基于遗传算法的公路平面优化

提出了一种基于遗传算法的公路平面线形优化方法,将遗传算法应用于公路平面优化设计,更好地解决了目前传统算法难于处理的一些问题。首先根据平面初始解建立一个可行域,利用浮点编码选择平面坐标作为染色体,然后对可行域中的可能解用一个评价函数(适应度)来度量,利用交叉、变异算子在可行域中选择最优解。实践表明:该方法具有全局解空间搜索能力,从而实现了全局寻优的目的,对公路平面优化设计是有效、可行的。     

基于GIS平台的公路线形优化设计

公路线形优化是一个多目标优化问题,而传统的优化算法难以有效地解决路线优化问题。为此建立了基于GIS平台和遗传算法的公路线形优化设计方法,提出了基于GIS平台空间数据挖掘模型和基于遗传算法的路线平面和纵断面的优化算法。     

道路纵断面优化设计的研究

针对传统的公路纵断面设计的局限性，提出了一种利用计算机技术进行公路纵断面优化设计的方法，介绍了纵断面优化设计模型的建立过程，决策变量的确定和计算，目标函数的确定。给出了纵断面优化设计流程和工程实例。实例计算表明，该方法能提高纵断面优化设计效率。     

基于遗传算法的桥梁钢筋砼受弯构件优化设计

探讨了遗传算法在公路钢筋砼受弯构件优化设计中的应用,针对简单遗传算法存在"早熟收敛"的缺陷,采用大变异操作来避免产生局部最优解.数值实验证明,与常规优化方法比较,遗传算法能从搜索空间中的多点出发进行寻优,寻优过程中仅涉及适应度函数的计算与评价,能很好地解决结构优化设计问题.     

基于遗传算法的膜片弹簧的稳健化设计

在离合器膜片弹簧传统优化设计模型的基础上,应用工程稳健性的灵敏度分析,考虑了可控变量和不可控参数变差对膜片弹簧优化设计的影响,并采用遗传算法对目标函数进行了求解。结果表明,遗传算法具有比传统优化方法更强的全局寻优能力,稳健化设计能有效、可靠的减小质量波动对膜片弹簧优化设计的影响。     

道路平面线形优化方法的研究及实现

将遗传算法应用于道路的平面线形优化设计,在一个可行域中自动搜索到一个最优或较优解,实现了全局寻优的目的。详细介绍了线路平面优化模型的建立,平面位置变动的具体原理,以及运用遗传算法优化线路平面位置的具体实现过程。研究表明,遗传算法运用于道路平面线形的优化设计是可行和有效的,能够实现全局寻优的目的,具有广阔的推广应用前景。采用动力有限元方法,研讨了基于FWD荷载作用下的水泥混凝土板下基础脱空与接缝传荷间的相互作用机理,以了解不同脱空尺寸和不同传荷能力对面板受力和路表各传感器弯沉盆曲线形状及弯沉盆参数的影响,为有效评定水泥混凝土路面地基脱空提供理论依据和参考。     

公路纵断面优化的遗传算法设计

对公路纵断面优化研究难以同时实现变坡点里程优化和设计标高优化，且优化线形与实际线形不符等问题，提出了利用遗传算法进行纵断面优化的思路。给出了采用遗传算法进行纵断面优化时的编码设计、适应度函数建立、种群初始化、策略选择交叉算子设计和纵断面约束处理，设计了算法实现的流程图。     

纵断面自动设计与优化技术研究

为解决改建公路设计中路线纵断面设计比选和优化等问题,开发研究出以遗传算法为基础的、应用于公路路线纵断面自动设计与优化的技术。该技术对旧路改扩建工程纵断面的拟合调整和方案优化更具优势。为此,从理论方法、工程需求、设计实践出发,全面介绍该技术的特点和性能。     

遗传算法在供水管网优化设计中的应用研究

鉴于给水管网优化设计在给水工程中占有重要地位,国内外学者对其进行了广泛而深入的研究,提出了多种优化方法,诸如经典优化法、线性规划法、动态规划法、广义简约梯度法以及标准遗传算法。但这些方法在实际应用中均存在一定的局限性。该文着重研究了遗传算法作为一种强有力的搜索寻优工具在给水管网管径组合优化设计中的应用。遗传算法具有思路简单、适用广泛、全局寻优能力强等特点,目前在各个研究领域日益为人们关注。通过对可能的管径组合进行编码、适应度评价、选择、交叉、变异等一系列步骤,经过一段时间(一定代数)的进化后,可以找到最优的管径组合方案,从而避开了线性、非线性规划中的复杂理论。     

汽车悬架优化设计中的近似模型方法及其应用

针对目前汽车悬架设计中存在的问题,提出了一种基于近似模型和遗传算法的高效全局优化设计方法.使用Kriging方法重构目标函数,建立了悬架运动学分析的近似模型;采用了CVT试验设计以确保参数空间中样本点分布的均匀性;在重构出的目标函数基础上采用遗传算法进行寻优.以双横臂式前独立悬架为例,以车轮接地点侧向最大滑移量为优化目标进行了优化设计.结果表明,采用该设计方法可缩短设计周期及降低设计成本.     

