基于振型贡献率和遗传算法的传感器布设研究

从定量和定位两方面将振型贡献率及遗传算法应用于传感器的布设研究.在传感器定量之前利用振型贡献率进行了模态阶数的选取,对简单的遗传算法进行了改进,通过传感器数量与适应度函数关系曲线可以确定出最经济的传感器数量,利用MATLAB软件编制了遗传算法及确定传感器数量和位置的程序,提出确定传感器布设的三步法,并用工程实例验证了所提方法的可行性和有效性.     

大型桥梁动力检测测点优化的改进遗传算法及其应用

回顾了基于动力检测的传感器优化布置准则和方法,提出了一种应用改进遗传算法,服务于大型桥梁动力检测的测点优化方法,并将该方法具体应用到了哈尔滨四方台大桥的动力检测中.该算法改进了约束条件,对于传统遗传算法在大型结构应用时收敛慢且易陷入局部最优的缺陷进行了自适应和全面交叉改进,这种改进大大加快了收敛速度,并确保该算法能搜索到最优值.把经典的优化准则———有效独立准则,模态置信准则,模态应变能准则等以适应度的形式嵌入改进遗传算法中,得出各自的优化布置.通过对哈尔滨四方台大桥模型的仿真分析,证明改进的遗传算法在搜索能力、计算效率、可靠性等相对于传统遗传算法有较大的改善,搜索能力明显优于经典的序列法.在此基础上选取三种典型方法应用于哈尔滨四方台大桥的检测中,用实际采样得到的响应数据进行模态参数辨识,得出了该结构的振型,通过实际应用证明了上述方法的可行性.     

斜拉桥传感器布置优化方法应用研究

根据模态置信度准则,采用模拟退火算法,提取出斜拉桥有限元模型的动力分析数据,得到了主梁加速度传感器的优化布设方案,并根据此优化方案在实际桥梁上进行了现场动力特性测试实验。对比研究结果发现:由现场实验测得的自振频率、振型位移与ANSYS理论计算出的结果十分接近,从而验证了基于MAC准则的模拟退火算法在斜拉桥加速度传感器优化布设方面是有效的和可行的。     

基于二重结构编码遗传算法的传感器优化配置

传感器的优化配置是一类组合优化问题,针对此问题,文章以应变模态保证准则SMAC为优化原则,以SMAC矩阵的最大非对角元为目标函数,针对满足传感器数量不变的约束条件问题,提出改进的二重结构编码遗传算法,并通过现有文献中的算例验证本文所提算法的高效性。算例结果表明,该遗传算法优化结果优于现有的遗传算法,将其应用于复合材料板模型损伤诊断的传感器优化配置是可行的。     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

基于单亲遗传算法的区域供冷系统管网的布置优化

区域供冷树状管网布置优化属于典型的组合优化问题.针对区域供冷管网系统特点,建立了以管网年度费用最小为优化目标的数学模型和约束条件.以图论和遗传算法为理论基础,应用改进的单亲遗传算法对区域供冷树状管网进行了优化布置,并对编码方案.遗传算子设计,适应度函数进行了设计.应用实例表明,单亲遗传算法直接以管网年度费用最小为优化目标,能够获得年度费用最小的布置方案,与Dijkstra算法对比,算法的寻优效率较高,收敛性和稳定性较好.     

单亲遗传模拟退火及在组合优化问题中的应用

基于模拟退火算法(SA)、遗传算法(GA)、 单亲遗传算法(PGA)、遗传模拟退火算法(SAGA)理论的优缺点,比照SAGA、根据SA和PGA的优势互补性,提出了一种融合SA和PGA的新算法--单亲遗传模拟退火算法(SAPGA).结合SA、PGA的优点,对PGA中每一代操作内部的基因重组操作进行了改进,同时改变了传统的降温方式、在两代操作之间加入染色体按适应度函数大小排列的过程.用3组城市数据的旅行商问题(TSP)对上述5种算法进行仿真实验,SAPGA的平均最优解始终最小,收敛所用时间始终最短.     

改进自适应遗传算法在函数优化中的应用研究

为了改善传统自适应遗传算法的收敛速度以及局部收敛问题,根据种群适应度的集中程度,以种群的最大适应度、最小适应度以及适应度平均值这3个变量为基础,设计了改进的自适应交叉概率和变异概率来调整整个种群的交叉概率和变异概率,提出了一种基于种群适应度集中程度的改进自适应遗传算法.将该算法应用于函数优化中,仿真结果验证了其具有"快速收敛"的特点,且在很大程度上可避免遗传算法的早熟现象.     

大跨度铁路钢桁斜拉桥传感器优化布置

为了解决大跨度铁路桥梁健康监测中的传感器优化布置问题,建立了基于改进自适应遗传算法的传感器优化布置方法。引入二重结构编码方法改进了遗传算法的个体编码方法。在最优保存策略中,采用自适应的部分匹配交叉和逆位变异方法,随适应度值的大小自动改变交叉概率和变异概率,确保布置结果收敛于全局最优解,克服了其他遗传算法应用于大型桥梁结构时收敛速度慢且易陷入局部最优的缺陷,加快了收敛速度。最后以某铁路钢桁梁斜拉桥健康监测系统的传感器优化布置为例,验证了该算法较基本遗传算法和广义遗传算法具有较好的全局寻优能力、计算效率和可靠性,所提方法可应用于实际铁路斜拉桥健康监测系统的传感器优化布置。     

基于改进GA的云计算任务调度策略

针对传统遗传算法在云计算任务调度过程中的收敛速度慢和易早熟等问题,提出了一种基于遗传优化算法的双适应度函数改进算法.该算法采用任务完成时间和任务完成成本为双适应度函数,引入个体相似度概念来提高种群质量;采用并列选择法进行选择操作,并且采用自适应规则约束交叉和变异操作,提高种群个体质量,加速进化策略可以有效地避免早熟.结果表明,改进的遗传算法有效地加快了云任务作业调度的收敛速度,并改善了易早熟等现象.     

