基于径向基函数、区间分析和非支配排序遗传算法的结构区间多目标优化

研究目的：为改善实际工程结构在不确定性条件下的多性能指标,提供一种高效的区间多目标优化方法。创新要点：建立一个目标和约束均为区间不确定性参数函数的区间约束多目标优化模型,提出并实现基于径向基函数、区间分析和非支配排序遗传算法（NSGA-II）的区间多目标优化算法。研究方法：首先,利用区间序关系将每个区间目标转换为同时优化其中点和半径的确定性双目标,利用区间可能度法将区间约束转换为确定性约束,并在此基础上,利用加权法和罚函数法将每个区间目标的约束优化问题转换为相应的无约束优化问题;然后,利用拉丁超立方实验设计和有限元分析构建预测各待优化结构性能指标值的径向基函数;最后,将径向基函数、区间分析法与NSGA-II相结合,快速求出转换后确定性无约束多目标优化问题的所有Pareto最优解,并通过考虑材料不确定性的高速压力机滑块机构设计实例验证该方法的有效性。重要结论：目标和约束均为不确定性参数函数的区间多目标优化模型能有效反映实际工程中同时改善结构多性能指标的需求。基于径向基函数、区间分析和NSGA-II相结合的区间多目标优化算法将传统区间优化模型求解中的嵌套优化过程简化为单层遗传优化过程,大大提高了求解效率,并可获得多目标优化问题的所有Pareto最优解。     

实现平面连杆变幅机构轨迹复演的遗传退火混合优化算法的研究

利用随机优化算法、遗传法和模拟退火法的优点设计了一套遗传退火混合优化算法 ,并将其应用于平面连杆变幅机构轨迹复演的优化 .计算实践表明 ,该算法的稳定收敛性良好 ,对多峰值的目标函数能以较大的概率搜索到全局最优解     

非线性问题的求解及优化研究——基于遗传算法和混合遗传算法的分析

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

认知无线电多目标优化算法研究

认知无线电是指能够感知周围频谱环境并动态使用频谱资源的智能无线通信系统。认知无线电的多目标优化问题是一个典型的动态参数优化问题。以传输能量、数据率以及误比特率等多个参数为目标,采用一种基于DNA计算的非支配排序多目标遗传算法(DNA-GA)来对其进行优化。将CR可调参数进行编码作为染色体,产生大小为N的初始化种群,并根据CR目标函数计算个体适应度,再结合克隆操作使算法收敛于全局最优,最终得到CR系统的最优操作参数。仿真结果表明,DNA-GA可以在不同用户需求情况下获得较好的性能优化。     

永磁直线同步电动机优化设计及算法比较

针对永磁直线同步电动机设计的问题，提出了以单位体积的最大推力为目标函数并建立了相应的数学模型，然后将遗传算法和随机搜索法分别应用于永磁直线同步电动机优化设计中。优化结果表明，用单位体积最大推力作为永磁直线同步电动机的优化目标函数是可取的。合理使用两种算法可得到满意的优化结果。     

基于混合遗传算法的非线性问题求解及优化研究

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程耗时较长,易出现早熟现象导致结果准确度低。根据GA传统算法与结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化问题和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA)进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

改进粒子群优化算法下的视频目标跟踪方法

提出一种基于改进的粒子群优化算法的视频目标跟踪方法,对视频目标跟踪问题模型进行分析设计,建立一种视频目标跟踪的四维参数模型,针对该模型使用粒子群优化算法寻求最优解。分析视频目标跟踪场景的特性,使用模式匹配相关系数作为粒子群算法的适应度估计函数,同时引入动态调整粒子群算法的惯性权重参数的改进方法,避免传统粒子群算法过早收敛,陷入局部最优的问题。实验测试表明该算法相较于传统算法,在视频目标的跟踪上具有更佳的检测精确度和跟踪稳定性。     

基于混合遗传算法的物联网无线节点定位研究

为快速有效地实现物联网中无线节点的定位需要,提出混合使用遗传与退火算法计算物联网无线节点位置的方法。利用退火算法具备概率性向"优化"和"劣化"方向搜索的特点,优化遗传运算过程中的选择算子,有效改善种群多样性,克服遗传算法容易出现"早熟收敛"的现象,有利于位置计算函数的极值收敛。实验结果表明:使用混合遗传算法计算物联网中节点位置,消耗锚点少,定位精度高,算法稳定,能有效解决低成本无线系统中的定位问题。     

BP人工神经网络与遗传算法在射孔枪盲孔参数优化中的应用

基于MATLAB平台,将BP人工神经网络与遗传算法应用于射孔枪盲孔参数的优化设计。首先利用BP神经网络来训练已有实验值,然后将训练后的神经网络作为知识源,通过多项式拟合与逼近求得设计变量与目标函数值的函数关系表达式,最后将这一函数表达式作为遗传算法的适应度函数进行遗传迭代寻找最优解。数值模拟分析表明,对盲孔参数的优化是合理的。     

多目标猫群算法求解切削参数优化问题

针对车床切削过程的复杂性,在充分考虑加工过程约束条件的基础上,建立了生产率、刀具耗损寿命和表面粗糙度的切削参数优化问题的数学模型。推导和分析发现,目标函数和和分析切削参数约束条件都是关于进给量、切削速度和背吃刀量的方程和不等式,为优化奠定了良好的基础。采用改进的多目标猫群算法进行优化,结果表明,该算法能有效求解切削参数优化问题。     

演化算法求解约束多目标优化问题

本文引入约束占优的定义，将约束条件与目标函数融合在一起，对有约束的多目标优化问题（MOP）建立了一种新的偏序关系。使用多父体杂交和非均匀变异来求解约束多目标优化问题，通过对测试函数的实验，验证了算法的可行性和有效性。     

基于偏好多目标蜂群算法的过热汽温控制系统优化(英文)

为了将决策者的偏好综合到多目标问题求解过程中,提出了一种偏好多目标蜂群优化算法PMABCA.在PM ABCA中,给出了一种新的偏好距离计算方法,基于非支配等级与偏好距离定义了适应度分配函数,并引入了归档集用于非支配解的存储.为了清除非支配集中多余的解,提出了改进的偏好拥挤距离算子.针对经典函数优化问题的计算结果表明,PMABCA可以在输出完整Pareto前端的基础上,确保输出大量符合偏好的最优解.将PMABCA应用于过热汽温控制系统PID参数优化问题,仿真结果表明,新算法的结果更便于决策者做出合理决策.     

