土坡非圆临界滑动面求解的混合搜索方法

在非圆临界滑动面的搜索中,先进行圆弧滑动面的搜索,将得到的临界圆弧滑动面作为非圆临界滑动面搜索的初始滑动面,采用改进粒子群优化算法——快速粒子群算法寻优;然后根据搜索到的较优值缩减搜索域的范围,再利用改进和声搜索算法寻优,将得到的结果作为问题的最优解。最后采用Spencer法计算滑动面的安全系数,并利用2个复杂土坡作为算例来检验混合方法的有效性。比较结果表明:该方法适用于多变量优化问题的求解。     

改进粒子群优化算法在轿车车身轻量化设计中的应用CSCD

为了提高粒子群优化算法(PSO)寻优过程中粒子种群之间的多样性,提出了一种基于停滞判断准则与粒子速度更新的改进PSO。在寻优过程中,当粒子群优化陷入停滞时,新的速度更新公式将激活,提高粒子种群之间的多样性。通过数学标准测试函数,进行了数学实验,对比改进PSO与标准PSO的优化能力。结合近似建模技术与合理的约束处理方法,将该算法运用到考虑100%正面碰撞工况、40%偏置碰撞工况、侧面碰撞工况、追尾碰撞工况以及顶压溃工况的车身轻量化设计中。结果表明:在全局寻优能力方面,运用改进PSO优化得到的问题解均优于标准PSO。在满足各项结构性能指标的前提下,可减轻质量23.41 kg。这为轿车车身轻量化设计提供了可借鉴的方法。     

基于改进粒子群算法的斜拉桥成桥索力优化

为了确定大跨度斜拉桥的合理成桥索力,以塔、梁拉压及弯曲应变能为目标函数,并根据合理成桥状态的要求对塔、梁、索的受力变形进行约束,建立索力优化数学模型。为了解决标准粒子群算法易早熟收敛、局部寻优能力差的问题,将基于局部邻域搜索的禁忌搜索算法与标准粒子群算法结合,提出一种改进的粒子群算法,并将其应用于工程实例,成功实现了斜拉桥成桥索力优化。研究表明:改进粒子群算法在收敛性能及寻优能力方面均得到明显改善,应用于大跨度斜拉桥索力优化中,结构的受力变形状态更为合理,优化效果显著。     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

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。     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

土钉支护结构优化设计中的混合粒子群优化算法

为了在土钉支护设计中寻找一组最佳设计参数,以达到既经济又安全的目的,将混沌搜索的粒子群优化(PSO)算法应用到基坑土钉支护优化设计中,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度。同时,对不活动粒子的处理使算法避免了早熟现象的出现。工程实例计算表明:该方法是进行土钉支护结构优化设计的有效方法。     

无人驾驶车辆解耦混合运动规划方法研究

高速公路无人驾驶车辆运动规划要充分考虑车辆的动力学特性和道路环境构成的复杂约束,优先确保车辆的无碰撞行驶轨迹,同时算法实时性比常速情况下要求更高,要充分考虑计算的复杂性。提出一种可生成横纵向最优解逼近群的解耦增强混合运动规划方法,引入Frent坐标系将运动规划问题进行横纵向解耦,在横向偏移规划中融合数值优化和多项式规划算法,在纵向速度规划中融合围绕速度和围绕避障规划算法,解耦规划完成后使用代价函数和碰撞检测方法对生成的轨迹群进行评估和选择。搭建Apollo-LGsvl无人驾驶联合仿真测试平台,对所提出的运动规划方法进行仿真验证。结果表明,提出的横纵向解耦增强混合运动规划算法在高速公路各工况中所生成的运动轨迹能够有效避免车辆发生碰撞,其横向偏移和纵向速度均能满足二阶平滑,最大横向加速度、最大纵向加速度、最大纵向jerk等满足动力学约束。该方法有效减少了最优解逼近群内的轨迹数量,使轨迹评估阶段计算复杂度降低了46%,证明提出的方法具备一定的应用价值。     

基于改进粒子群的非对称斜拉桥成桥索力优化

针对非对称斜拉桥主塔水平受力复杂和主梁弯矩不对称的特点,提出了以主塔拉压应变能和主梁弯曲应变能为目标函数,以主塔水平位移和主梁竖向位移为控制条件的索力优化过程。并且根据粒子群算法在多参数优化中的问题,提出了速度惯性依据群体最优变化而变化的改进粒子群算法。以某长江大桥为背景,分别利用ANSYS自带零阶优化,标准粒子群算法和本文提出的改进粒子算法进行优化比较。优化结果表现,改进的粒子群算法在优化结果和优化速度上都较前两种有改善。     

基于改进粒子群优化算法的多目标自适应巡航控制

跟驰过程中,在保证安全性的前提下为了提升自适应巡航控制(ACC)系统的舒适性和燃油经济性,研究了多目标自适应巡航控制算法。在建立车间纵向运动学模型的基础上,根据模型预测控制理论,设计综合考虑安全性、舒适性、燃油经济性以及车辆自身限制等因素的目标函数和约束条件,并引入松弛因子向量软化硬约束边界解决无可行解问题。进一步在滚动优化环节中,引入具有求解多约束问题能力的改进粒子群优化算法进行求解。通过数值仿真对比分析,结果表明,基于改进粒子群优化算法的多目标自适应巡航控制算法能有效提高燃油经济性和行车舒适性。结合CarSim搭建模型进行联合仿真,验证算法有效。     

