基于混合遗传算法的结构优化设计

针对遗传算法在迭代过程中经常出现早熟、收敛速度慢、局部搜索能力差等缺点,对遗传算法中的遗传算子进行了改进,提出梯度算法与遗传算法相结合的混合遗传算法。分析表明,这种混合遗传算法既发挥了梯度算法局部搜索能力强的特点,又结合了遗传算法全局搜索能力强的优点,避免出现早熟现象,使收敛速度大大改善,具体算例表明该混合遗传算法是一种有效的工程结构优化方法。     

桁架结构优化设计的改进蚁群算法

通过对已有的优化方法进行分析,针对蚁群算法容易收敛到局部最优解的缺陷,通过遗传算法和禁忌算法来提高增加蚁群算法的全局优化能力,并改进了算法的灵活性和扩展性;将改进的蚁群算法应用到桁架结构优化设计中,提出了桁架结构优化设计的改进蚁群算法,并建立了相应的优化模型;最后,对10杆平面桁架的优化进行了研究和分析,结果表明,提出的改进蚁群算法是科学可行的。     

改进遗传算法在排课问题中的应用研究

分析了遗传算法在排课问题中的应用,针对遗传算法容易早熟收敛的问题,提出了改进的混沌遗传算法,将遗传操作中的交叉和变异操作用混沌交叉和混沌变异取代,充分利用混沌算法优化搜索技术,保证种群多样性,提高算法全局寻优能力。该算法应用于实际排课中,得到的排课方案更好地满足了约束条件,排课效果良好。     

基于结构式二进制编码的遗传算法在及其在BP网络中的应用

根据BP网络的拓扑特征,本文设计了基于结构式二进制编码的遗传算法,在该算法中,通过先将庞大的解空间进行分解处理,再将分解后的子空间视为个体进行遗传操作,能借助遗传算法的优势在全局范围内搜索到最优解所在的子空间,从而为下一步应用BP算法进行局部搜索明确了起点,缩小了范围,有效解决了BP算法易陷入局部极小,收敛速度慢甚至不收敛等问题,最后,通过字母识别试验证明了该算法的效率。     

一种异型改进的自适应遗传算法

遗传算法搜寻全局最优解的优异特性使其在许多应用领域中获得了很好的运用,但该算法作为一种随机优化算法,对求解相对繁杂的全局优化问题易使最优解收敛至局部最优解.而标准的自适应遗传算法是在遗传算法的基础上对交叉率的值和变异率的值进行线性自适应调整,在收敛性能有所提升,但仍然不能有效避免算法的早熟.提出一种异型改进的自适应遗传算法(Heterogenic improved adaptive GA,简称HIAGA),即在对变异率和交叉率进行曲线自适应调整的同时应用精英保留策略的方法.仿真实验结果表明,HIAGA算法在处理收敛速度和避免搜寻结果成为局部最优解等方面能达到较好的处理效果.     

一种基于神经网络的机动目标轨迹预测方法

提出了一种利用神经网络技术对机动目标的轨迹进行预测的方法,并给出了具体的实现算法和仿真实例.在BP神经网络和遗传算法的基础上作了改进,提出优劣基因重组的思想,克服了遗传算法中所存在的种群内过早收敛的缺点,极大地提高了预测算法的准确度.     

基于BP神经网络的齿轮设备故障诊断应用

本文提出了基于BP神经网络的齿轮故障诊断模型研究。首先构建了基于遗传算法的BP神经网络预测模型,并设计了基于遗传算法的齿轮故障诊断算法流程;然后,通过案例对本文构建的模型及设计的算法进行了验证,实验结果表明,本文设计的模型及算法收敛速度快,故障诊断效果较好,具有较强的使用价值。     

附加动量法和基于遗传算法附加动量法的实现与在沉降监测中的应用研究

在沉降监测工程实践中,根据沉降趋势的特点,而采用不同的预测算法,有助于提高沉降预测结果的精度。由于算法各自的局限性,综合不同算法各自的优势,成为目前预测算法研究的热点。本文在编程实现附加动量法和基于遗传算法的附加动量法的基础上,研究了种群规模对基于遗传算法的附加动量法收敛速度的影响,确定了种群规模的大小。最后,结合样本数据,对两种算法的收敛速度以及预测精度通过量化的指标进行比较。本文的结论对沉降监测的工程实践具有一定的借鉴意义。     

