遺傳算法的量子可逆邏輯電路綜合方法

基于遺傳算法的燒結(jié)配料優(yōu)化方法 摘要：配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到企 業(yè)的生產(chǎn)效益。傳統(tǒng)的燒結(jié)配料試算模型存在配料成分不穩(wěn)定，配 料成本高等諸多弊端，本文介紹了利用遺傳算法進(jìn)行燒結(jié)優(yōu)化配料 的方法，將優(yōu)化方案應(yīng)用到實(shí)際生產(chǎn)中取得明顯的經(jīng)濟(jì)效益。 關(guān)鍵詞：燒結(jié)優(yōu)化配料遺傳算法 中圖分類號：tf04文獻(xiàn)標(biāo)識碼：a文章編號：1007-9416（2013） 01-0118-02 1前言 配料是燒結(jié)的基礎(chǔ)，燒結(jié)配料效果的好壞直接影響到燒結(jié)礦的 化學(xué)成分及穩(wěn)定性，并影響到原料的使用成本。傳統(tǒng)的試算模型存 在配料成分不穩(wěn)定，配料成本高，配料能力不足，資源利用不合理 等諸多弊端。而傳統(tǒng)的求解最優(yōu)化方法又大多要求搜索空間具有連 續(xù)可導(dǎo)性，且通常只能給出局部最優(yōu)解，不易獲得全面最優(yōu)解。 近幾年來發(fā)展起來的遺傳算法則較好地解決了這些問題，遺傳 算法（geneticalgori

為了解決熱定型中影響成品織物門幅的工藝參數(shù)難以定量設(shè)計(jì)的關(guān)鍵技術(shù)難題。提出了將量子遺傳算法用于成品門幅模型工藝參數(shù)優(yōu)化設(shè)計(jì)中。建立優(yōu)化模型,基于該模型采用量子遺傳算法,實(shí)現(xiàn)了影響成品門幅的工藝參數(shù)精確定量設(shè)計(jì)。用該方法得到的工藝參數(shù)加工彈力布,生產(chǎn)成品的門幅與用戶要求指標(biāo)的偏差小于0.1%,完全滿足實(shí)際生產(chǎn)要求。同時(shí)將量子遺傳算法與遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中進(jìn)行比較,得出當(dāng)?shù)N群逐漸增大時(shí),量子遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中的優(yōu)勢更加明顯。

針對基于svm的模擬電路故障診斷中診斷參數(shù)的調(diào)節(jié)是通過試湊法或按照全局最優(yōu)的原則確定的,沒有考慮實(shí)際診斷要求,無法進(jìn)行各診斷環(huán)節(jié)參數(shù)同時(shí)調(diào)整優(yōu)化的現(xiàn)狀。提出一種適應(yīng)度模型用于遺傳算法參數(shù)尋優(yōu),把實(shí)際電路診斷要求量化成參數(shù)指標(biāo)引入模擬電路故障診斷的優(yōu)劣評估中;建立了基于遺傳算法的電路診斷模型參數(shù)閉環(huán)尋優(yōu)框架,對診斷系統(tǒng)的各部分參數(shù)優(yōu)化進(jìn)行整體度量,并分析了參數(shù)搜索算法的收斂性。通過實(shí)例診斷分析了閉環(huán)故障診斷參數(shù)尋優(yōu)框架下各部分的參數(shù)制定對決策的影響,說明了建立的閉環(huán)故障診斷模型參數(shù)尋優(yōu)框架和搜索算法的有效性和實(shí)用性。

遺傳算法(ga)作為一種優(yōu)化算法,用于結(jié)構(gòu)可靠度分析,對目標(biāo)函數(shù)和約束條件沒有過于苛刻要求,利用matlab軟件,引入遺傳算法編制相應(yīng)程序,驗(yàn)證已知功能函數(shù)的結(jié)構(gòu)構(gòu)件的可靠度。工程實(shí)例計(jì)算表明,結(jié)合遺傳算法分析結(jié)構(gòu)體系可靠度,不受搜索空間的限制性假設(shè)的約束,不要求目標(biāo)函數(shù)具有連續(xù)性、可導(dǎo)等假設(shè),其結(jié)果與其他算法結(jié)果具有一致性。

