混沌和声搜索算法及其在土坡局部安全系数法中的应用

提出一种混沌和声算法来进行土坡局部安全系数法的计算.该算法利用混沌变量的随机、遍历特性在解空间内进行有效探索,同时采用基本和声算法中的和声策略对解空间进行开发,从产生的新解与原和声库内的解中选出较优秀的解重新进入和声库,这样不断迭代就构成了混沌和声搜索算法.将该新算法应用于局部安全系数法分析土坡渐进破坏的过程中,同基本和声搜索算法以及已有结果的比较证明,该算法简单易行,结果合理可靠,可以用于土坡稳定分析.     

启发式粒子群优化算法及其在空间结构优化中的应用

介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于“和谐搜索“算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率.     

粒子群-鱼群混合算法在桁架结构优化设计中的应用

群智能算法由于其优异的搜索性能被广泛应用于结构优化设计,人工鱼群算法和粒子群算法都是基于动物群体行为的智能优化随机算法.本文介绍了人工鱼群算法和粒子群算法的基本原理,并提出了粒子群和鱼群杂交混合的一种新方法:粒子群-鱼群混合算法,将粒子群-鱼群混合算法应用到四个桁架结构的重量优化设计,包括平面桁架结构和空间桁架结构,通过比较粒子群-鱼群混合算法、人工鱼群算法、粒子群算法的优化结果,发现改进的粒子群-鱼群混合算法具有收敛精度高、收敛速度快等特点,同时具有较好的稳定性,可用于结构优化设计.     

求解自动化药房路径优化的混沌粒子群算法

基于静态存储的基本理论,本文建立了存取药品的模型和优化路径的目标函数。并采用了基本粒子群算法、混沌粒子群算法分别对该模型仿真,验证了混沌粒子群算法的优越性。     

基于NURBS表示的三维土坡稳定分析

非均匀有理B样条作为计算机辅助设计领域的曲线和曲面的标准描述方式,已经得到广泛的应用。利用非均匀有理B样条产生三维土坡的滑动底面,利用极限平衡简布法计算滑动体的安全系数,在粒子群算法寻优策略的深刻理解之上,借鉴和声策略直接模拟群体的位置更新得到了新型混合粒子群算法。利用该混合粒子群算法搜索最危险的滑动体,对一均质土坡和一软弱夹层土坡进行了计算分析,比较证明本文所提方法可应用于三维土坡稳定分析。     

岩土工程参数反演的一种新方法

介绍了新近提出的一种模拟进化算法——粒子群算法,相对于其他进化算法,粒子群算法的优势在于简单、易实现且收敛快。把该算法引入岩土工程参数反演领域,同时为了克服粒子群算法后期搜索效率降低的缺陷,把单纯形法嵌入到粒子群算法中,提出岩土工程参数反演的一种新方法——基于粒子群算法和单纯形法的混合算法。算例表明,混合算法在参数反演计算中体现出良好的优化性能和很快的收敛速度,是一种新颖可行的参数反演方法。     

改进和声搜索算法及其在土坡稳定分析中的应用

土坡非圆临界滑动面的寻求是土坡稳定分析的重要步骤,它是一个多极值的优化问题。利用改进的和声搜索算法和修复策略来寻求复杂土坡的临界滑动面及其对应的安全系数,并对改进和声搜索算法与基本和声搜索算法的结果进行了比较,发现改进和声搜索算法比基本和声搜索算法能搜索到更危险的滑动面,原因在于,改进和声搜索算法在每次迭代步中产生多个新解,而基本和声搜索算法中每次迭代产生一个新解。此外,修复策略比惩罚策略更能有效地搜索解空间。结果表明,改进的和声搜索算法和修复策略可以用来进行土坡稳定分析。     

基于GAPSO-MUSIC算法的矢量水听器的DOA估计

针对传统的MUSIC算法存在需要多维的非线性搜索、计算量大等问题,提出了混合粒子群遗传算法和MUSIC算法相结合的方法,对矢量水听器的波达方向(Direction of Arrival,DOA)更好的进行估计.该算法利用遗传算法的交叉算子和变异算子避免了粒子群算法早熟且易陷入局部最优,同时利用群优化算法搜索能力强的优势,更好的对波达方向进行估计.仿真实验和湖试实验表明,混合遗传粒子群算法与MUSIC算法相结合对DOA估计具有更好的性能,精度更高,具有很好的实用性.     