遗传算法在桁架结构优化设计中的应用

本文探讨了遗传算法在桁架结构优化设计中的应用,通过对经典遗传算法进行改进,建立了桁架结构的优化设计模型,其中采用精华模型保证了上一代种群中最优个体进入到当前种群中进化,而且采用非均匀变异算子,使得进化前期变异明显,后期趋于稳定,以利于收敛到最优解附近。另外针对遗传算法容易收敛到局部最优点的缺陷,提出了通过改变各变量相应初始界限值,进行两次遗传算法操作的方法进行运算,提高了工作效率,且结果更为精确。最后通过十杆平面桁架的数值例题来验证遗传算法应用的可行性和有效性。     

基于自适应遗传算法的钢筋混凝土桥墩抗震设计方法

为满足钢筋混凝土桥墩抗震设计中对构件承载力和延性的要求,常需依靠设计者经验,对配筋方案进行反复调整,这就在一定程度上增加了结构设计难度,降低了工作效率。为解决这一实际问题,对传统自适应遗传算法中交叉率和变异率的计算方法进行改进,通过当前适应度值动态调整交叉率和变异率,在此基础上提出基于自适应遗传算法的钢筋混凝土桥墩结构抗震设计方法,实现对符合条件设计解的自动随机定向搜索,提高求解的收敛速度,并增强算法的鲁棒性。在对每一配筋方案的抗弯承载力和位移延性系数的计算中,又提出基于自适应遗传算法的钢筋混凝土桥墩弯矩 曲率关系的计算方法,提高求解效率。通过设计算例,可见该方法快速有效,计算过程无需人工干预,实现钢筋混凝土桥墩结构抗震设计的人工智能化。     

改进分层遗传算法在斜拉桥主梁损伤识别中的应用

标准遗传算法在解决像斜拉桥这类复杂结构的损伤识别问题时会出现提前收敛,即所谓"早熟"的现象。为了避免此现象的发生,提高损伤识别的效率与精度,提出一种基于改进分层遗传算法的斜拉桥主梁损伤识别方法。采用索力变化作为优化目标函数,将3种具有不同遗传算子的标准遗传算法与变量微调和灾变策略相结合,形成了一种具有灾变特性的分层遗传算法,以实验室独塔斜拉桥模型作为研究对象进行了数值仿真,结果表明:改进的分层遗传算法成功的避免了标准遗传算法"早熟"现象的发生,能快速有效的完成斜拉桥主梁各种损伤的识别;同时对此方法进行抗噪性分析发现,该方法具有良好的抗噪能力。     

基于小生境遗传算法的单层网壳结构优化设计研究

本文提出了一种改进的遗传算法,将小生境技术与模糊控制思想引入其中,从而达到保护种群的多样性的目的,同时使每代最优解得以保存。简单遗传算法本身存在着过早成熟收敛,后期收敛速度放慢等缺陷,其在加入小生境技术后虽可保持种群群体的多样性,使其优化过程不致过早收敛,但是由于小生境技术本身的特点,又不可避免地会产生部分个体的早熟以及陷入局部最优,本文于是在小生境遗传算法基础上加入模糊控制思想,对种群的杂交概率Pc和变异概率Pm进行模糊控制,从而形成了一种新型的模糊控制小生境遗传算法。最后通过单层网壳结构的数值实例证明了该方法的有效性和可行性,进一步为空间网格结构的优化设计奠定了基础。     

旋转压实法设计粗粒式沥青稳定柔性基层配合比研究

采用Supperpave级配设计方法,结合马歇尔试验验证,在室内试验研究的基础上,提出了通赤高速公路沥青稳定碎石柔性基层的配合比,并在通赤高速公路得到成功实施。后期观测结果表明,柔性基层具有良好的抗裂性、耐疲劳特性,能有效延缓沥青路面的早期开裂,提高了沥青混凝土路面的服务质量。     