針對傳統(tǒng)的遺傳算法容易產(chǎn)生早熟收斂現(xiàn)象以及局部搜索能力較差等缺陷,結(jié)合魚群算法中具有加快尋優(yōu)速度的追尾行為和克服局部極值能力較好的聚群行為對其進(jìn)行改進(jìn)。將改進(jìn)后的遺傳算法應(yīng)用到框架結(jié)構(gòu)的可靠度分析中,并以門式框架結(jié)構(gòu)為例,建立了以單元截面積、外荷載為設(shè)計(jì)變量,可靠度指標(biāo)為目標(biāo)函數(shù)的優(yōu)化模型。分別采用jc法與改進(jìn)遺傳算法對門式框架結(jié)構(gòu)的可靠度指標(biāo)進(jìn)行對比計(jì)算,兩種算法在同一驗(yàn)算點(diǎn)不同荷載值下的可靠度指標(biāo)的計(jì)算結(jié)果相近,但改進(jìn)后的遺傳算法在分析過程中受到的約束條件較少,簡單高效。

為了實(shí)現(xiàn)可逆邏輯電路的可測性設(shè)計(jì),充分利用可逆邏輯電路中存在的輸出引腳,提出一種可逆邏輯電路測試綜合方法.通過定義可逆邏輯門的可觀性值和可控性值的計(jì)算方法,對可逆邏輯電路的可測性進(jìn)行建模;通過插入觀察點(diǎn),制定了可逆組合邏輯電路可測性實(shí)現(xiàn)方案;通過對現(xiàn)有的d觸發(fā)器進(jìn)行改造并構(gòu)建全新的掃描d觸發(fā)器,制定了可逆時(shí)序電路的可測性邏輯實(shí)現(xiàn)方案;最后分析了掃描d觸發(fā)器的工作特點(diǎn),規(guī)范了測試步驟,建立一種可逆邏輯電路的測試綜合方法.實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有方法相比,文中方法插入觀察點(diǎn)代價(jià)平均增加不到1%,但電路的可觀性平均能得到24%的改善.

本文以電梯群控系統(tǒng)作為研究對象,在對電梯控制技術(shù)進(jìn)行深入分析的基礎(chǔ)上,提出了一種新的基于遺傳算法的群控電梯智能調(diào)度方法。

針對以發(fā)電為主的小水電站單庫和串聯(lián)小水電站群,以水電站的發(fā)電引用流量為決策變量,以水電站在調(diào)度周期內(nèi)發(fā)電量最大為目標(biāo),分別建立了優(yōu)化調(diào)度的數(shù)學(xué)模型?；诟↑c(diǎn)數(shù)編碼的改進(jìn)遺傳算法用于對模型的優(yōu)化計(jì)算,從而提高了算法的搜索效率?；趘c++編程設(shè)計(jì)了小水電站運(yùn)行調(diào)度智能算法系統(tǒng)軟件,用類cbestga封裝了求解一般水庫調(diào)度問題的遺傳算法,并應(yīng)用于一個實(shí)際的小水電站調(diào)度,實(shí)驗(yàn)結(jié)果說明了遺傳算法用于水庫優(yōu)化調(diào)度的可行性和有效性

電工學(xué)是非電類工科學(xué)生的重要基礎(chǔ)課程。由于手工命題出卷存在難度不一,試題分布不盡合理和出卷工作繁重等問題,開發(fā)了電工學(xué)組卷程序。組卷程序可以根據(jù)不同的教學(xué)內(nèi)容選擇試題范圍、試題形式、題目分值和計(jì)算題的知識點(diǎn),采用遺傳算法從試題庫中選擇合適的試題,給出試卷和答卷。經(jīng)試用后表明該組卷程序的界面簡潔,操作簡單,能滿足課程的要求。

提出一種改進(jìn)的遺傳算法用于解決公路工程項(xiàng)目工期、成本和質(zhì)量的多目標(biāo)優(yōu)化問題。闡述了算法設(shè)計(jì)思路和流程步驟,給出了染色體結(jié)構(gòu)和編碼設(shè)計(jì)。改進(jìn)的交叉操作則考慮了子種群內(nèi)部交叉和子種群群間交叉兩種方式。通過實(shí)例仿真計(jì)算,驗(yàn)證了該算法對工程項(xiàng)目多目標(biāo)優(yōu)化問題的可行性和有效性。

