要求的提高，产生很大的计算延时，这种计算的延时限制了遗传算法在很多实时性要求较高场合的应用。为了提升运行速度，可以使用FPGA作为硬件平台，设计数字系统完成遗传算法。和软件实现相比，硬件实现尽管在实时性和并行性方面具有很大优势，但同时会导致系统的灵活性不足、通用性不强。本文针对上述矛盾，使用基于功能的模块化思想，将基于FPGA的遗传算法硬件平台划分成两类模块：系统功能模块和算子功能模块。针对不同问题，可以在保持系统功能模块不变的前提下，选择不同的遗传算子功能模块完成所需要的优化运算。本文基于Xilinx公司的Virtex5系列FPGA平台，使用VerilogHDL语言实现了伪随机数发生模块、随机数接口模块、存储器接口/控制模块和系统控制模块等系统功能模块，以及基本位交叉算子模块、PMX交叉算子模块、基本位变异算子模块、交换变异算子模块和逆转变异算子模块等遗传算法功能模块，构建了系统功能构架和遗传算子库。该设计方法不仅使遗传算法平台在解决问题时具有更高的灵活性和通用性，而且维持了系统架构的稳定。本文设计了多峰值、不连续、不可导函数的极值问题和16座城市的旅行商问题 (TSP)对遗传算法硬件平台进行了测试。根据测试结果，该硬件平台表现良好，所求取的最优解误差均在1％以内。相对于软件实现，该系统在求解一些复杂问题时，速度可以提高2个数量级。最后，本文使用FPGA实现了粗粒度并行遗传算法模型，并用于 TSP问题的求解。将硬件平台的运行速度在上述基础上提高了近1倍，取得了显著的效果。关键词：遗传算法，硬件实现，并行设计，FPGA，TSP
上传时间： 2013-06-15
上传用户：hakim
·用于最优化的计算智能.pdf遗传算法原理及应用.pdf遗传算法与工程设计.pdf遗传算法及其应用.pdf遗传算法的数学基础.pdf遗传算法——理论、应用与软件实现.pdf演化程序——遗传算法和数据编码的结合.pdf进化算法.pdf计算智能中的仿生学：理论与算法.pdf非数值并行算法：遗传算法.pdf
标签： 算法
上传时间： 2013-04-24
上传用户：zukfu
基于遗传算法的组合逻辑电路的自动设计，依据给出的真值表，利用遗传算法自动生成符合要求的组合逻辑电路。由于遗传算法本身固有的并行性，采用软件实现的方法在速度上往往受到本质是串行计算的计算机制约，因此采用硬件化设计具有重要的意义。为了证明基于FPGA的遗传算法的高效性，设计了遗传算法的各个模块，实现了基于FPGA的遗传算法。
上传时间： 2014-01-07
上传用户：909000580
遗传算法应用于电网规划的难点与改进
上传时间： 2014-12-23
上传用户：894448095
电加热炉是典型工业过程控制对象，其温度控制具有升温单向性，大惯性，纯滞后，时变性等特点，很难用数学方法建立精确的模型和确定参数。而PID控制因其成熟，容易实现，并具有可消除稳态误差的优点，在大多数情况下可以满足系统性能要求，但其性能取决于参数的整定情况。且快速性和超调量之间存在矛盾，使其不一定满足快速升温、超调小的技术要求。模糊控制在快速性和保持较小的超调量方面有着自身的优势，但其理论并不完善，算法复杂，控制过程会存在稳态误差。 将模糊控制算法引入传统的加热炉控制系统构成智能模糊控制系统，利用模糊控制规则自适应在线修改PID参数，构成模糊自整定：PID控制系统，借此提高其控制效果。 基于PID控制算法，以ADuC845单片机为主体，构成一个能处理较复杂数据和控制功能的智能控制器，使其既可作为独立的单片机控制系统，又可与微机配合构成两级控制系统。该控制器控制精度高，具有较高的灵活性和可靠性。 2 温度控制系统硬件设计 该系统设计的硬件设计主要由单片机主控、前向通道、后向通道、人机接口和接口扩展等模块组成，如图l所示。由图1可见，以内含C52兼容单片机的ADuC845为控制核心．配有640 KB的非易失RAM数据存储器、外扩键盘输人、320x240点阵的图形液晶显示器进行汉字、图形、曲线和数据显示，超温报警装置等外围电路；预留微型打印机接口，可以现场打印输出结果；预留RS232接口，能和PC机联机，将现场检测的数据传输至PC机来进一步处理、显示、打印和存档。
上传时间： 2013-10-11
上传用户：vodssv
