考虑二阶效应的空间刚架结构布局优化

针对三维空间刚架布局优化问题,以七自由度节点梁柱单元二阶弹性理论推导考虑构件几何非线性和截面翘曲变形的非线性刚度矩阵,通过整合梁柱单元非线性刚度矩阵对刚架结构进行整体的二阶弹性分析,建立满足刚架结构强度、刚度和稳定性要求的布局优化数值模型;并针对复杂刚架结构布局优化数值求解问题,改进遗传搜索算法（GA）,提出可靠拓扑和引导型遗传算法双向控制方法（KLGA）. 该方法一方面将拓扑变量从布局设计变量中分离,以构件重要度评定结构可靠拓扑变量组合,再与设计变量整合;另一方面将结构特有的引导信息加入算法中,为GA提供全局最优解的指引路径. 通过两种典型的刚架算例表明二阶效应模型和KLGA算法的可行性和有效性,例如算例2中基于二阶效应模型的KLGA得到的最优结构质量比GA减轻了24.5%,波动幅度从9.61%提升到1.39%,算法更加稳定.      

桁架结构拓扑优化的微粒群算法

为了解决有应力和位移约束的桁架结构的拓扑优化问题,将微粒群算法用于桁架结构拓扑优化.用罚函数法将应力和位移约束下的结构优化问题转化为无约束优化问题,用微粒群算法迭代计算.为了证明此方法的可行性,给出了2个具有应力和位移约束的桁架结构拓扑优化的算例.计算结果表明,微粒群算法与现有算法获得的桁架结构拓扑优化结果一致.     

基于归约的几何约束求解策略

针对几何约束系统归约分解中高阶顶点的求解问题,提出高阶低代的低维数值迭代求解算法.通过去除部分约束,使得高阶顶点分解为含有欠约束顶点的低阶求解序列,对求解序列中的欠约束顶点添加虚拟参数变量,以虚拟参数变量的部分迭代求解,替代系统的整体数值求解,提高求解效率和稳定性,算法具有很强的通用性,并在实际应用中得到验证.     

非线性约束条件下的广义投影梯度法

对非线性约束条件下的优化问题提出了三个广义投影梯度方法，算法Ａ能够求解非线性不等式约束优化问题，在此基础上，又提出了能够求解非线性等式和不等式约束优化问题的算法Ｂ．进一步，通过简化算法Ａ，又给出了能够专门求解一般线性约束优化问题的算法Ｃ．并且在较弱的假设下，证明了三个方法的全局收敛性。     

大型复杂结构优化问题的遗传算法

大型结构和整体优化问题一般具有多目标，多约束和多混合变量的特点，自由度多达千计，其算法的速率和效率是问题的关键所在。遗传算法是求解大规模函数优化问题的有力工具，在复杂结构的优化设计问题中得到广泛应用。     

子矩阵约束下AXB=C的双对称迭代解

构造了求解子矩阵约束下AXB=C的双对称解的迭代解法,利用残量正交的性质证明了算法的有限终止性,并进一步研究了求解子矩阵约束下矩阵方程问题的最佳逼近解,最后,给出了能够体现算法有效性的数值实例.     

混沌优化算法在协同设计冲突消解中的应用

利用混沌优化算法,对协同设计中建立的约束网络数学模型进行寻找全局最优解操作,以实现冲突消解,最后利用常用寻优函数对该应用的有效性进行了仿真验证.数值试验结果表明,本算法具有结构简单,鲁棒性强,易于实现,效率高的优点,从而能够实时地对协同设计中检测到的冲突进行消解.     

非均匀温度场下的热固耦合结构多相材料拓扑优化

为了集成不同特殊的材料以提升结构的性能,提出一种非均匀温度场下的热固耦合结构多相材料拓扑优化设计的方法。以应变能最小化作为目标函数以满足结构刚度要求,以各相材料的体积作为约束,建立非均匀温度场作用下的热固耦合结构多相材料拓扑优化数学模型。利用伴随矩阵法进行灵敏度分析,采用Heaviside过滤求解技术对灵敏度进行过滤,利用移动渐近线算法求解优化问题。数值算例结果表明,提出的非均匀温度场作用下的热固耦合结构多相材料拓扑优化方法是有效的。     

快速多极多域虚边界元法解不同材料组合结构

将快速多极算法和广义极小残值法（GMRES）的基本思想运用于虚边界元法的方程求解中,并构造了多域组合问题虚边界元法的快速多极展开的实施思路,且将此方法用于不同材料组合结构问题的求解.采用此方法能够使得原问题方程组求解的计算耗时量和储存量降至与所求问题的计算自由度数成线性比例.数值算例验证了方法的可行性、计算精度和计算效率.     

基于凝聚函数法的稳态热传导区间反演

考虑观测数据的不确定性,建立了识别稳态热传导边界条件和导热系数的有限元数值反演模型.采用凝聚函数法将此非线性规划问题转化为一个可微的单约束优化问题,在此基础上采用乘子罚函数法求解,获得了反演变量所在区间范围.     

