基于遺傳算法的動(dòng)力配煤優(yōu)化模型的研究及其軟件實(shí)現(xiàn).pdf

1、本文在前人研究的基礎(chǔ)上,對(duì)簡(jiǎn)單遺傳算法作了改進(jìn).首先利用GA不需要目標(biāo)函數(shù)的可微性這個(gè)特點(diǎn),直接采用f<,j>(x)作為罰函數(shù),替代優(yōu)化界傳統(tǒng)上為保證目標(biāo)函數(shù)F(x)的梯度處處存在而采用f<'2><,j>(x)的罰函數(shù)形式,降低了優(yōu)化結(jié)果中不可行解的比例,提高了解的可靠性;其次通過(guò)理論的分析,找出了簡(jiǎn)單遺傳算法使用適應(yīng)度比例選擇法的缺陷,并運(yùn)用Boltzmann選擇法替代適應(yīng)度比例法,進(jìn)一步提高了動(dòng)力配煤優(yōu)化結(jié)果的準(zhǔn)確性和穩(wěn)定性;再次,

2、針對(duì)罰函數(shù)法處理約束優(yōu)化問(wèn)題時(shí),罰因子難以確定的情況,以及運(yùn)算結(jié)果偶爾會(huì)出現(xiàn)不可行解的缺陷,本文使用了GA獨(dú)有的直接比較-比例法,DCPM-GA進(jìn)行動(dòng)力配煤優(yōu)化,保證了結(jié)果的可靠性;最后,本文采用面向?qū)ο筌浖O(shè)計(jì)法,在前面的研究成果的基礎(chǔ)上,設(shè)計(jì)了配煤優(yōu)化模塊--動(dòng)力配煤優(yōu)化引擎.全文共分四章.第一章為綜述,大致介紹了動(dòng)力配煤的研究現(xiàn)狀,并對(duì)幾種優(yōu)化算法進(jìn)行了比較,提出了本文需要研究的內(nèi)容;第二章為本文的主要部分,這個(gè)部分從簡(jiǎn)單遺傳算法