参数化造型中的几何约束求解方法

本文介绍了参数化造型中的几何约束求解方法的发展状况,从基于代数的求解方法、基于几何约束图的求解方法和基于人工智能的规则推理法等方面分析了目前造型系统中采用的几何约束求解方法。     

平面机构中过约束问题探讨

平面机构是机械产品中应用最广的基本结构型式,机构的运动是在约束的基础上产生的,本文探讨了平面机构中的过约束产生的原因及影响,对平面机构过约束进行定义,并对平面机构的过约束数提出计算公式。     

应用新型量子粒子群优化算法求解PFSP问题

为了提高粒子群算法在求解调度问题时的搜索能力和优化效率以及避免早熟收敛。通过采用了一种新颖的量子粒子群算法,用量子位的概率幅对粒子位置编码,用量子旋转门实现粒子移动,完成粒子搜索;并采用量子非门来实现变异,从而提高种群多样性。由于每个量子都有两个概率幅,因此每个粒子实际占据两个粒子位置,所以在粒子数目相等的情况下,能加速粒子的搜索进程。仿真实验结果表明,在求解置换流水线生产调度问题时优于基本粒子群算法。     

ADAMS中过约束问题的分析

ADAMS是以计算多体系统动力学为基础,包含多个专业模块和多个专业领域的虚拟样机开发系统软件,利用它可以建立复杂的机械系统的运动学和动力学模型.在应用ADAMs对产品进行仿真分析时,建立一个准确的、与实际产品一致的模型是至关重要的.然而,在建模过程中,由于虚约束及公共约束等因素的存在,常使模型产生过约束,即冗余约束.本文探讨了产生过约束的原因,并对其进行分类,最后,提出了解决相应过约束问题的方法.     

混合单纯形算法与差分算法求解约束优化问题研究

为了求解约束优化问题,本文设计了一种基于约束的单纯形算法,并将其与差分算法想混合,实验证明算法能够得到较好的结果。     

基于约束模型的主动约束捕捉及其求解算法

手势在人机交互中的应用是非常普遍的。本文给出了一种基于约束模型的主动约束捕捉的数据结构。在此基础上分析研究了用于笔式用户界面几何教学系统中的手势识别技术。进而提出了主动约束捕捉的求解算法,最后阐述了手势在笔式几何系统中的应用。     

BP神经网络的量子学习及应用

在神经网络的训练过程当中,引入量子遗传算法,结合BP梯度下降反传训练方法构造神经网络的量子优化算法.利用量子运算的高效并行性,对神经网络实行量子编码,用量子门旋转来代替网络进化时交叉、变异等更新操作,使得网络训练收敛精度高、收敛速度快、同时避免陷入局部最优的缺点.最后提出了一种基于量子神经网络的预测方法,仿真结果表明,基于量子遗传算法的神经网络,训练次数,误差精度以及预测能力都明显优于BP神经网络.     

遗传-蚁群混合算法解决高校排课问题的研究

排课是高校教务部门的常务性工作,随着高校的发展,排课任务变得越发艰巨。因此,研究一套高效的自动排课系统,极具现实意义。文章首先建立排课数学模型,通过将遗传算法与蚁群算法融合,依靠遗传算法生成信息索分布,利用蚁群算法求精确解,优势互补,获得了良好的优化性能与时间性能。     

混合遗传算法在随机机会约束规划中的应用

关键路问题是工程管理中的一个重要问题．然而网络中的关键路的长度通常是随机变量．该文应用混合遗传算法求解在随机机会约束下的关键路问题．并给出了一般的步骤，使用该算法可以很快地求出一批最长完工时间集及其完工概率     

遗传BP算法在双色球彩票预测中的应用

介绍了目前双色球彩票的现状,以及统计方法预测的不足,分析了BP算法和遗传算法的特点及不足,提出了遗传BP算法。基于遗传BP算法,建立了双色球预测模型,并对近100期双色球的数据进行实验验证。实验结果表明预测模型比较成功,能够在一定程度上帮助彩民朋友进行彩票选号。     

模拟退火遗传算法求解面试组专家工作安排问题

为了有效求解如何安排面试专家组成员工作使面试公正客观的问题,建立面试安排工作数学模型,该模型为复杂的非线性整数规划问题。提出一种装箱编码、模拟退火遗传、多点交叉、领域搜索变异的遗传算法对数学模型进行求解,并以一个30名专家对300名学生进行面试,且每个面试组4名专家的例子用遗传算法进行求解计算。结果表明,改进后的遗传算法能高效求解出问题的近似最优解,求解结果能满足面试工作安排所提出的要求。     

求解TSP问题的一种改进遗传算法

TSP问题是典型的NP完全问题,遗传算法是基于生物进化论的一种全局优化搜索算法。文中针对TSP问题传统遗传算法的缺点,提出了一种改进的遗传算法,并且给出选择、交叉和变异操作的设计。最后,以该算法求解中国旅行商问题(C-TSP)为例,表明该改进遗传算法具有更好的收敛性,可以得到更好的最优解。     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题(TSP)是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

混合遗传算法及其应用

给出一种结合梯度法和正交遗传算法的混合算法。实验表明,它通过对问题的解空间交替进行全局和局部搜索,能更有效地求解函数优化问题。     

遗传算法与蚂蚁算法的融合在神经网络中的研究

为了克服和改进传统BP算法的不足,发挥神经网络、遗传算法和蚂蚁算法各自的优势,本文提出了一种遗传算法和蚂蚁算法的融合在神经网络中二次训练的方法,并将融合算法应用于神经网络的权值训练中,采用遗传算法生成信息素分布,同时利用蚂蚁算法求精确解,并用神经网络二次训练得到最终结果,优势互补,获得了一种优化性能与时间性能共赢的有效算法。     

模糊数据挖掘及遗传算法在IDS中的应用研究

针对关联规则挖掘中存在的＂尖锐边界问题＂,重点研究了模糊关联规则挖掘及遗传算法在入侵检测中的应用,在隶属度的计算中采用了折中的准则。实验结果表明该方法能有效区分正常状态和异常状态,提高入侵检测准确度。     

函数优化的遗传算法

遗传算法是一种有效的模拟进化算法,针对不同问题,编码方式多种多样。针对函数优化问题,阐述了不同的编码方式及遗传操作,在Matlab环境中用遗传算法实现求解函数优化问题。     

遗传算法在自动组卷中的应用

自动组卷策略是利用计算机自动完成试卷生成的一种方案,整个过程的人工投入少,在很大程度上解放了教师,提高了工作效率。能否自动组出满足用户要求的试卷,与组卷使用的算法紧密相关。采用遗传算法,按照选择编码方式、产生初始种群、计算自适应函数、进行遗传操作、试卷生成的过程,可完成自动组卷操作。     

一种基于遗传算法的作曲方法

本文介绍了一种基于遗传算法,以乐段为单位的作曲方法。该方法能生成具有相对完整乐思的音乐片段,并引入了音乐的风格化特征,能按照用户的情感因素产生用户所需的音乐片断。     

一种改进的求解TSP问题的遗传算法

TSP问题是典型的NP难组合优化问题,而遗传算法是求解此类问题的一种方法。但遗传算法存在收敛速度慢和陷入局部最优的问题。针对上述问题并结合TSP的特点提出了一种改进的遗传算法,对传统遗传算法的各种操作与算子进行了优化与改进,较好地解决了种群多样性与算法收敛性的矛盾。实验结果表明,改进后的算法明显优于传统遗传算法,说明该算法具有良好的有效性与可行性。