基于改进遗传模拟退火算法的结构损伤识别研究

针对遗传算法容易"早熟"、局部寻优能力较差等缺点,提出一种基于改进遗传模拟退火算法的结构损伤识别方法。先用节点的残余力向量来进行损伤定位,然后以节点的残余力向量构造目标函数,以单元刚度折减系数为设计变量,利用改进的遗传模拟退火算法进行损伤程度的识别。最后,对一个桁架结构模型进行数值模拟,结果表明,该算法能够准确识别结构的多处损伤,验证了该方法的有效性。     

A Customized Particle Swarm Method to Solve Highway Alignment Optimization Problem

Abstract: Optimizing highway alignment requires a versatile set of cost functions and an efficient search method to achieve the best design. Because of numerous highway design considerations, this issue is classified as a constrained problem. Moreover, because of the infinite number of possible solutions for the problem and the continuous search space, highway alignment optimization is a complex problem. In this study, a customized particle swarm optimization algorithm was used to search for a near‐optimal highway alignment, which is a compound of several tangents, consisting of circular (for horizontal design) and parabolic (for vertical alignment) curves. The selected highway alignment should meet the constraints of highway design while minimizing total cost as the objective function. The model uses geographical information system (GIS) maps as an efficient and fast way to calculate right‐of‐way costs, earthwork costs, and any other spatial information and constraints that should be implemented in the design process. The efficiency of the algorithm was verified through a case study using an artificial map as the study region. Finally, we applied the algorithm to a real‐world example and the results were compared with the alignment found by traditional methods.     

巷道围岩松动圈预测的进化神经网络法

针对简单遗传算法收敛速度慢、易早熟的缺点，从编码、初始群体生成及遗传算子等方面对其进行了改进，提出了一个收敛速度快、性能良好的算法，并通过仿真实验证明了该算法的性能。把该算法用于神经网络的结构及学习参数的进化学习，建立了一个进化神经网络模型。最后，用该模型对巷道围岩松动圈厚度进行了预测研究，结果证明，该进化神经网络模型拟合性能及推广预测性能均令人满意。     

改进遗传算法在渗透系数反分析中的应用

利用水头实测资料,以渗透系数为待反演的参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值、计算量较大及易早熟等缺点,提出以自适应遗传算法来解决工程中的这类问题.力求使改进的遗传算法计算量更小,收敛性更强,同时结合二维稳定渗流有限元工程实例进行了反演计算.结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题.因此,自适应遗传算法为渗流领域求解反演问题提供了新的途径.     

自适应小生境遗传算法在土钉支护结构整体稳定性分析中的应用

根据极限平衡理论和遗传算法原理,建立了基于自适应小生境遗传算法的土钉支护结构内部整体稳定性分析模型,该模型利用自适应小生境遗传算法搜索最危险滑动面及其对应的最小安全系数,同时能定量分析各设计参数对土钉支护结构整体稳定最小安全系数的影响。针对遗传算法在寻优过程中存在的问题,引入小生境淘汰技术,设计自适应交叉函数和自适应变异函数,自适应调整交叉率和变异率策略,克服了简单遗传算法易陷入局部极小和早熟收敛的缺陷,提高了算法的搜索效率、精度和稳定性。通过对珠江三角洲地区某深基坑实例分析,得到了一些有益结论,可作为软土深基坑支护结构优化设计和施工提供参考。     

混合变量桁架结构的拟分层遗传算法优化设计

混合变量桁架结构形状优化中采用并行计算思想,在单台计算机上实现了一种类似分层遗传算法的拟分层遗传算法。该算法能够产生更加平等的竞争机会,提供更多的优良个体,提高了种群多样性,同时不用人为的控制信息交换,再加上多层分级控制,一定程度上避免了标准遗传算法容易出现的"早熟"现象,加快了收敛速度,具有很高的搜索效率。用拟分层遗传算法解决25空间杆桁架结构形状优化问题的结果表明,这是一种解决具有连续、离散混合变量的桁架结构优化设计问题的很有效方法。