多重元模型搜索方法及其在汽车轻量化设计中的应用

目前广泛应用的基于元模型的优化方法通常起始于单一一组样本点,一旦样本点质量较差、其搜索效率和精度都会受到影响,甚至得不到想要的结果。提出一种多重元模型搜索方法,此方法应用两组初始样本点,拟合多个元模型。在搜索过程中,首先应用部分昂贵点构造一个重点空间,并构建二阶多项式进行搜索。为避免陷入局部最优的陷阱,同时应用构建的克里金模型搜索整个设计空间。经过多个算例的测试,此方法具有很高的搜索精度、搜索效率和稳健性。将此方法应用于某款车的轻量化设计中,经过优化,此结构减少了8.0 kg的质量,并提升了其刚度性能求。     

改进遗传算法在浅埋隧道施工倾斜地表沉降预测中的应用

Peck公式一般应用于水平地表隧道施工沉降预测,而对于山岭隧道,特别是进出口段往往地形倾斜,存在不同程度的偏压。对Peck公式进行改进,使其适用于倾斜地表沉降预测。针对基本遗传算法局部搜索能力不强,易陷入局部极值,不能收敛等缺陷采用改进遗传算法,加强局部搜索能力。对改进后的Peck公式中的计算参数运用改进遗传算法进行优化,并将其应用于青山岗隧道施工引起的倾斜地表沉降预测。结果表明,改进遗传算法是参数优化的一种有效的方法。     

改进遗传算法在浅埋隧道施工倾斜地表沉降预测中的应用

Peck公式一般应用于水平地表隧道施工沉降预测,而对于山岭隧道,特别是进出口段往往地形倾斜,存在不同程度的偏压。对Peck公式进行改进,使其适用于倾斜地表沉降预测。针对基本遗传算法局部搜索能力不强,易陷入局部极值,不能收敛等缺陷采用改进遗传算法,加强局部搜索能力。对改进后的Peck公式中的计算参数运用改进遗传算法进行优化,并将其应用于青山岗隧道施工引起的倾斜地表沉降预测。结果表明,改进遗传算法是参数优化的一种有效的方法。     

基于改进遗传算法的公路边坡稳定性分析方法

采用瑞典圆法计算滑面为圆弧时边坡的安全系数,并在遗传算法中增加Powell算法作为局部搜索过程,从而在保证遗传算法良好的全局搜索能力的同时,也提高了遗传算法的搜索速度。采用改进后的遗传算法搜索边坡的最小安全系数及与之相对应的滑动面,结合公路边坡工程实例检验了所提出方法的有效性。     

基于改进遗传算法的公路边坡稳定性分析方法

采用瑞典圆法计算滑面为圆弧时边坡的安全系数,并在遗传算法中增加Powell算法作为局部搜索过程,从而在保证遗传算法良好的全局搜索能力的同时,也提高了遗传算法的搜索速度.采用改进后的遗传算法搜索边坡的最小安全系数及与之相对应的滑动面,结合公路边坡工程实例检验了所提出方法的有效性.     

退火遗传算法在边坡稳定性分析中的应用

在边坡稳定性分析中,常规方法诸如逐点扫描法受自身的局限,难以寻找到最危险的滑动面且易受人为因素的影响。将退火法与遗传算法相结合,既发挥了遗传算法强大的全局搜索能力,同时又利用退火法加强了遗传算法的局部求精能力。通过引入退火遗传算法,很好地解决了滑坡最危险滑动面的搜索问题,为边坡滑动面搜索提供一个新的解决方法,克服了常规方法的种种弊端。     

基于遗传算法的BP神经网络在煤矿安全评价中的应用研究

针对传统BP神经网络算法存在收敛速度慢、易于陷入局部极小的缺点,本文提出了基于遗传算法的BP网络,以提高网络的收敛速度,并将其与遗传算法结合起来,充分利用遗传算法的全局搜索性能进行"粗"搜索,当搜索到全局最优点的附近时,再采用BP算法进行局部搜索。     

