基于子模型法对TBM刀盘的结构强度分析

刀盘是隧道掘进机(TBM)开挖岩石的核心部件,其由于整体尺寸大,刀柄安装位置倒角小,一般有限元整体分析很难获得该位置的准确应力,也就无法确定估算设计结构的强度和可靠性。因此,为解决由于TBM刀盘整体尺寸大、现实条件很难对其进行网格细化和网格质量的保证,而造成的有限元分析时间长、分析精度低等问题,应用子模型法对TBM刀盘进行结构强度分析,通过验证两模型分析结果收敛趋势的一致性和两模型局部优化分析对比,证明了子模型法的可靠性和可行性,也表明了子模型法为刀盘等大型构件的强度分析提供了新的方法,对今后的大型构件有限元分析具有一定的参考意义。     

基于零件形心的数控火焰切割路径的规划

研究了数控火焰切割中多边形零件切割路径规划、打孔点的位置选择、带有内轮廓的零件打孔点位置选择和内轮廓的切割路径规划等关键问题,提出了一种基于零件外轮廓多边形形心的规划算法。首先根据零件外轮廓多边形计算零件的形心,然后把各个零件的形心作为TSP问题中的城市,采用蚁群算法对零件的切割路径进行分析。在此基础上,应用改进的局部优化算法研究了多边形零件切割打孔点的位置和内外轮廓的切割路径规划。     

结合粒子滤波和局部优化方法的人体运动跟踪

提出一种将粒子滤波和局部优化相结合的算法框架，用于解决多关节人体运动跟踪问题．由于高维空间中无法进行密集采样，因此普通的粒子滤波方法对于人体运动估计存在困难．在粒子滤波过程中引入局部优化方法来减少样本个数：一方面，对每个样本进行局部优化得到更加匹配的状态；另一方面，优化后的结果被用来指导下一时刻采样函数的生成．实验结果表明，该疗法能够以较少的样本完成三维人体运动跟踪任务．     

基于弦内角映射参数的多边形三角剖分快速优化

为提高三角剖分质量及其优化的速度，提出了基于弦内角映射参数的三角剖分优化算法，三角剖分优化问题实质是凸四边形的对角线选择问题，在两个三角形组成的凸四边形中，将弦内角映射成两三角形公共边中垂线上的映射参数值，经过证明映射参数与弦内角具有等价的三角剖分优化判别特性，因此三角剖分局部优化转化为映射参数的判别问题。理论分析与实践表明，该方法实现非常容易，且映射参数计算简洁方便、快捷可靠，弦内角映射参数判别方法避免了传统方法所必需的角度、半径距离计算，明显地提高了计算效率。     

基于二分法和控制信息素量的改进蚁群算法

为弥补蚁群算法易陷入局部最优、收敛速度较慢等不足,提出一种基于二分法和控制信息素量的改进蚁群算法。在每次迭代结束时,利用二分法放弃行走路程较远的半数蚁群的信息素,使收敛速度得到提高;利用3-opt局部优化方法提高解的精度;通过控制信息素量动态调整蚁群选择路径的概率,避免算法早熟;将改进的算法应用于旅行商问题。实验结果表明,该算法在寻优能力、可靠性、收敛速度以及稳定性方面均表现出明显的优越性。     

求解工作量平衡多旅行商问题的改进遗传算法

针对工作量平衡的多旅行商问题,提出了一种融合杂草算法繁殖机制和局部优化变异算子的改进遗传算法（Reproductive mechanism and Local optimization mutation operator based Genetic Algorithm,RLGA）。该算法利用入侵杂草优化算法中以适应度为基准的繁殖机制来产生种群并进行遗传操作,以此来提高算法的搜索效率;同时提出一种混合局部优化算子作为变异算子来提高算法的局部搜索能力,从而提高收敛精度。实验结果表明,RLGA在求解工作量平衡的多旅行商问题时可以快速收敛到较优解,并且求解精度得到了很大的提高。     

优化链路状态路由多点中继选择策略改进

对优化链路状态路由协议中多点中继选择策略加以改进。在求解中继节点集时,对源节点的一跳邻居节点中已被其他源节点选进中继节点集的节点,视其具有较高二跳节点覆盖数,并将其加入退出检测队列,以减少网络中继节点的冗余。仿真结果显示,在节点速率为1~30m/s时,改进策略能够降低网络时延1%~4%,减少网络拓扑控制分组2%~7%。     

基于局部服务排序的Web服务选择

Web服务以其低耦合,低成本等优点,原来越受到了学术界的青睐。针对于服务组合中如何选择满足用户需求的组合方案,提出了一种基于局部服务排序的算法（I－option）,它按照组合效用值递减的方向来搜索满足限制的组合,使得最终选择的组合的效用值得到了明显的提高,且实现了单方向上的搜索,简化了搜索的复杂性。     

基于泛化竞争和局部渗透机制的自组织网TSP问题求解方法

旅行商问题(TSP)是组合优化中最典型的NP完全问题之一,具有很强的工程背景和应用价值.文章在分析了标准SOM(Self-Organizing Map)算法在求解TSP问题的不足和在寻求总体最优解的潜力的基础上,引入泛化竞争和局部渗透这两个新的学习机制,提出了一种新的SOM算法---渗透的SOM(Infiltrative SOM,ISOM)算法.通过泛化竞争和局部渗透策略的协同作用:总体竞争和局部渗透并举、先倾向总体竞争后倾向局部渗透、在总体竞争基础上的局部渗透,实现了在总体路径寻优指导下的局部路径优化,从而使所得路径尽可能接近最优解.通过对TSPLIB中14组TSP实例的测试结果及与KNIES、SETSP、Budinich和ESOM等类SOM算法的比较,表明该算法既简单又能使解的质量得到很大提高,同时还保持了解的良好的稳健特性.     

混合快速细菌觅食算法求解非线性方程

对于非线性方程组的求解,传统方法有很多,如牛顿法、梯度下降法等,但这些算法存在要求方程组连续可微、初值的选取是否合适等缺点,根据以上缺点将求解的问题转化为优化的问题,提出了新的交叉优化算法,充分利用细菌觅食算法局部搜索能力和粒子群算法的全局搜索能力,充分发挥了这两个算法各自优点。数值实验表明,新的算法可以弥补粒子群算法局部搜索能力弱和细菌觅食算法的全局搜索能力的不足,是求解非线性方程的有效方法。