简单差异演化算法及其在装配公差优化中的应用

差异演化算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,算法易早熟收敛.为此,在对算法参数以及关键算子分析的基础上,提出了自适应缩放因子及突变因子两个概念,进而提出了简单差异演化算法(A Simple Differential Evolution Algorithm)SDE.首先将缩放因子按照进化代数进行递减,一方面为了减少用户参与程度,另一方面为了平衡算法的收敛速度与全局搜索能力;其次在研究交叉算子的基础上,引入了灾变因子,使群体中的部分个体在进化过程中不进行交叉操作,而直接与父代个体进行竞争,简化了差异演化算法的步骤.仿真实验结果与工程应用实例表明,SDE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了算法的收敛速度,而且具有较好的全局搜索能力.     

自适应差异演化算法及其应用

差异演化(Differential Evolution,DE)算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,DE算法易早熟收敛。为此,在对DE算法参数分析的基础上,提出自适应缩放因子及自适应交叉率两个概念,进而提出一种自适应差异演化(Adaptive Differential Evolution,ADE)算法。利用群体差异度对DE算法进行分期,一方面使缩放因子在前期较大,在进化的中期先变小,后增大,在进化的后期,缩放因子较小;另一方面使DE算法的交叉率在前期较小,中期在一定范围内随机取值,进化后期较大。仿真实验结果与工程应用实例表明,ADE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了ADE算法的收敛速度,而且具有较好的全局搜索能力。     

基于遗传算法的减速器混合离散变量优化设计

针对混合离散设计变量的非线性优化问题,提出了一种面向设计与制造的离散变量工程化处理方法,能简便而合理地处理工程实际中的混合离散变量的取值问题;引入两个定义,以此构造惩罚函数,简单而可靠.在此基础上,建立了一种改进的遗传算法,用来对混合离散变量非线性规划问题进行全局搜索.二级圆柱齿轮减速器优化设计实例表明,该算法普适性较好,全局搜索能力强.     

模糊制造系统中的不同尺寸工件单机批调度优化

将工件尺寸不同的单机批调度问题扩展到模糊制造系统中,建立了基于模糊批加工时间和模糊批间隔时间的制造跨度模型,提出了一种集成粒子群优化和差异演化的混合算法,将制造跨度最小化.为提高算法的收敛速度,设计了基于工件优先值向量的统一编码方式,并采用线性的缩放因子以确保足够的差异化信息;为解决差异演化算法早熟收敛的问题,将粒子群优化的全局搜索技术嵌入了差异演化算法;最后,在解码时利用批调度的启发式算法,将混合算法的个体加以优化分批.仿真实验结果验证了该混合算法的求解性能优于目前文献中的其他算法.     

基于混合遗传算法的混合动力汽车优化设计研究

针对混合动力汽车驱动系统参数优化设计问题的特点,将自适应遗传算法与序列二次规划算法相结合,构成用于求解该问题的混合遗传算法.一方面该算法提出了新的自适应交叉和变异概率调整公式,以保证全局收敛性.另一方面通过改进自适应遗传算法与序列二次规划算法的结合方式,以加快局部搜索的速度和求解质量.实例优化结果表明,该算法提高了收敛速度和求解精度,保证了全局收敛性,在混合动力汽车驱动系统参数优化设计中的应用是有效的.     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题，提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性，避免了遗传算法的早熟收敛问题，增强了算法的全局收敛性，并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化，其结果与MDOD和改进遗传算法2种的结果进行比较，表明此算法能够很好处理工程离散化问题。     

混沌压缩非线性粒子群算法求解车间调度问题

针对大规模车间调度问题,提出了一种混沌压缩非线性粒子群算法。首先运用多种群策略增加粒子多样性,结合混沌策略和非线性策略改进惯性权重,以平衡全局和局部搜索能力,加快算法后期收敛速度;再引入压缩因子改进算法速度更新公式,加大算法前期搜索范围,以防止算法陷入局部最优;最后用6种车间作业经典算例分别对粒子群算法、遗传算法、灰狼算法和混沌压缩非线性粒子群算法进行检验。实验结果表明,该方法可以显著提升粒子群算法的收敛精度和速度,对于实际大规模车间调度问题适应性较好,能有效提高车间的生产效率。     