改进节约蚁群算法求解物流配送车辆路径问题

针对节约蚁群算法在求解车辆路径问题易陷入局部极值的不足,提出一种基于连接表扰动策略和吸引力因子局部搜索的改进节约蚁群算法.该算法在陷入局部最优后,引入连接表扰动策略以帮助算法跳出局部最优,该策略在每只蚂蚁进行解构建之前,随机禁忌若干条吸引力因子较大的边以增加算法的勘探能力;同时采用吸引力因子局部搜索优化每只蚂蚁的解,该局部搜索利用吸引力因子引导局部搜索.实验结果表明,改进节约蚁群算法求解车辆路径问题时优于原有节约蚁群算法以及多种已有算法.      

基于贪心退火遗传算法的车辆图像分割研究

针对交通流实时检测系统图像分割的阈值自动优化选取问题,通过将贪心思想和模拟退火思想引入到遗传算法中,设计了贪心退火遗传算法(GAGA),以最大类方差函数作为遗传算法中适应度的评价函数,利用贪心算法局部搜索能力强和退火遗传算法全局搜索能力强的特点 ,实现图像阈值的自动优化选取.MATLAB仿真数据表明,贪心退火遗传算法较基本遗传算法具有更强的寻优性能.将其应用于交通流检测系统,可增强整个系统的实时性和鲁棒性.     

加速遗传算法在路堤边坡稳定性分析中的应用

根据加速遗传算法的思想和瑞典法基于圆弧滑动面的假定,提出一种用加速遗传算法搜索最危险滑动面及其对应的最小安全系数的方法。该方法是一种改进的遗传算法,它不仅能克服传统方法容易陷入局部极小值的缺点,而且较简单遗传算法具有更高的搜索效率,计算时间短,搜索的解更优,是一种全局优化算法。通过某高速公路工程实例对其进行了验证,结果令人满意。     

利用改进交叉算子的混合遗传算法求解VRPTW

设计了一种改进的混合遗传算法求解带有时间窗、有车辆重量限制的车辆优化调度问题（VRPTW），根据问题的实际情况，建立了数学模型，提出了改进的交叉算子，丰富了种群的多样性；并结合模拟退火算法的思想，对染色体的适应度适当变化，改善了传统的遗传算法容易“早熟”的缺点，加强了染色体的局部搜索能力。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

改进布谷鸟算法在边坡滑面搜索中的应用

根据布谷鸟算法前期搜索随机跳跃性大、后期搜索收敛速度慢的缺点,引入惯性权重并结合局部蒙特卡罗优化,得到改进的布谷鸟算法,其搜索结果与Spencer法、瑞典条分法进行对比可知,不论滑面的位置还是安全系数都很相近。与退火模拟算法对比验证其可靠度,结果表明:改进的布谷鸟算法更优秀,得到的结果更精确,可以应用于边坡滑面搜索。     

基于扰动收缩粒子群算法的物联网配送车辆调度

为了提高物联网配送车辆的调度效率,采用扰动收缩粒子群算法。首先建立物联网配送车辆优化调度问题的数学模型,考虑到货物品种及数量、需求时间和地点、运输线路以及运输时间的不确定性,包括运输成本、时间惩罚成本、固定成本;接着对基本粒子群算法增设非线性扰动因子用来平衡粒子的全局和局部搜索,在进化前期值比较小,让粒子主要进行局部搜索,而在后期设置值比较大,进行全局搜索,同时增设收缩算子,避免粒子的过度振荡,粒子编码涉及到收货点、车辆编序、行驶顺序,给出了算法流程;最后,仿真试验和实例分析验证了算法的合理性与可行性。结果表明:增设收缩算子对任务目标点寻优地理位置偏差值最小,避免了总成本增加;带有非线性扰动因子调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的算法运行速度加快;对于每次试验的搜索成功率以及违约惩罚成本占总成本比例,与遗传算法、蚁群算法、粒子群算法、混沌量子粒子群算法、模拟退火粒子群算法和柯西变异粒子群算法预测方法相比,扰动收缩粒子群算法预测方法具有更高的搜索成功率和较低的违约惩罚成本,能够满足物联网配送车辆系统对预测精度的需求,对实现实时交通控制具有重要意义。     

