离散变量结构优化设计的复合形遗传算法

对离散复合形法提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,从而建立了一种离散变量结构优化设计的混合遗传算法·算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的·     

基于自适应网格的结构拓扑优化

研究了基于自适应网格技术的结构拓扑优化.采用有限元离散设计域,单元节点密度作为设计变量.优化迭代过程中,根据设计域密度场信息对结构网格进行自适应加密和稀疏,使得材料分布边界处的网格加密,远离材料边界处的网格稀疏.同时,优化设计变量空间也随着网格的变化而变化.给出了拓扑优化中网格自适应加密和稀疏的准则,以及网格变化时结构密度场更新算法.算例结果表明提出的拓扑优化策略可以减少结构分析和优化求解的计算量,在同等结构分析和优化求解计算量下能够得到更好的拓扑结果.     

基于系统可靠度的预应力空间网格结构优化

为降低预应力空间网格结构系统优化分析的复杂度,提出一种利用改进的遗传算法进行结构系统可靠度约束下的最小质量优化设计的方法。该方法将系统可靠度作为结构优化控制参数,采用分枝限界法判定系统的主要失效模式,应用PNET法计算系统的可靠度。算例分析表明,该方法得到的最优个体质量相对于最佳矢量型法降低了2．82％。该方法合理有效,具有工程应用价值。     

基于错误函数的四面体网格优化方法

通过对现有网格优化算法及网格质量函数的研究,选用常见的四面体网格质量函数,同时考虑边质量约束,推导出了错误函数,基于这个错误函数对四面体网格进行优化.采用错误函数作为基于优化算法光顺的目标函数.并通过应用变尺度法(BFGS)求解错误函数最小值问题对四面体网格进行光顺.将改进的基于优化算法的光顺与拓扑优化算法中的点重叠技...     

基于拟满内力遗传算法的方钢管混凝土桁架结构拓扑优化

为了解决方钢管混凝土桁架结构离散变量拓扑优化问题,通过遗传算法随机生成初始拓扑构形,采用启发式算法检查并修正拓扑构形;以方钢钢管截面型号、拓扑变量、混凝土强度等级为优化变量,以结构造价最低为优化目标,建立基于独立拓扑变量的拓扑优化数学模型,提出一种基于拟满内力遗传算法的方钢管混凝土桁架结构拓扑优化方法;拟满内力遗传算法初始总群中部分个体由拟满内力算法的优化解产生,并且将拟满内力算法作为算子加到遗传操作后运行;同时对传统遗传算法的罚函数进行改进,提高遗传算法运行效率;通过算例对12杆桁架结构优化前、后模型及拓扑优化结果进行对比。结果表明：相对于拟满内力算法与遗传算法,所提出的方法应用于方钢管混凝土桁架结构拓扑优化总造价更低;拓扑优化后的结构杆件较少,并且各杆件均已充分发挥承载能力,拓扑优化效果明显改善。     

基于自适应遗传算法的网格任务调度优化

针对传统任务调度算法效率较低、资源负载不平衡等缺点,基于遗传算法,考虑现代网格系统异构性和动态性的特点,提出一种有效的交叉概率和变异概率自适应更新方法,提高遗传算法的全局搜索能力和收敛速度.仿真实验表明,改进后的遗传算法在进化速度上有明显提升,可较好地处理网格任务调度问题,提高任务调度效率,降低资源负载的不平衡性.     

偶应力介质结构的最优强度拓扑优化

在等应变能密度分布的意义下给出了偶应力介质结构最优强度的拓扑优化设计方法。优化模型的设计变量为单元的密度,约束函数为许用材料的体积用量,目标函数通过等应变能密度准则隐式地给出。该方法的优点在于将强度约束/目标的显式应力形式进行转化,避免了应力函数优化问题中的奇异性、强非线性及约束的局部性等困难。数值算例表明,基于优化模型,偶应力介质的最优结果依赖于结构的最小局部尺寸与偶应力介质特征长度的比值。当宏观结构的尺寸远大于特征长度时,偶应力介质的结果趋于经典连续介质的相应结果。     

面向独立任务的星型网格拓扑结构优化

文中以星型网格应用环境中独立任务周期性调度的研究成果为基础,通过分析网格平台分别处于非饱和态、临界态以及冗余态时的性质,提出了拓扑结构优化方法——静态优化与动态优化,给出了一种星型网格计算能力与资源利用率的度量方法;在静态优化方面,解决网格拓扑结构最优化的判断问题,给出组建最优化星型网格的方法;在动态优化方面,研究了网格拓扑结构动态变化时节点的准入策略;还根据网格计算能力与动态负载的匹配情况,提出了网格拓扑结构动态优化算法.最后给出了网格平台的扩展策略.     