對確定施工工期的４種方法進(jìn)行了分析、比較，并介紹了一種新的方法——遺傳算法，同時(shí)指出了確定合理施工工期應(yīng)采用智能決策支持系統(tǒng)的方法

為了克服量子遺傳算法(quantumgeneticalgorithm——qga)存在的\"早熟\"問題,本文將傳統(tǒng)遺傳算法中的變異算子引入量子遺傳算法,同時(shí)使用已搜索到的最優(yōu)個體更新量子門,以改善qga算法的全局收斂性,并將其成功地應(yīng)用于解決水電站廠內(nèi)經(jīng)濟(jì)運(yùn)行問題。文中結(jié)合某電站實(shí)例進(jìn)行計(jì)算,結(jié)果表明,改進(jìn)后的量子遺傳算法收斂速度更快,能夠滿足工程應(yīng)用的實(shí)際需求。

模擬電路的元件參數(shù)很多,而且設(shè)計(jì)時(shí)需要兼顧多個性能要求,導(dǎo)致計(jì)算調(diào)整困難。針對此問題,提出一種以遺傳算法為基礎(chǔ)的參數(shù)自動設(shè)計(jì)方法。首先,以性能達(dá)標(biāo)程度的加權(quán)和作為適應(yīng)度評價(jià)函數(shù),為不同結(jié)構(gòu)、不同性能要求的模擬電路建立了形式較為統(tǒng)一的數(shù)學(xué)評價(jià)模型;其次,采用子代競爭擇優(yōu)、精英超突變等策略改進(jìn)遺傳算法,提高了算法的收斂速度和局部搜索能力,并對遺傳算法求出的元件參數(shù)做了可行化處理,使其滿足實(shí)際制作的需要;最后,利用該方法設(shè)計(jì)制作中心頻率為115mhz的電壓控制振蕩器,驗(yàn)證方法有效性。

vhdl是用于邏輯設(shè)計(jì)的硬件描述語言,具有齊全的設(shè)計(jì)技術(shù),應(yīng)用方法也比較靈活,能夠解決信息交換和設(shè)計(jì)維護(hù)方面的困難,文章介紹了vhdl語言在數(shù)字邏輯電路設(shè)計(jì)中的應(yīng)用方法,以便大家更好地掌握vhdl語言的應(yīng)用。

分?jǐn)?shù)延遲濾波器廣泛用于語音處理,回聲消除,多速率信號處理等方面。文中設(shè)計(jì)的fir可變分?jǐn)?shù)延遲濾波器用于解決全數(shù)字接收機(jī)的時(shí)鐘同步問題。首先用傳統(tǒng)的加權(quán)最小平方誤差方法設(shè)計(jì)出濾波器參數(shù),然后通過遺傳算法對參數(shù)進(jìn)行優(yōu)化并通過matlab仿真驗(yàn)證算法的有效性,仿真結(jié)果表明所設(shè)計(jì)的濾波器有很好的幅度特性和相位延遲特性。

為了進(jìn)一步提高可逆時(shí)序邏輯電路設(shè)計(jì)方法的通用性和改善可逆電路性能指標(biāo),以可逆主從d觸發(fā)器為基本單元,通過將時(shí)鐘信號及垃圾位信號級聯(lián)再利用,提出了一種可逆串行移位寄存器優(yōu)化設(shè)計(jì)方案。在此基礎(chǔ)上,通過目標(biāo)函數(shù)構(gòu)造及變換構(gòu)建帶有移位控制的單元模塊,設(shè)計(jì)了滿足串行輸入串/并行輸出功能的n位可逆雙向移位寄存器。設(shè)計(jì)結(jié)果表明,采用方法所設(shè)計(jì)的可逆移位寄存器具有較優(yōu)的性能指標(biāo),且對于雙向移位寄存器綜合具有較好的通用性。

