求解非线性方程组的智能新方法

求解方程组是工程研究中的基本问题,因此将非线性方程组的求解问题转化为函数优化问题,应用一种新的智能优化算法-布谷鸟搜索算法求解此优化问题,数值实验结果表明了该算法在求解非线性方程组时的可行性和有效性。     

组合优化问题求解的计算模型研究

优化技术是一种以各种形式的数学处理方法为基础,用于求解各种工程问题优化解的应用技术。如何有效地求解组合优化问题现在仍是一个公开的困难问题。以遗传算法、模拟退火算法和蚁群算法为代表的智能优化算法的出现,为解决组合优化问题提供了一条新的途径。但智能优化算法目前仍存在许多问题需要进一步研究,如数学基础不够完善,研究结论相对分散等。建立一个智能优化算法求解组合优化问题的计算模型,可以将各种算法形成一个统一的算法结构框架,并对该模型中的操作算子进行了相关研究。     

碰撞检测算法研究

针对传统数值方法求解非线性方程组时对初始值敏感与收敛性差等问题,探讨了应用人工鱼群算法求解非线性方程组的方法。将非线性方程组的求解问题转化为函数优化问题,应用人工鱼群算法进行优化求解。使用该方法不需要借助目标函数的初始点信息和导数信息,通过数值实验结果可知该方法具有有效性和可行性。     

一种求解背包问题的改进离散粒子群优化算法

文章提出了一种改进的离散型粒子群优化算法,该算法重新定义粒子群优化算法的速度和位置公式,使其适用于离散问题.将该算法应用到典型的组合优化问题(0-1背包问题)的求解中,仿真实验表明了该算法的有效性.     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群。通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力。     

蚁群算法在函数优化求解中的应用

蚁群算法是近年来新出现的一种随机搜索寻优算法,该算法为求解复杂的组合优化问题提供了一种新思路,引起了众多学者的研究兴趣。通过在函数优化问题中的应用,说明该算法能有效地避免陷入局部最优,指出了蚁群算法在优化问题中的应用前景。     

基于多种群的多目标遗传算法研究

根据求解多目标优化问题时的一般要求,结合当前多目标优化算法的研究状况,从增强和保持种群的多样性角度出发,采用多种群的方式,提出了一种基于多种群的多目标遗传算法,同时算法中采用ε-占优的策略更新外部种群.通过针对经典测试函数的实验表明,该算法能够求得这些问题的Pareto前沿,说明该算法具有求解复杂多目标优化问题的能力.     

一种求解非线性方程组的混沌优化算法

本文针对非线性方程组的求解问题提出一种混合算法,将方程组转换成一个优化问题。利用优化问题的非线性共轭梯度法与混沌优化方法相结合,提出了一种新的混合优化算法。该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优。算法的收敛性也进行了证明,数值结果表明该算法是有效的。     

求解0-1背包问题的粒子群优化算法

设计了一种用于求解0-1背包问题的粒子群优化算法,阐述了算法求解0-1背包问题的具体操作过程.通过对其它文献中仿真实例的计算和结果对比,表明了该算法对求解0-1背包问题的可行性和有效性.     

基于粒子群算法的可靠性优化

系统可靠性优化已被证明是一个NP完全问题,不存在精确的求解方法。人们构造了大量的启发式算法,如遗传算法(GA),蚁群算法(ACO),模拟退火算法(SA)等。针对各种算法所存在的早熟收敛,易陷入局部极值点的缺点,提出了将粒子群算法(particle swarm optimization,PSO)用于求解可靠性问题。给出了基于粒子群算法的可靠性优化求解策略,根据数学模型,详细讨论了求解步骤,最后给出了实验仿真结果。结果表明该算法具有较强的局部搜索能力,同时也有更高的搜索效率,与其它方法相比,该算法能够找到更优解,验证了该算法的可行性和有效性。     

复杂工程问题背景下“交通工程学课程设计”教学改革研究

文章以解决复杂工程问题能力的培养为指导,从课程设计结构与内容调整、学生参与方法改善、考核体系优化等方面探索复杂工程问题与课程设计协调统一的教学改革方法。课程设计实践效果表明,在课程设计中引入复杂工程案例,可以提高学生在小组合作中的参与度,增强学生创新能力、合作意识和解决复杂工程问题的能力。     