滚珠轴承力学模型的数值求解方法研究

根据Hertz接触理论和刚性套圈理论,建立了角接触滚珠轴承的拟静力学模型,得到了针对该模型的非线性方程组。针对传统Newton-Raphson迭代方法对所建立的非线性方程组求解过程中的不收敛和振荡问题,提出了减少非线性方程和引入迭代步长调节因子的方法。通过对迭代变量几何意义、物理意义的研究,提出了一种对迭代变量进行约束的方法来解决迭代算法中初始变量难以确定的问题。最后分别将改进后算法的计算结果与SKF公司TABACY方法的计算结果和轴承加载实验结果进行对比,验证了算法的正确性。结果表明：选取合适的步长调节因子和对一些变量施加约束能在保证计算结果正确性的前提下,提高非线性方程组求解的收敛率和效率。     

基于免疫算法的装配序列规划问题求解

针对装配序列规划问题提出了一种模拟生物免疫系统的免疫算法,并给出了亲和力计算、抗体生成、免疫选择、记忆细胞更新等的具体实现方法.实例仿真结果表明,免疫算法在装配序列规划问题的求解中充分体现了免疫系统的多样性、免疫自我调节、免疫记忆和分布式并行等特点.免疫算法较遗传算法具有更强的全局搜索能力和更快的收敛速度,有效地改善了全局收敛性能和收敛速度.     

利用改进的遗传算法解决全局寻优问题

寻找函数的全局最优解是一个很常见的工程应用问题,简单遗传算法是解决此类问题的有力工具.但由于简单遗传算法具有中全局收敛能力差和收敛速度慢的缺点.本文基于对遗传算子的优化,提出一种混合分类选择和定向变异的改进遗传算法来解决全局寻优问题.经仿真结果表明,该算法具有较强的全局收敛能力和较快的收敛速度.     

基于最优控制的汽车操纵逆动力学的研究

提出了一种基于最优控制理论的汽车操纵逆动力学研究方法，用于识别不同汽车跟踪同一期望路径的方向盘转角输入。以驾驶员对汽车施加的方向盘转角输入为控制变量，以精确跟踪期望路径为控制目标，将汽车操纵逆动力学问题转化为最优控制问题。利用直接配置方法将最优控制问题转化为非线性规划问题，运用序列二次规划方法求解。仿真结果表明：该方法能够使汽车很好地跟踪所期望的路径，且可以比较跟踪同一路径的不同汽车的操纵性能。     

基于AMESim和MATLAB联合仿真的双变量电动静液作动器性能分析

介绍了双变量电动静液作动器(EHA, Electro hydrostatic Actuator)系统的结构组成与工作原理,分别基于AMESim和MATLAB软件,建立了其机械、液压部分的模型和电机、控制部分的模型,并采用接口技术将二者结合,建立了其完整的非线性数学模型。采用分配解耦控制策略以及AMESim和MATLAB联合仿真技术对其进行阶跃和正弦响应性能仿真分析。仿真结果表明：所设计的双变量EHA系统原理正确,满足性能要求。分配解耦控制策略可以很好地解决双变量EHA系统的相乘非线性问题,保证了系统的刚度和鲁棒性。     

固体力学有限元的神经计算原理

针对现代结构分析的特点，利用力学中的最小势能原理，把力学有限元的计算问题化为带约束的非线性优化问题。提出了基于神经网络的弹性力学有限元分析原理。     

大型工程物资供应组织中的合作伙伴选择

合作伙伴选择是当前动态联盟和供应链管理研究的一个热点问题，本文以某大型工程建设的物资供应为背景，深入研究了工程建设中动态物资需求情况下动态选择合作伙伴的问题，用非线性整数动态规划模型建立合作伙伴选择模型，同果，详细讨论了该类模型的求解方法，最后，以某大型工程为例，给出模型在计算实例。     

月球探测器软着陆最优控制

研究了一种应用非线性规划求解有限推力作用下月球探测器软着陆最优控制问题的方法。从庞德里亚金极大值原理出发,将有限推力作用下月球软着陆问题转化为两点边值问题;在考虑边界条件及横截条件的前提下,将两点边值问题转化为针对共轭变量初值和末时刻的优化问题;而后应用非线性规划方法求解形成的参数优化问题,为了降低初值猜测的敏感性,引入一种变换,用控制变量初值代替了共轭变量初值。仿真结果表明了所提设计方法是简单、有效的。     

A differential evolution algorithm to solve multi-skilled project portfolio scheduling problems

A multiskilled project portfolio scheduling problem (MSPPSP) is an extension of a multiobjective multimode resource-constrained project portfolio scheduling problem that is generally propounded to schedule a set of projects performed by human skills in an organization. The main idea of the MSPPSP is to consider resources that are called staff members to perform projects’ activities in different required skills. Since the required staff members have various skills, different combinations of skills are applied to accomplish the project. These definitions cause to encounter a huge number of modes while performing activities of a project. In this paper, a novel goal programming model for the multiobjective MSPPSP with precedence constraints that aim at finding a minimum deviation from the expected time to complete each project and assignment of resources is presented. To solve such a hard problem, an efficient metaheuristic algorithm based on differential evolution (DE) is developed. To evaluate the efficiency of the proposed DE algorithm, the results are compared to the results of the tabu search algorithm and the optimal results. The comparison confirms the effectiveness of the DE algorithm. Finally, regarding the size of organizations in terms of staff members, the maximum number of the determined structure projects, which is performable with minimum delay from aspiration times, is examined.     