一种差速器壳体形位误差评定及测量方法

为了满足差速器壳体的快速检测,对差速器壳体形位误差的在线测量方法进行了研究。在基本粒子群优化算法的基础上,引入了自适应惯性因数来改进粒子群优化的过程,并用于形位误差的计算。运用最小二乘法和最小区域法描述了圆柱度、同轴度等形位误差的评定算法。利用改进粒子群优化算法对误差目标函数进行求解。根据实际工程需要确定测量方案,搭建了测量平台。研究结果表明:该方法能够准确测得差速器壳体形位误差,并且减少了人为因素引入的误差。     

基于BPSDV-Hop的无线传感器网络节点定位算法

为了尽量避免误差的扩大化,定位更加准确,增强无线传感器网络节点的灵敏程度,混合粒子群在BA校正的基础上,不断优化无线传感器网络定位,充分利用BPSDV-Hop定位算法,这一算法先通过优化混合粒子群对一些未知节点精细计算,计算出跳距范围,其次在应用DV-Hop算法计算未知节点的自身位置时摒弃以往常用的最小二乘法,对于那些未知节点的坐标的判断要利用好蝙蝠算法,通过这一特性不断优化定位方法,确定精度,最后要充分发挥Matlab平台的作用,利用这一平台,对算法细致化分析与探究。据可靠分析显示:BPSDV-Hop定位算法远远优越于DV-Hop定位算法,它对未知坐标的判断和定位准确度非常之高,在WSN中具有广泛的应用前景。     

A particle swarm ant colony optimization for truss structures with discrete variables

In this paper, a particle swarm optimizer with passive congregation (PSOPC), ant colony optimization (ACO) and harmony search scheme (HS) are combined to reach to an efficient algorithm, called discrete heuristic particle swarm ant colony optimization (DHPSACO). This method is then employed to optimize truss structures with discrete variables. The DHPSACO applies a PSOPC for global optimization and the ant colony approach for local search, similar to its continuous version. The problem-specific constraints are handled using a modified feasible-based mechanism, and the harmony search scheme is employed to deal with variable constraints. Some design examples are tested using the new method and their results are compared to those of PSO, PSOPC and HPSO algorithms to demonstrate the effectiveness of the present method.     

改进的粒子群-模拟退火算法在桁架结构优化设计中的应用

由于粒子数目多,维数大,用粒子群算法求解多约束问题的迭代求解过程需耗费大量时间。受达尔文的优胜劣汰自然法则启发,在粒子群算法中引入淘汰择优机制。使算法随着迭代次数增加,适应能力较差的粒子逐步被淘汰。最后留下的最优粒子需要较低的温度进行退火求解,寻得全局最优解。多峰值函数测试表明,改进后的算法能够高效率跳出局部最优寻得全局最优解。将改进的算法用于空间桁架结构优化,经算例表明,改进后的粒子群模拟退火串行算法降低了算法的求解复杂度,具有较好的稳定性和较优的收敛性,适用于空间桁架结构截面尺寸优化设计。     

基于和声策略的粒子群优化算法在土坡稳定分析中的应用

土坡极限平衡稳定分析中临界滑动面的搜索是一个复杂的优化问题,在应用常规微粒群算法搜索时往往因参数较多且难以确定以及飞行速度越界的缺陷而陷入局部最优。基于对常规微粒群算法寻优思想的分析,借鉴和声算法的搜索策略来更新粒子的位置,提出基于和声策略的微粒群优化算法,该方法继承了常规微粒群算法中利用本身经验和社会认知的优势,又借鉴了和声策略的简单易行优势。将该方法应用于土坡稳定分析中,通过算例比较分析,证明新算法的有效性。     