Learning Bayesian Networks from Data by Particle Swarm Optimization

Introduction Bayesian networks are a graphical representa-tion of a multivariate joint probability distributionthat exploits the dependency structure of distribu-tions. Bayesian networks are directed acyclicgraphs(DAG), where the nodes are random vari-abl…     

Adaptive Identification of Logging Lithology Based on VPSO-ENN Hybrid Algorithm

Particle swarm optimization (PSO) was modified by variation method of particle velocity, and a variation PSO (VPSO) algorithm was proposed to overcome the shortcomings of PSO, such as premature convergence and local optimization. The VPSO algorithm is combined with Elman neural network (ENN) to form a VPSO-ENN hybrid algorithm. Compared with the hybrid algorithm of genetic algorithm (GA) and BP neural network (GA-BP), VPSO-ENN has less adjustable parameters, faster convergence speed and higher identification precision in the numerical experiment. A system for identifying logging parameters was established based on VPSO-ENN. The results of an engineering case indicate that the intelligent identification system is effective in the lithology identification.     

用微粒群算法求解多元非线性方程组

分析了将多元非线性方程组的求解问题转化为求多元函数极值的优化问题的原理和方法;利用微粒群算法在连续空间中的优化能力求得极值点,得到方程组的近似解;给出了优化算法的具体流程;通过两个算例说明算法的可行性和有效性,实验结果表明此算法具有较高的效率和精度．     

Optimal linear phase finite impulse response band pass filter design using craziness based particle swarm optimization algorithm

An efficient method is proposed for the design of finite impulse response (FIR) filter with arbitrary pass band edge, stop band edge frequencies and transition width. The proposed FIR band stop filter is designed using craziness based particle swarm optimization (CRPSO) approach. Given the filter specifications to be realized, the CRPSO algorithm generates a set of optimal filter coefficients and tries to meet the ideal frequency response characteristics. In this paper, for the given problem, the realizations of the optimal FIR band pass filters of different orders have been performed. The simulation results have been compared with those obtained by the well accepted evolutionary algorithms, such as Parks and McClellan algorithm (PMA), genetic algorithm (GA) and classical particle swarm optimization (PSO). Several numerical design examples justify that the proposed optimal filter design approach using CRPSO outperforms PMA and PSO, not only in the accuracy of the designed filter but also in the convergence speed and solution quality.     

车辆路径问题的混沌粒子群算法研究

针对车辆路径问题中单仓库非满载这一基本类型的具体特性,设计了一种混沌粒子群算法;利用混沌系统的随机性、规律性和遍历性初始化粒子,大范围覆盖车辆路径问题的解空间,加强算法最优路径的搜索能力;通过在求解过程中的次优路径处施加混沌扰动,使算法放弃当前求解的路径,避免结果为次优解。并通过试验验证了该算法在车辆路径问题中具有很强的寻优能力。     

某商用车动力总成悬置系统多目标优化

为解决某商用车动力总成悬置系统怠速抖动问题,提出了考虑悬置系统结构阻尼的动反力频响特性计算方法。基于NSGA-Ⅱ算法对解耦指标、动反力及各频率间隔之和进行了多目标优化,优化后动力总成悬置系统解耦率明显提高,系统动反力下降了4.91%。通过整车动力总成隔振试验,对比原始状态与优化状态在怠速工况下的综合隔振率,证明了该优化方法的正确性,为动力总成悬置系统设计提供了指导意义。     

考虑速遣费和滞期费的不定期船航速优化研究

航运合约中的速遣费和滞期费对不定期船港口选择有重要影响.针对不定期船舶航速优化和港口选择问题,建立货主存在违约概率情况下不定期船港口选择停靠和航速优化模型,并考虑滞期费和速遣费对船公司利润的影响,使用改进型粒子群算法--两阶段粒子群算法进行求解模型.通过算例分析,将改进型粒子群算法与传统粒子群算法对比,发现改进型粒子群算法无论在收敛速度还是计算结果方面都优于传统粒子群算法.最后通过灵敏度分析发现,船公司利润在一定范围内会随着违约率、滞期费和港口装卸效率的上升而上升.     

Multi-objective optimal approach for injection molding based on surrogate model and particle swarm optimization algorithm

An integrated optimization strategy based on Kriging model and multi-objective particle swarm optimization(PSO) algorithm was constructed.As a new surrogate model technology,Kriging model has better fitting precision for nonlinear problem.The Kriging model was adopted to replace computer aided engineering(CAE) simulation as fitness function of multi-objective PSO algorithm,and the computation cost can be reduced greatly.By introducing multi-objective handling mechanism of crowding distance and mutation oper...     

基于GA-PSO混合优化的BPNN车速预测方法

BP神经网络(BPNN)已经用于车速预测方面的研究.针对BPNN不同的初始权值和阈值会影响车速预测精度的问题,提出一种基于GA-PSO混合优化的BPNN车速预测方法.以北工大西门到百葛桥为研究路径,构建基于BPNN的车速预测模型;将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合,通过逐次迭代取最优的方式确定BPNN的最优初始权值和阈值,以此设计基于GA-PSO混合优化的BPNN车速预测方法.最后,以所选路径为对象,利用基于GA-BPNN的预测法、基于PSO-BPNN的预测法,以及提出的方法对车速进行了实验预测.结果表明,相较于前两种车速预测改进方法,本文方法的平均车速预测误差分别降低了37.1%和24.1%,有效地提高了车速的预测精度.