加速混沌优化算法的改进及其在船型论证中的应用

利用混沌运动所特有的随机性、遍历性和规律性,对加速混沌优化算法进行一些改进,提高了混沌优化算法的收敛速度和精确性.改进的加速混沌优化算法利用混沌运动的性质,同时不断缩小变量的搜索空间,在混沌优化搜索过程中,以具有一定保证的当前最优解为中心,不断地缩小优化变量的搜索区间,调整细化参数,促使搜索能够更快、更有效地向全局最优解收敛.将该改进算法应用到具体的船型论证中,不仅证明了该改进算法简单,容易实现,具有较高的收敛速度和可靠性,而且具有较高的寻优精度和较少的优化迭代次数,也体现了该算法在船型论证领域中的实用性和有效性.     

基于单参数的Lagrangian支持向量回归算法及其应用

支持向量机(Support Vector Machines,SVM)是基于统计学习理论框架下的一种处理非线性分类和非线性回归的有效方法。由于具有完备的理论基础和出色的学习性能,该方法已成为当前国际机器学习界的研究热点,能较好地解决小样本、高维数、非线性和局部极小点等实际问题。这里提出了一种基于单参数的拉格朗日(Lagrangian)支持向量回归算法,并将该算法应用在外贸货物吞吐量预测中。估算结果证明了这种改进的支持向量回归算法在吞吐量预测中的有效性和实用性。     

船舶低频纯横荡及纯首摇运动数值仿真与分析

以船舶操纵水动力预报为研究背景,利用商用软件Fine/Marine对DTMB5415进行了低频纯横荡及纯首摇运动数值仿真研究。以纯横荡运动幅值为0.064 m试验数据为基准,通过对比不同边界条件设置及其对计算结果的影响分析,得到随体坐标系下船模受到的侧向力及转首力矩,并将仿真计算结果与船模试验结果进行对比,获得较好的参数设置。以该设置参数及边界条件为依据进行后续的纯横荡运动及纯首摇运动数值仿真计算,得到船模所受侧向力及转首力矩。     

基于协调机制的多学科设计优化框架研究

通过引入分解和协调策略,构建了基于协调机制的多学科协同优化方法的统一框架.在该框架中,引入了基于函数关系矩阵(FDT)的多学科分解策略和基于参数化近似模型的协调策略.讨论了几种典型的多学科设计优化方法,并将其应用到减速器的设计中;根据实例的计算结果,对上述几种多学科设计优化方法进行了定量的比较和研究.此外,还给出了多学科设计优化方法的选择标准.