Advanced energy‐based analyses of trusses employing hybrid metaheuristics

Total potential optimization using metaheuristic algorithm (TPO/MA) is an alternative method in structural analyses, and it is a black‐box application for nonlinear analyses. In the study, an advanced TPO/MA using hybridization of several metaheuristic algorithms is investigated to solve large‐scale structural analyses problems. The new generation algorithms considered in the study are flower pollination algorithm (FPA), teaching learning‐based optimization, and Jaya algorithm (JA). Also, the proposed methods are compared with methodologies using classic and previously used algorithms such as differential evaluation, particle swarm optimization, and harmony search. Numerical investigations were carried out for structures with four to 150 degrees of freedoms (design variables). It has been seen that in several runs, JA gets trapped into local solutions. For that reason, four different hybrid algorithms using fundamentals of JA and phases of other algorithms, namely, JA using Lévy flights, JA using Lévy flights and linear distribution, JA with consequent student phase, and JA with probabilistic student phase (JA1SP), are developed. It is observed that among the variants tried, JA1SP is seen to be more effective on approaching to the global optimum without getting trapped in a local solution.     

混沌模拟退火粒子群优化算法

基于模拟退火思想的粒子群优化算法和混沌粒子群优化算法,提出了混沌模拟退火粒子群优化算法,编写了其具体流程图,并通过两个算例,验证了该算法的效率和有效性,结果表明该方法可行,具有广泛的应用前景。     

基于改进和声搜索算法的项目工期—成本优化

工期—成本优化（time-cost trade-off problem,TCTP）是组合优化中 NP—hard 问题,其实现的科学性对提高企业经济效益有着重要意义。为解决这一问题引入了和声搜索算法,并针对该算法收敛稳定性差、不易获得全局最优的缺陷,对其进行了算法参数的自适应改进。利用 MATLAB R2012a 软件对改进的和声算法进行编程,实现了工期—成本最优解的搜索。最后通过实例分析,验证了改进的和声搜索算法对工期—成本进行优化是行之有效的。     

现代智能优化算法研究综述

主要介绍了现代智能优化算法的基本概念,着重回顾了几种主要的现代智能算法的发展历程,主要包括遗传算法、神经网络优化算法、粒子群优化算法、模拟退火算法,并阐述了其工作原理和特点,归纳了它们主要的应用方向,同时对智能计算方法的发展进行了展望。     

改进粒子群算法的两阶段梁式结构损伤识别

针对实际工程监测时损伤识别误差大的问题,提出一种基于改进粒子群算法的两阶段识别方案。第1阶段利用D-S证据理论融合算法进行损伤定位;第2阶段利用改进的粒子群算法,对定位结果进行修正,同时准确定量损伤。仿真算例和实验分析结果表明:由于第1阶段损伤定位减少了可能损伤单元的数量,第2阶段基于改进粒子群算法的搜索范围减小,能更准确地识别多损伤和小损伤的位置和程度,且抗噪性能良好。     

Optimum design of steel sway frames to BS5950 using harmony search algorithm

Harmony search method based optimum design algorithm is presented for the steel sway frames. The harmony search method is a numerical optimization technique developed recently that imitates the musical performance process which takes place when a musician searches for a better state of harmony. Jazz improvisation seeks to find musically pleasing harmony similar to the optimum design process which seeks to find the optimum solution. The optimum design algorithm developed imposes the behavioral and performance constraints in accordance with BS5950. The member grouping is allowed so that the same section can be adopted for each group. The combined strength constraints considered for a beam-column take into account the lateral torsional buckling of the member. The algorithm presented selects the appropriate sections for beams and columns of the steel frame from the list of 64 Universal Beam sections and 32 Universal Column sections of the British Code. This selection is carried out so that the design limitations are satisfied and the weight of steel frame is the minimum. The number of design examples considered to demonstrate the efficiency of the algorithm is presented.