一种快速自动多目标图像分割算法

针对进化多目标图像分割算法运行时间长且依赖人工挑选最优解的不足,提出一种快速自动多目标图像分割算法。首先使用自适应Mean-shift算法对图像进行预处理,将粗分割结果进行二次分割以提高运行速度;其次选择相互排斥的指标作为多目标的目标函数,并采用RM-MEDA框架对超像素颜色与纹理特征分别进行优化,同时对它们使用不同权值作为目标函数优化;最后由模糊模型从众多Pareto折中解集中自动选择满足实际分割要求的PS解。引入Mean-shift进行预分割,相对于标准的RM-MEDA,其运行速度提高近18%,由模糊模型推荐的Pareto解中,97%的情况符合分割要求。     

发电机参数聚合及其动态仿真

同调发电机聚合参数的优化对等值后系统的动态特性有重要影响.目前频域拟合法是发电机参数聚合常用的方法,该方法是通过目标函数确定出等值发电机的多个参数,这些参数的准确性直接关系到等值的效果.对于目标函数中多个变量的寻优,为了避免局部寻优的结果,可以考虑将改进蚁群算法的模型应用于基于频域拟合的发电机动态参数聚合中.通过新英格兰39节点系统实际算例优化结果和动态仿真结果比较分析,验证了该方法在发电机参数聚合中的有效性.     

浅谈桁架结构的拓扑优化

桁架结构优化根据其设计变量类型和优化层次的不同,可大致分为尺寸优化、形状优化和拓扑优化。在优化设计过程中,一旦建立了优化模型,那么根据模型中变量、目标函数以及约束条件的特点选择合适的优化算法就成为可能,这是较快速、较准确地得到结果的关键问题。目前一些基于进化、模糊和人工神经网络等智能优化算法被逐渐应用到桁架结构拓扑优化中。     

混沌果蝇优化算法研究

针对基本果蝇优化算法寻优精度低和收敛速度慢的缺点,提出一种基于Sinusoidal混沌映射的果蝇优化算法.首先,在寻优过程中引入混沌优化参数更新果蝇群位置,优化全局搜索能力;其次,将其它4种混沌映射与FOA算法相结合,在7个基准测试函数上进行性能对比分析,得到性能最优的一种混沌果蝇优化算法SFOA.仿真结果表明,提出的...     

遗传算法在电子商务配送中心布局中的应用

本文使用遗传算法对电子商务配送中心的地理位置安排进行了优化，以最大的人口覆盖率为目标函数，得出了优化后的三个配送中心的位置，经过与其他算法所求得的解进行比较，得出该法比用传统的优化算法求得的解更优。     

LS-SVM的核参数对概率筛筛分效率预测影响

以探索概率筛振动参数与筛分效率之间的关系,为概率筛结构的进一步改进提供指导意义为研究目的,将LS-SVM分类算法引入自同步概率筛筛分效率预测建模,探讨LS-SVM建模的可行性。基于各个不同的应用领域,可以构造不同的核函数,针对核函数需要优化特征参数的问题,应用网格搜索和交叉验证算法,对核参数的选择进行优化。通过研究得出用多项式(Poly)核函数建模对预测样本的最高预测识别率达到96.7%,采用RBF核函数建模对预测样本达到了零错分率,表明将LS-SVM算法引入概率筛筛分效率预测建模是可行的。     

基于粒子群优化的图像边缘融合算法

目前,图像融合算法大多利用源图像信息进行融合,融合模型的建立和融合参数的配置主要依赖于经验,存在随意性。提出了一种基于粒子群优化的图像边缘融合算法：首先对源图像进行多尺度边缘检测;然后利用边缘相关性作为目标函数,采用粒子群算法优化搜索融合参数;最后利用融合后的多尺度边缘重构出融合图像。该算法克服了融合模型对经验的依赖性,使得源图像边缘信息最大量地保留在融合图像中。仿真结果表明,使用该算法得到的融合图像能够有效包含源图像信息。     

基于广义Bayes理论地基参数的Powell反演力学模型（英文）

目的:通过Powell优化反演方法建立Winkler地基参数的反演力学模型,获得地基参数的稳定数值解。创新点:根据Bayes理论,推导广义Bayes目标函数;利用Fourier变换,推求Winkler地基上简支板的Fourier闭式解,建立地基参数的反演力学模型。方法:1.根据Bayes理论,推导广义Bayes目标函数(公式(4))及地基参数的广义Bayes均值和方差表达式(公式(9)和(11));2.引入Mindlin理论,推导Winkler地基上板的控制微分方程,推求Winkler地基上简支板的Fourier闭式解;3.提出步长的一维自动寻优方案,结合Powell优化方法建立Winkler地基参数的广义Bayes反演力学模型。结论:1.地基参数的反演迭代过程稳定收敛于参数真值;2.与Kalman滤波方法和共轭梯度法不同,Powell优化方法的迭代过程不涉及目标函数的偏导数计算;3.广义Bayes目标函数能同时考虑不同测量点和不同测量次数的位移实测资料,计算效率更高。