为了降低供应链网络采购成本同时避免单源采购的风险,课题组研究了多源采购中多周期和多原料的供应链订单分配问题。考虑价格折扣和采购量的约束,建立了以期望成本最小化为目标的非线性规划模型,并采用遗传算法进行优化计算。设计了遗传算法双层编码染色体及相应的遗传算子,以MATLAB为平台进行优化。将算例分别采用遗传算法和启发式算法进行计算,计算结果验证很少了所设计的遗传算法是有效的。该研究可以协同优化多制造商对多供应商的订单分配问题,降低采购风险。
将差分-遗传混合算法用于分析直线隔水边界条件下的抽水试验数据,求解含水层参数。在易陷入早熟的遗传算法中,加入搜索能力强、受控参数少的差分进化算法,构成差分-遗传混合算法。该混合算法具有确定性运算和随机性搜索的优点,能够较好Tideglusib地平衡全局搜索和局部搜索。试验结果表明,差分-遗传混合算法能够有效地应用于分析抽水试验数据,识别含水层参数,与其他方法相比较,具有对初值的依赖性小、收敛性好和计算结果精度高等优点。
针对气动肌肉执行器(PMA)在控制中易受到模型参数不确定性影响,提出了一种基于遗传算法的T-S模糊逻辑控制器。以PMA的三元素模型为基础Selleck,建立了T-S模糊逻辑控制器;利用遗传算法在实验过程中调整和优化控制器中使用的PMA参数,从而克服了PMA参数不确定性的影响;将传统的模糊逻辑控制(FLC)、T-S模糊逻辑控制和经过遗传算法(GA)优化后的T-S模糊逻辑控制进行了对比实验。实验结果表明 采用遗传算法优化的T-S模糊逻辑控制误差范围为-2.1～+2.05 mm,优化后的T-S模糊逻辑控制克服了轨迹跟踪抖动,有效降低了跟踪误差,提高了控制精度。