避免近亲繁殖的遗传算法

针对基于遗传算法在优化应用中遇到的诸如局部搜索能力差，计算量大，对较大搜索空间适应能力差等问题，文中提出了一种改进的遗传算法。在计算过程中，引入个体差异判别运算，有效地维持了群体的多样性，使遗传算法顺利地收敛到全局最优值，通过典型测试函数值算例验证表明，不但可以有效地克服基本遗传算法的上述缺陷，而且计算速度和效率都有显著提高。     

改进PSO-BP算法在隧道洞室地基稳定性中的应用

隧道洞室稳定性问题是一个复杂的非线性力学问题,常规的方法很难描述这种复杂的非线性关系。为及时评价隧道洞室地基的稳定性,以便采取合理的开挖方案,提出了改进PSO-BP算法对其稳定性进行预测的方法。粒子群算法具有搜索速度快、效率高、算法简单等优点。BP算法有很强的非线性映射能力、泛化能力等功能,但其容易陷入局部最优。采用PSO算法克服BP神经网络的缺陷,提高BP网络模型预测精度。以重庆小什字车站洞室为例,验证了改进PSO-BP算法能够快速、准确地获取不同方案下的洞室地基安全系数,且预测结果比模糊神经网络预测结果要好,证明了该方法的可行性。     

基于自适应遗传算法的路堤边坡稳定性分析方法

基于圆弧滑动面假定,提出了一种用自适应遗传算法搜索最危险滑动面及其对应的最小安全系数的新方法。该方法是一种改进的遗传算法,采用自适应求取适值、动态调整交叉率和变异率、自适应区间收缩。自适应遗传算法有效克服了传统方法易陷入局部极小的缺陷,提高了算法的搜索效率、精度和稳定性。     

汽车灯配光镜CAD的数据结构及搜索方法

汽车灯配光镜是一种面形复杂，边界不完全规正的微透镜阵列，其数据结构及搜索方法是CAD软件实现的难点之一，本文给出一套可行的数据结构及搜索方法，经依此编制成的程序（MVHLD）对四种不同的前照灯所作的400多万条光线[1]的计算证实这套数据结构是合理的。搜集方法是可靠的。     

驾驶人危险辨识能力影响因素研究

为提高评估方法的信效度,系统梳理了影响驾驶人危险辨识能力的主客观因素。依据驾驶人危险辨识工作过程分析,得出影响驾驶人危险辨识能力的主要因素。依据现有研究成果,详细分析影响危险搜寻能力、危险决策能力和危险处置能力的主要因素。结果表明,危险搜寻能力主要受视觉搜索策略和危险特征的影响,视觉搜索策略包括水平搜索广度、纵向搜索深度和注视目标,危险特征包括危险类型、危险颜色、危险位置等。危险决策能力和危险处置能力主要受驾驶经验、年龄、性格、性别等因素的影响。     

基于安全场改进RRT*算法的智能汽车路径规划方法

快速搜索随机树(rapidly-exploring random tree, RRT)算法是智能汽车路径规划的常用方法,但传统RRT和RRT~*算法存在路径抖动大、易陷入局部区域和计算效率低等缺点。针对这些问题,本文中结合实车数据提出了一种基于安全场改进RRT~*算法的智能汽车路径规划方法。首先,建立了基于安全距离模型的安全场,通过驾驶数据采集试验对模型关键参数进行了提取;在此基础上,提出了具备安全场引导和角度约束等策略的改进RRT~*算法;最后,通过仿真对算法进行了验证。结果表明,本文提出的路径规划方法能计算出满足车辆轨迹曲率约束的有效路径,同时具有较快的搜索速度和更高的成功率。