基于遗传算法的最小生成树算法

以图论和遗传算法为基础 ,提出了一种求最小生成树的改进遗传算法 .该算法采用二进制编码表示最小树问题 ,用深度优先搜索算法进行图的连通性判断 ,并设计出相应的适应度函数、单亲换位算子和单亲逆转算子以及四种控制性进化策略 ,以提高算法执行速度和进化效率 .与Kruskal算法相比 ,该算法能在一次遗传进化过程中获得一批最小生成树 ,适合于解决不同类型的最小树问题     

基于改进的遗传算法的图像匹配研究

匹配算法的计算量由搜索位置数与相关算法的计算量之积来决定,因此,为了减少总的计算量,需要改进匹配算法和减少搜索位置。提出一种改进的遗传算法的匹配方法,设计了染色体的表示方法、新的适应度函数以及新的遗传操作算子。为了加快算法的收敛速度,对初始种群的选取和遗传算子操作概率的选取提出了新的方法。实验结果表明,该方法更有效地完成了特征图像之间的匹配。     

一种改进的遗传算法

给出一种使适合度函数参数、交叉概率和突变概率随搜索精度自适应调整的遗传算法,并以直接从输入输出数据中提取模糊规则为例与常规遗传算法进行了仿真比较,该算法明显优于常规算法。     

改进适应度函数的遗传算法

提出了一类新的改进的适应度函数的遗传算法,考虑了函数在搜索点的函数值及其变化率,结果表明收敛速度明显高于标准遗传算法.     

一种基于排挤机制的改进遗传算法

为解决遗传算法求解具有多个极值点的函数时容易出现的早熟的弱点,根据排挤机制,提出了一种改进的遗传算法。该算法采用分组选择的方式,首先按适应度大小进行分组,然后根据个体间相似度来淘汰种群中相似个体,以此维持种群的多样性,避免算法未成熟收敛。用典型函数对算法进行测试,结果表明该算法性能优于基本遗传算法。     

多种遗传算法在函数优化方面的性能比较分析

进行了4种常用的遗传算法（适值函数标定遗传算法、顺序选择遗传算法、两点交叉遗传算法和自适应遗传算法）在求函数最优解问题上的性能比较分析,并采用MATLAB进行仿真。仿真结果表明,除两点交叉遗传算法外,在求函数最优解问题上适值函数标定遗传算法、顺序选择遗传算法和自适应遗传算法均表现出了较好的稳定性,同时所求得的函数最优解均较准确。其中,顺序选择遗传算法在求函数最优解方面性能最好。     

基于并行遗传算法的红外图像增强及相关技术

针对红外图像的增强采用改进的遗传算法,将输出图像与输入图像的灰度对应关系进行编码,利用一定的图像质量评价标准去搜索效果最好的对应关系,从而取得较好的增强效果. 为了提高遗传算法的效率,设计出了基于多线程的并行遗传算法计算模型. 仿真实验结果表明,该方法有很好的可行性和有效性.     

基于改进量子遗传算法的模型交互修正方法

针对传统有限元模型修正方法低效率、高成本且易陷入局部极值的缺点,提出基于改进量子遗传算法的静力多尺度有限元模型交互修正方法. 依据量子计算理论,对量子比特矢量态进行实数编码,以改进量子旋转门实现旋转角自适应更新,引入量子全局干扰交叉、变异、灾变等遗传操作,设计改进量子遗传算法. 以某钢-混组合梁桥为工程背景建立多尺度有限元模型,建立目标函数,对待修正区域进行分块处理. 利用最大互信息系数对待修正参数进行筛选,给出目标函数权重,通过Python语言实现了基于改进量子遗传算法的静力多尺度有限元模型交互修正. 结果表明,改进量子遗传算法相较于传统遗传算法、量子遗传算法具有更高的性能与精度,自动交互修正方法的效率较高,对材料弹性模量、厚度、车辆荷载等参数的修正与工程实际测试的情况基本吻合,目标函数修正结果相较于有限元计算的初始值,挠度误差降低至1.4%~14.3%,混凝土底板应力误差降低至2.6%~18.8%,钢梁应力误差降低至0%~11.1%.     

基于爬山算子和适应值共享的改进遗传算法

提出了一种基于爬山算子和适应值共享的改进遗传算法,将局部搜索算法与遗传算法有效结合,增强了遗传算法的搜索能力.爬山算子以黄金分割法为基础,依次对个体每一维进行优化.数值实验证明,改进后的新算法优于当前一些较好的遗传算法.新算法既有较快的收敛速度,又能以较大概率搜索到优化问题的全局最优解.