基于一种新的应力准则的渐进结构优化方法

根据工程优化设计中最关注的材料利用率和最大应力最小化问题，引入且导出了应力评估参数，并基于此参数和单元的应力水平，提出了一种新的应力准则．该方法能有效缓解在删除无效材料时可能导致的应力集中．用两种不同方法对悬臂梁进行了优化设计，实例说明这一方法比传统的基于应力的渐进结构优化方法更为有效．     

离散变量结构优化设计的混合遗传算法

针对离散复合形法提出了一种新的初始点产生办法，并基于满应力思想，对离散复合形法进一步做了改进，提高了离散复合形法的局部寻优能力，从而构造了一种改进的离散复合形法用于离散变量结构优化设计；对基本遗传算法运用Hamming距离控制种群的个体差异；在适应度计算过程中加入判定因子来减少结构重分析次数：在遗传操作中。对交叉和变异操作做了改进．并把复合形算子嵌入到复制操作中，从而建立了一种离散变量结构优化设计的混合遗传算法。算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法，是可行和有效的。     

遗传算法在工程项目资源优化中的应用

GA是一种源自生物界自然选择和自然遗传机制的随机化搜索方法,群体搜索策略和信息遗传的特点使其在组合优化中表现出其它传统方法所不能比拟的性能。将GA应用于工程项目的资源优化中,解决资源平衡和资源有限问题,避免了繁琐的推断过程,同时还能得到除最优解外的几个次最优的解决方案。     

L-缬氨酸生产菌的选育及基于遗传算法的发酵培养基优化

采用以黄色短杆菌TV10为出发菌株,经紫外线、硫酸二乙酯逐级诱变处理,在含磺胺胍(SG)、α-氨基丁酸(α-AB)、2-噻唑丙氨酸(2-TA)结构类似物平板上定向筛选,获得L-缬氨酸高产菌株TV230。运用遗传算法,对L-缬氨酸发酵培养基的优化进行了研究,用10组实验完成了8因素20水平的优化任务。实验结果表明,采用优化后的发酵培养基能使缬氨酸的产量提高19.4%。     

利用遗传算法搜索全局最优的一种混合算法

把最速下降法与遗传算法相结合,提出了一种混合算法,该算法能使遗传算法离开“早熟收敛”状态,最终获得全局最优,对算法的收敛性进行了证明,数值仿真表明算法是有效的。     

一种基于模糊聚类和遗传算法的模糊神经网络模型的学习算法

提出了一种基于模糊聚类和遗传算法的模糊神经网络的学习算法,采用 模糊Ｃ－均值聚类算法进行模糊神经网络模型的结构辨识,得出最优或次优的模 糊规则数,采用改进的遗传算法进行系数辨识。仿真结果证明该算法是可行和有 效的。     

改进的遗传算法在蛋白质结构预测中的应用

摘要:为了提高蛋白质结构预测效率,针对蛋白质HP模型折叠问题,在标准遗传算法的基础上,本文提出了一系列改进的搜索策略:控制群体中全同体数目保持群体多样性;在交叉阶段实施单点交叉父子竞争提高个体生存竞争力;对最优个体实施系统变异局部优化等. 实验结果表明,与标准遗传算法相比,改进后的遗传算法较大幅度的提高了搜索效率和成功率,遗传算法在蛋白质空间结构预测上是一个有相当潜力的算法.     

基于遗传算法的多约束背包问题求解方案

采用混合遗传算法求解多约束背包问题.首先构建多约束背包问题的数学模型,然后采用多维实数编码方式的遗传算法,结合附带染色体库技术、局部启发式算子和扰动算子对问题进行求解,并给出了一个实验实例.实验证明文中采用这种混合遗传优化算法解决多约束背包问题切实可行,有较高的搜索效率.     

目标识别中的遗传算法研究

提出了一种基于多样本模板的遗传算法目标识别方法 ,将若干个差别较大的目标样本存入目标库中 ,对所需提取目标的图象用遗传算法来求得这些匹配样本的最小匹配误差测度 ,最终匹配位置即为需提取的模板位置 ,而模板尺寸即为此时的样本尺寸     

试题库智能组卷的遗传算法

利用演化计算中遗传算法的原理，对试题库组卷进行了具体应用，结果表明具有较好的适用性和效率。     

周期振荡环境对遗传算法的影响

研究了周期振荡环境下遗传算法的性能,采用多峰函数作为测试例子,定义了基于海明空间的多样性量度,主要得到了2个结论:一个是变异概率并不只是取很小才好,取到接近1也可以得到较好的性能;另一个是增加种群的多样性并不一定意味着更容易跟踪问题的最优解.     

基于遗传算法的电火花线切割多次切割工艺目标优化研究

针对多次切割影响因素繁多的特点,分析了主要电参数对多次切割的影响规律,在此基础上进行了多次切割正交实验。运用遗传算法对工艺参数进行了优化,研究结果表明在高速走丝线切割机床上能实现多次切割加工,显著提高工艺指标。