DNA遗传算法的化工过程建模方法

DNA遗传算法的化工过程建模参数估计是非常复杂的问题,但转化成非线性优化问题就可以设计一种新型的简便的建模方法。利用遗传算法具有适应性强的全局搜索优势,可以使用碱基对个体进行四进制编码,设计全新的变异算子与交叉算子,开发出一个新型的DNA遗传算法化工过程建模方法。两个经典测试函数计算结果表明,这种算法的搜索能力、拟合精度都比较理想。     

Shape optimization of plate with static and dynamic constraints via virtual laminated element

The virtual laminated element method (VLEM) can resolve structural shape optimization problems with a new method. According to the characteristics of VLEM, only some characterized layer thickness values need be defined as design variables instead of boundary node coordinates or some other parameters determining the system boundary. One of the important features of this method is that it is not necessary to regenerate the FE (finite element) grid during the optimization process so as to avoid optimization failures resulting from some distortion grid elements. The thickness distribution in thin plate optimization problems in other studies before is of stepped shape. However, in this paper, a continuous thickness distribution can be obtained after optimization using VLEM, and is more reasonable. Furthermore, an approximate reanalysis method named “behavior model technique” can be used to reduce the amount of structural reanalysis. Some typical examples are offered to prove the effectiveness and practicality of the proposed method. Project (No. 50075083) supported by National Natural Science Foundation of China     

基于遗传算法的双圆弧齿轮传动的优化设计

遗传算法是基于生物进化论的思想，生物自然选择与遗传机理的随机搜索的全局优化算法。该算法适合处理非线性优化问题。本文将遗传算法引入双圆弧齿轮传动优化设计中。经实例计算，验证了遗传算法在双圆弧齿轮传动优化设计中的可行性和有效性。     

群智能优化算法及其在生物信息学问题中的应用

生物信息学研究需要使用先进的计算工具处理大量生物的模糊的和不确定的数据。群智能优化算法以低成本、快速和准确合理地解决复杂的搜索问题的优点,使其成为一族能用以较好地解决生物信息学中的问题的启发式算法。综述群智能优化算法及其在生物信息学问题中的应用。     

人工神经网络在火灾探测中的应用

火灾的早期探测是较为复杂且具有重要意义的研究课题。针对传统火灾探测方法存在的不足,提出了一种基于人工神经网络技术的火灾自动探测系统,即采用黄金分割优选法对网络隐含层节点数进行优选,采用优于BP算法的LM算法进行网络学习训练。实验结果表明不仅这种系统具有拟合精度高和运算速度快等优点,且探测效率良好。     

基于离散粒子群优化算法的造林规划设计

指出造林规划设计问题实质是一个离散约束优化问题。应用离散粒子群优化算法求解目标函数,以保证解的合理性法和惩罚函数法相结合处理约束条件。分析实例表明,离散粒子群优化算法可用来优化造林规划设计方案,与模拟退火算法比较,效果更好。此研究结果可为科学造林和最优化经营管理提供新思路,丰富粒子群应用领域。     

混沌优化方法的改进及其收敛性分析

针对混沌优化方法存在的问题提出了一种改进方法。在神经网络训练问题中的应用表明 ,改进的混沌优化方法对复杂优化问题搜索效率更高 ,效果更好。对算法的全局渐进收敛性分析说明 ,算法具有全局渐近收敛性     

一种间接求解约束优化问题的遗传算法

传统的遗传算法在求解带约束的数值优化问题时,主要采用罚函数法。文章针对罚函数法在实际应用中的不足,提出了一种将约束优化问题转化为双目标优化问题,然后使用双目标遗传算法进行求解的方法。仿真结果表明该方法是一种有效的约束问题寻优方法。     

融合 Rosenbrock 搜索法的混合粒子群算法

为克服粒子群算法在处理复杂高维问题时易陷入局部最优及寻优精度低等缺陷,提出一种融合 Rosenbrock 搜索法的混合粒子群算法。首先,利用 Tent 混沌序列进行种群初始化;其次,采用去速度项的简化粒子群公式提高收敛速度并对个体极值加入扰动,增强粒子种群多样性;最后,当全局最优个体更新停滞时,利用Rosenbrock 搜索法对全局最优个体进行局部搜索,提高解的精度。利用 8 个常用基准测试函数分别对 30 维和50 维问题进行实验,证实该算法可寻到病态函数 Rosenbrock 全局最优值,且比其它 7 个函数的寻优精度提高10-2 数量级。实验证明该算法收敛速度快,解的精度高,全局搜索能力强,寻优能力明显提高。