利用從發(fā)射臺骨架試驗(yàn)?zāi)Ｐ瞳@取的模態(tài)參數(shù),選擇識別結(jié)果中精度較好的模態(tài)頻率作為模型修正的基準(zhǔn)頻率。通過對待修正參數(shù)的靈敏度分析,運(yùn)用ansys和matlab軟件對有限元模型進(jìn)行了修正。以實(shí)測模態(tài)和計(jì)算模態(tài)之間的誤差建立一個帶約束邊界的非線性最小二乘目標(biāo)函數(shù),將損傷識別問題轉(zhuǎn)化為優(yōu)化問題,引入量子遺傳算法處理模態(tài)參數(shù),進(jìn)行結(jié)構(gòu)的損傷識別。為了讓量子遺傳算法更適用于結(jié)構(gòu)工程損傷識別領(lǐng)域,提出了改進(jìn)的動態(tài)策略調(diào)整量子門旋轉(zhuǎn)角。以有限元模型焊接結(jié)點(diǎn)單元組彈性模量的降低模擬焊縫損傷,并假定了損傷工況,對發(fā)射臺骨架模型的數(shù)值仿真及試驗(yàn)研究表明:該損傷識別方法識別效果較為理想,為解決這種復(fù)雜焊接結(jié)構(gòu)焊縫損傷識別問題提供了新的思路。

提出求解水電站優(yōu)化調(diào)度問題的新方法——遺傳算法，它不同于經(jīng)典優(yōu)化算法的特點(diǎn)是，從多個初值點(diǎn)開始尋優(yōu)，沿多路徑搜索實(shí)現(xiàn)全局或準(zhǔn)全局最優(yōu)，計(jì)算過程中不需要存儲狀態(tài)或決策變量離散點(diǎn)，大大減少計(jì)算機(jī)內(nèi)存，不必求導(dǎo)運(yùn)算，編程簡單，是一種有效的自適應(yīng)隨機(jī)搜索算法

基于遺傳算法的rc結(jié)構(gòu)優(yōu)化設(shè)——結(jié)合我國現(xiàn)行的結(jié)構(gòu)設(shè)計(jì)規(guī)范，對承受多工況荷載下的鋼筋混凝土框架結(jié)構(gòu)離散變量的優(yōu)化設(shè)計(jì)問題，提出了基于遺傳算法的優(yōu)化算法。通過建立配筋模板數(shù)據(jù)庫，將梁柱的計(jì)算配筋面積轉(zhuǎn)換成最優(yōu)的且滿足規(guī)范和施工要求的實(shí)際配筋形式。...

基于遺傳算法的巖土本構(gòu)模型辨識——通過對巖土本構(gòu)模型辨識機(jī)理的分析，提出了基于遺傳算法的本構(gòu)模型辨識方法，并用兩個工程實(shí)倒對該法進(jìn)行了驗(yàn)證。

傳統(tǒng)的項(xiàng)目進(jìn)度一維優(yōu)化擴(kuò)展至有偏好的二維目標(biāo)（進(jìn)度、成本）優(yōu)化,同時(shí)將成本優(yōu)化目標(biāo)分解為項(xiàng)目成本大小以及資源均衡度從而構(gòu)成三維目標(biāo)優(yōu)化,將無資源約束的環(huán)境擴(kuò)展至資源約束下的復(fù)雜環(huán)境,將局部搜索優(yōu)化領(lǐng)域擴(kuò)展至全局范圍內(nèi)的優(yōu)化.在內(nèi)容上,先對項(xiàng)目的單目標(biāo)優(yōu)化管理理論進(jìn)行詳盡研究并指出其現(xiàn)實(shí)的局限性,同時(shí)提出了智能啟化式方法-遺傳算法在資源約束下項(xiàng)目管理優(yōu)化方面的優(yōu)勢.在此基礎(chǔ)上本文構(gòu)建了基于三維目標(biāo)偏好的項(xiàng)目管理優(yōu)化仿真模型,解決了項(xiàng)目管理優(yōu)化理論中最為重要的兩大問題：資源約束下的項(xiàng)目進(jìn)度優(yōu)化以及資源約束下的三維目標(biāo)（項(xiàng)目進(jìn)度、項(xiàng)目成本以及資源均衡度）的優(yōu)化問題.為了驗(yàn)證此模型對以上問題的有效性,本文應(yīng)用matlab仿真技術(shù)進(jìn)行仿真模擬并與傳統(tǒng)方法做比較,從結(jié)果可以看出遺傳算法能夠更好的解決此類問題.

針對施工網(wǎng)絡(luò)計(jì)劃中的工期成本優(yōu)化問題,采用遺傳算法對施工項(xiàng)目工期成本優(yōu)化問題進(jìn)行探討,以解決工程中不確定因素的問題,且優(yōu)化結(jié)果更精確。