基于控制变量参数化方法的自由漂浮空间机器人路径规划研究

针对自由漂浮空间机器人传统路径规划方法对基座卫星扰动较大的问题,提出了一种基于控制变量参数化的路径规划方法。该方法将路径规划问题转化成以基座姿态扰动最小为目标函数并满足一系列约束条件的最优控制问题,并采用控制变量参数化方法进行离散化处理,将最优控制问题转化成求解非线性规划问题,并给出了完整的理论收敛性证明,从而准确地估计出自由漂浮空间机器人末端执行器的最优路径。仿真结果表明,与传统的分解加速度方法相比,该方法得到的运动路径所引起的基座卫星姿态扰动为0.104rad,相比传统方法降低了17.53%,验证了所提路径规划方法的有效性与最优性。     

基于随机模拟的含风电场机组组合模型及求解

含风电场电力系统中风电与负荷的不确定性对系统的安全经济运行产生影响,含有风电场的机组组合问题不再是一个常规意义下的确定性问题,利用传统的方法也难获得既经济又有较高可靠性的解。风电场出力预测主要影响系统的负荷运行备用容量,因此要通过配置备用来应付系统中的不确定性因素。该文通过备用的效益与成本在目标函数中的相互牵制,自动为系统配置合适的备用,并将构建模型中部分含有{0,1}变量乘积形式的非线性约束转化为由一组线性约束条件来表达,转化后的数学模型为标准的二次混合整数规划问题。算例分析表明该模型的有效性和实用性。     

Genetic and differential evolution algorithms for the allocation of customers to potential distribution centers in a fuzzy environment

In order to serve the customers' demands in a supply chain, one of the important decisions is to select some candidate places as distribution centers (DCs) in the network. For opening a potential DC and also shipping from the DC to the customers, there are two types of costs named fixed and variable costs, respectively. Contrary to previous work, we consider fuzzy costs and utilize differential evolution (DE) algorithm for the first time for the given problem. In addition, some new crossover and mutation operators are proposed in DE. We also address the problem with genetic algorithm (GA) and compare the results with the presented DE algorithm. In the both presented algorithms, Prüfer number representation is employed. Besides, the Taguchi experimental design method is employed to study the behavior of the parameters dealing with the problem. To evaluate the performance of proposed algorithms, various problem sizes are considered and the computational results are analyzed. Finally, the impact of the rise in the problem size on the performance of the algorithms is investigated. The DE depicts a superior performance over GA in all problem sizes.     

Kinematic shakedown analysis under a general yield condition with non-associated plastic flow

A nonlinear, purely kinematic approach with the finite element implementation is developed to perform shakedown analysis for materials obeying a general yield condition with non-associated plastic flow. The adopted material model can be used for both isotropic materials (e.g. von Mises's, Mohr-Coulomb and Drucker-Prager criteria) and anisotropic materials (e.g. Hill's and Tsai-Wu criteria) with both associated and non-associated plastic flow. Nonlinear yield criterion is directly introduced into the kinematic shakedown theorem without linearization and instead a nonlinear, purely kinematic formulation is obtained. By means of mathematical programming techniques, the finite element model of shakedown analysis is formulated as a nonlinear programming problem subject to only a small number of equality constraints. The objective function corresponds to plastic dissipation power which is to be minimized and an upper bound to the shakedown load of a structure can then be obtained by solving the minimum optimization problem. A direct, iterative algorithm is proposed to solve the resulting nonlinear programming problem, where a penalty factor based on the calculation of the plastic dissipation power is used to overcome the numerical difficulty caused by the non-differentiability of the objective function in elastic areas. The calculation is entirely based on a purely kinematical velocity field without calculation of stresses. Meanwhile, only a small number of equality constraints are introduced into the nonlinear programming problem. So the computational effort is very modest. Numerical applications prove that the developed algorithm has a very good numerical stability and computational efficiency. The proposed approach can capture different plastic behaviours of materials and therefore has a very wide applicability.