基于道路设计与交通规划的道路选线优化模型

结合道路设计理论与交通规划理论,以地理信息系统为平台,开发道路选线优化模型。该模型是一个费用指向的优化问题,最小化费用目标函数中包括道路建设费用、土方工程费、道路交通诱发的环境污染的不经济费用,OD交通在路网上总走行时间的时间费用等。优化模型首先随机生成新建道路的空间位置候选方案集,并自动设计新建道路的平曲线和竖曲线,计算新建道路的各项工程费用。然后,对变化的路网进行自动拓扑,通过交通量分配得到OD交通在新路网上的走行时间和交通流特征,计算OD交通的环境负荷。最后,在遗传算法中判断候选方案的优劣,直到得到一个最佳的新建道路的空间位置方案为止。     

基于整车路噪性能提升的轮胎优化设计

为提升整车路噪性能,本文中基于虚拟试车场技术和代理模型优化方法对轮胎参数进行了优化。通过集成试验场扫描所得路谱、CDTire轮胎模型和整车声固耦合模型,建立了整车路噪仿真环境。采用最优拉丁超立方采样、Kriging模型和多岛遗传算法构造了优化模型。以轮胎关键物理参数为设计变量,驾驶员外耳声压级均方根为优化目标,测点三向合成加速度均方根为约束,对轮胎进行优化。优化后在测点振动满足要求前提下,整车全频段噪声得到有效改善。     

混合交通网络设计的遗传免疫算法研究

为了研究混合交通网络设计的启发式求解算法,以路段建设费用和网络费用最小化为目标,建立了混合交通网络设计的双层规划模型。鉴于标准遗传算法的局限性,基于人工免疫思想,将免疫系统仿生机理中的免疫调节、克隆选择、免疫记忆引入到遗传算法中,给出了求解混合交通网络设计的遗传免疫算法。通过算例验证了算法的有效性,并和标准遗传算法进行了比较。结果表明,在混合交通网络的设计中遗传免疫算法比标准遗传算法具有更好的求解效果。     

面向城市道路建设流程的交通优化设计

在城市道路规划、设计、施工、管理等各个阶段进行针对性的交通优化设计,是道路工程项目各个阶段能够得到有效衔接,保障交通规划和道路工程顺利实施的重要环节。该文结合有关城市的成功经验和相关城市道路建设实践情况,阐述了交通优化设计的内涵、必要性、设计流程,提出了推行交通优化设计的建议。     

基于群决策理论和双层规划模型的交通信号控制优化

基于干道延误时间最小和路段行程速度最大的设计理念,利用智能优化算法和群决策理论,建立了一种双层规划模型下的城市干道交通信号控制方法。算法结合了智能优化策略中的遗传算法和丰富的群体专家意见,并采用模糊数的描述方式实现对不同控制目标的分析评价,给出了一套完善的干道交通信号配时优化方案,使交通问题的分析得以更加客观和实际。最后给出一个实际主干道问题的算例分析,运用MATLAB和Visual C++编程计算对控制方案进行模拟。仿真结果表明,这一方法能有效地改善延误和路段行程速度。     

机构法结合遗传算法优化拱桥设计

对结构工程师来说,设计优化正变得日益重要。该文描述了一种结合机构法和遗传算法进行整体化设计优化的方法。前种方法是当前英国交通部采用的一种主要的计算拱的工具;后者是强有力的数值函数优化方法。文中显示了英国肯特Teston桥和一系列其它样本设计优化的试算结果及相关的算法有效性数据。建议本方法为涉及现存桥梁的评估、维护和修理及新拱桥设计的结构工程师的设计辅助工具。     

城市多模式道路网设计方法——模型、算法和应用

为实现城市多模式道路优化,通过分析我国城市混行交通的特性,建立双层模型,对城市机动车道、自行车道、人行道进行整体设计。上层模型以各类车道数为设计变量,定义城市道路交通效率的3个指标,作为优化目标。下层模型将同时决策组合模型推广到混行交通,进行需求预测,并根据预测流量返算设计变量。设计3种启发式算法和对角化算法分别求解上下层模型,将该方法应用于淮北市的路网规划。对3个目标值各进行10次试算来检验算法,粒子群算法计算花费和解值最小;下层模型的拟合度达0.659,优于假设独立交通的拟合度0.375;优化后的路网可以合理解释不同优化目标,说明了文中方法的实用性。      

基于疲劳寿命的驱动桥壳可靠性与轻量化设计

为提高驱动桥壳的轻量化水平和道路行驶疲劳可靠性，对驱动桥壳进行6-Sigma稳健性多目标轻量化设计。首先，建立驱动桥壳的虚拟台架仿真模型，并进行垂直弯曲刚性和垂直弯曲静强度的仿真分析，将仿真得到的桥壳本体各测点变形量和关键受力点应力值与试验结果进行对比，以验证桥壳虚拟台架仿真模型的可信性。其次，建立驱动桥壳的最大垂向力仿真模型，结合耐久性强化路面下驱动桥壳板簧座处的垂向载荷谱，基于名义应力法，对驱动桥壳进行了道路行驶工况下的疲劳寿命分析。然后，选取驱动桥壳本体各截面壁厚为设计变量，基于熵权法和TOPSIS（Technique for Ordering Preferences by Similarity to Ideal Solution，TOPSIS）方法研究各壁厚变量对桥壳综合性能的影响。结合RBF（Radial Basis Function，RBF）近似模型和NSGA-Ⅱ算法（Elitist Non-dominated Sorting Genetic Algorithm，NSGA-Ⅱ）对驱动桥壳进行基于疲劳寿命的多目标确定性轻量化设计，获取Pareto最优解集，选取桥壳的优化方案。最后，基于蒙特卡罗模拟抽样方法和微存档遗传算法（AMGA）对驱动桥壳进行了多目标6-Sigma稳健性轻量化设计，得到桥壳稳健性优化方案。研究结果表明：稳健性优化后，驱动桥壳本体的疲劳寿命降低了12.3%，但和初始结构的疲劳寿命相比，仍提升了117%；桥壳本体疲劳寿命正态分布的标准方差下降了72.1%，说明桥壳本体的疲劳可靠性得到了大幅提升；桥壳本体的质量升高了1.8%，但和优化前的桥壳原结构相比，仍实现减重5.9%。