基于序列Kriging模型的车身轻量化设计

为解决常规Kriging模型在设计空间拟合精度低的问题,提出了序列Kriging模型。通过预期改善函数,在优化解附近和设计空间的稀疏区域增加样本点,不断更新近似模型,从而提高近似模型在兴趣域的拟合精度和全局预测能力。通过两个数值算例分析了序列Kriging模型的全局搜索特性,从算例优化的统计结果可以看出,序列Kriging模型比常规Kriging模型的优化精度更高,稳健性更好。最后,序列Kriging模型被应用到车身轻量化设计中,采用粒子群算法所得到的优化结果表明,近似模型的精度有了很大的提高,并且在满足耐撞性约束的同时所选部件的质量降低了23.35%。     

基于佳点集协同进化粒子群的信号配时优化

针对基本粒子群优化算法在迭代过程中容易陷入局部极值的问题,引入佳点集理论和协同进化算法,提出了一种改进的粒子群优化算法即基于佳点集方法的协同进化粒子群优化算法;以排队长度、延误时间及通行能力建立优化约束模型,对过饱和状态下的交叉口使用仿真软件VISSIM对改进的优化算法进行试验,对现状与优化后的结果进行对比分析。结果显示,运用基于佳点集方法的协同进化粒子群优化算法能有效优化信号配时,降低排队长度与延误时间,提高通行能力,解决多目标约束优化问题。     

含概率-区间混合不确定性的汽车正面碰撞可靠性优化设计

针对汽车正面碰撞中某些参数的概率分布函数中包含不确定的区间变量的问题,构建了一种汽车正面碰撞混合不确定可靠性优化模型,将基于误差比例选择技术的最优多项式模型引入整车碰撞分析中。由于存在区间参数,内层通过限制可靠度的区间下界建立概率约束,从而保证车身结构的安全性。采用了一种基于漂移向量的高效解耦算法,将嵌套优化问题转换为确定性优化和混合可靠性分析的序列迭代过程,避免了内外层嵌套寻优,实现了汽车正面碰撞可靠性优化的高效性。结果表明:优化后防撞梁、吸能盒和前纵梁的总质量减轻了2.35%,所有约束可靠度指标均得到满足,实现了保证车身轻量化要求下的车身和乘员安全性可靠性优化的目标。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

利用粒子群优化算法进行桥梁维修管理计划的优化

制定桥梁维修管理计划是一项非常繁杂的工程优化难题,使用常用的优化算法很难取得满意的结果。利用耐荷性和耐久性作为桥梁的健康指数,考虑维修方案和维修费用的问题,用费用最小化和品质最大化2种方案建立了桥梁维修管理的优化模型。探讨利用粒子群优化算法(PSO)求最优桥梁维修管理计划的解的可能性,并与作者开发系统中的遗传算法(SGA)和免疫遗传算法(IA)进行了比较,运用多样度的概念说明了粒子群优化算法(PSO)在解决这类问题的先进性。结果表明,粒子群优化算法(PSO)对于桥梁维修管理计划的优化是一种普适高效的算法;而且,考虑维修的管理期间越长,应用粒子群优化算法求解问题收敛性与其他2种方法相比显得更好,得到准最优解的频率也更高。     

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.     

基于粒子群算法的轿车车身多学科优化设计

轿车车身结构设计过程中,设计变量多、非线性强、学科间耦合关系复杂,常用的多学科优化策略和优化算法无法有效寻得可行的优化解。本文中针对此问题,基于灵敏度分析方法与数据挖掘技术,采用粒子群优化算法;结合加强协同优化理论,形成了基于改进粒子群算法的轿车车身多学科优化设计体系,并将其运用到车身侧围结构轻量化设计中。结果表明,在满足各项结构性能指标的前提下,实现减质量最多达14.6%。     

混合动力重型货车参数局部与集成优化仿真研究

动力耦合系统的动力源参数匹配和能量管理策略两者相互关联，为提高混合动力重型货车的综合性能，两者应集成设计。针对混合动力重型货车参数匹配需反复计算、验证的特点，在Matlab/Simulink中建立了可缩放、自动寻优的参数匹配模型。以经济性为目标函数，基于粒子群算法进行动力源参数匹配，得到局部最优动力源参数结果。针对混合动力重型货车中广泛采用的基于规则的能量管理策略，其规则控制中一些阈值参数不确定的问题，应用粒子群算法对其关键控制参数进行优化，得到局部最优控制参数。为了实现全局最优的匹配结果，将动力源部件参数和控制策略参数进行集成优化，以动力性为约束条件，经济性最优为优化目标，得到全局最优的参数匹配结果。对比显示，全局优化匹配效果相较于动力源参数局部优化提升11.4%、相较于控制策略参数局部优化提升12.4%。     

基于混合粒子群优化算法的桥梁有限元模型修正

针对传统模型修正方法求解复杂、精度较差等问题,提出基于混合粒子群优化算法的模型修正策略。由于粒子群算法存在早熟收敛问题,采取自适应动态惯性权重策略改进粒子群算法,并引入差分进化算法进行混合优化。在模型修正时,对模型进行相关性分析并选取待修正参数,引入混合粒子群算法修正模型的参数,得到能够真实反映桥梁结构静、动力特性的有限元模型,为结构安全评估及健康监测提供科学依据。采用该方法对某简支梁模型进行修正,修正后的模型精度较高,验证了该算法的有效性。     

利用粒子群优化算法求解土坡非圆临界滑动面

提出修复策略替换惩罚策略来修复搜索过程中可能出现的不合理滑动面,以更有效搜索最危险的滑动面。将粒子群中每个粒子比拟为滑动面,利用粒子群优化算法求解两个土坡的最小安全系数及其临界滑动面,同已有的结果比较,证明了文中提出的两种策略是合理有效的。