关于优化问题比较：传统的优化方法 （1）依赖于初始条件。 （2）与求解空间有紧密关系，促使较快地收敛到局部解，但同时对解域有约束，如可微或连续。利用这些约束，收敛快

本章对目前常用的几种智能优化计算算法作简单介绍,以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略

1.智能控制概论 2.模糊控制 3.神经元网络控制 4.模糊-神经网络控制 5.遗传算法 6.递阶智能控制理论

西安交通大学：智能控制概论-智能控制理论与方法_遗传算法（GA）

《机器学习》课程配套教学电子教案（PPT课件讲稿）第9章 遗传算法

【机器学习】一种基于模板缩减的新型粒子群遗传聚类算法

【智能系统】一种面向维修资源配送调度的遗传-烟花混合算法

利用Gleeble-1500热模拟试验机对6111铝合金进行高温拉伸试验,研究了其在变形温度为350、450和550℃以及应变速率为0.1、1和10 s-1时的热变形行为.6111铝合金的流变应力随温度升高而减小,随应变速率增大而增大,其热变形从应变硬化阶段过渡到稳态变形阶段.建立了综合考虑应变、温度和应变速率对流变应力的影响以及耦合位错密度的统一黏塑性本构模型,并通过遗传优化算法求解出本构模型中的材料常数.模型计算得到的真应力-真应变曲线与试验数据吻合较好

为能彻底解决群体智能算法早熟问题的同时保持原算法主体不变且可与现有优化理论协同优化，在前期仿真实验和理论证明的基础上，提出了一种逐层演化的改进策略.利用在原算法中构建基于搜索空间压缩理论的自适应系统，通过逐层的压缩、选择、再初始化的操作，以包括压缩后搜索空间在内的社会信息作为遗传知识，指导寻优过程，从而实现最终解精度的提升、避免早熟问题的出现.对基准函数进行仿真实验可以看出该策略在提升算法精度，增强后期个体活性方面具有良好的表现

钢坯热轧加热炉区生产调度属于组合优化中的NP-complete问题.本文根据加热炉区生产特点建立了分别以生产能耗最小化和加热质量最优化为主次目标的钢坯加热炉区调度数学模型,将其归结为布尔可满足性问题,构造了采用二进制编码方式的遗传禁忌搜索算法进行求解.基于实际生产数据的模拟优化结果表明,该模型和求解方法充分满足了现场加热炉区生产调度的需求,在满足生产工艺约束的前提下,缩短了生产时间,提高了钢坯入炉温度和加热质量,与传统人工调度方法的结果相比具有更好的节能、高产效果