卡方变异的SSA的FSC赛车转向梯形优化方法

针对群智能优化算法在空间转向梯形优化在迭代后期,全局搜索能力减弱,算法易陷入局部最优解的问题,提出基于卡方变异的麻雀搜索算法的转向梯形优化方法。首先,利用卡方分布改进发现者执行广泛搜索策略时的更新公式;其次,对小于种群平均适应度的个体进行卡方变异操作,进而在保留麻雀搜索算法部分局部搜索能力的同时,增加种群的多样性,提高算法跳出局部最优解的能力。实验结果表明,文章的优化方法相对基本麻雀搜索算法和利用高斯分布和高斯变异改进的麻雀搜索算法,寻优精度分别提高5.44%和4.35%,稳健性分别提高57.78%和65.99%,但平均耗时分别增加83.47%和减少3.99%。因此,文章算法优化方法相对基本麻雀搜索算法寻优精度更高、稳健性更强,全局寻优能力提升。     

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。     

基于和声搜索算法的山岭隧道施工锚固参数优化

由于隧道工程设计与施工存在诸多的不确定性,由此造成的建设成本浪费巨大。本文针对传统优化算法不能求导、容易陷于局部最优等问题,引入一种鲁棒性强的智能优化算法—和声算法,建立山岭隧道施工锚固参数的优化算法。首先基于正交设计和三维数值模拟,建立锚固参数与隧道支护成本关系函数,在确定稳定性约束的边界条件下,采用和声搜索智能优化算法对其优化,寻找较为优越的支护方案。实例分析结果表明,基于和声搜索算法的支护成本优化方法是可行的,可获得很好的收敛速度和优化精度,通过和声搜索算法优化锚固参数可将隧道施工方案选择提高到定量的水平。     

基于改进型梯度法的客车侧翻一步碰撞算法精度改进研究

基于改进型梯度法,对客车侧翻一步碰撞算法初始解各节点的广义失衡力进行平衡迭代,并将局部摄动思想引入改进算法的节点广义失衡力平衡迭代过程,快速获得侧翻碰撞结构的最终变形,与原始牛顿-拉夫森(Newton-Raphson)方法相比,在保证模拟精度的同时,提高了计算效率.应用改进算法对某款长12 m的公路客车典型车身段模型进...     

有容量限制路径选择优化问题的混合蚂蚁算法

基于有容量限制的路径优化（CVRP）问题的NP难解性，将目前已在众多组合优化领域中颇见成效的随机型智能搜索算法——蚂蚁算法结合节约算法（C—W算法）应用于这类模型，充分发挥了其智能搜索、全局优化和并行计算的优势。经算例测试，比较蚂蚁算法与两阶段法．神经网络算法的迭代过程，结果表明，蚂蚁算法能以较快的速度收敛到最优解。     

基于混合遗传算法的主动悬架集成优化研究

作者提出的主动悬架的集成优化方法是以主动悬架的结构参数与LQG控制器为优化对象,以主动悬架系统输出的车身垂直加速度、悬架动位移、轮胎动位移和主动控制力的加权和为优化性能指标。同时提出了一种混合优化算法,它利用梯度算法每次迭代得到的结果来改进遗传算法的群体,而用遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的初始点。运用该混合遗传算法进行主动悬架系统的集成优化控制能有效地提高汽车行驶平顺性和安全性。     

基于改进蚁群算法的运输调度规划

在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。     

求解广义最小生成树问题的元启发式算法

针对广义最小生成树问题,设计了2种改进的元启发式算法来求解：单亲遗传模拟退火算法和改进的禁忌搜索算法。通过综合遗传算法和模拟退火算法的优点,提出了单亲遗传和模拟退火的混合算法,并设计了自适应选择法和自适应基因重组操作;在改进的禁忌搜索算法中,通过在2种邻域进行搜索来避免陷入局部最优。数值实验验证了算法的有效性。     

基于改进禁忌搜索算法的车辆路径问题模型

为了解决传统禁忌搜索算法程序复杂、独立性低下等问题,在考虑带有时间窗的车辆路径问题的基础上,提出了带有时间窗和异构车队的车辆路径问题。为了更好地解决带有时间窗和异构车队的车辆路径问题,建立了带有时间窗和异构车队的车辆路径问题的模型,此模型同时考虑了时间窗、异构车队以及车辆数量限制的多重属性,提出一种改进的禁忌搜索算法来解决这一问题,改进的禁忌搜索算法其实质是在原有禁忌搜索算法的基础上加入了保留表,等级成本结构原则和车辆排序准则对其进行了创新。通过在原有算法中加入保留表,并使用等级成本结构的原则,提出了一种新的解决车辆路径问题的算法,这种改进的禁忌搜索算法解决了传统禁忌搜索算法的弊端,不仅可以使用户点在路径上紧密排列,同时还能达到优化运输路线的目的。最后为了演算改进的禁忌搜索算法的有效性,使用具体的案例数据对改进的禁忌搜索算法进行了演算,演算结果证明了这种创新算法在解决带有时间窗和异构车队的车辆路径问题上是有效的。     

双层规划法路网通行能力模型改进算法优化研究

对基于双层规划法的路网通行能力模型改进算法进行算法优化研究。其中,主要对底层模型进行流程改进与算法优化,并通过求解方法的合理设计从迭代上优化模型算法。最后,通过算例分析证明了算法优化后的效率较优化前有显著的提高。     

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。     

基于蚁群算法的最短路径搜索方法研究

最短路径搜索是车载定位导航系统中很重要的一个功能,最短路径搜索问题本身也可以归结为组合优化问题.蚁群算法是基于群体的一种仿生算法,为求解复杂的组合优化问题提供了一种新思路.文章尝试采用蚁群算法来解决车载导航系统中的最短路径搜索问题,并在VC 6.0的环境下进行了仿真实验.实验结果表明,该方法能有效解决车载导航系统中的最短路径搜索问题,具有一定的理论参考价值和实际意义.     

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。     

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。     

车用汽油机过渡工况进气流量预测研究

提出了一种基于混合遗传算法的径向基神经网络(HGARBF)的车用汽油机过渡工况进气流量预测模型。首先设计了一种新的混合遗传算法,利用梯度算法每次迭代得到的结果来改进遗传算法的群体,将遗传算法的最优个体与梯度算法的迭代解相比较,选择其中的最优点作为梯度算法下一步迭代的起始点,运用该混合遗传算法进行径向基神经网络参数的优化,改善径向基神经网络不同初始参数对其性能的影响;然后建立了基于HGARBF网络的过渡工况进气流量的预测模型。仿真结果表明,该预测模型优于经典的进气流量平均值模型,为精确及时测试汽油机进气流量提供了新的方法。     

基于中心分拨模式的多车场集送货一体化车辆优化调度方法

基于中心分拨理论的运输模式被很多大型物流企业所采用。因此研究其优化调度方法以确定各发车城市及车辆行驶路径。针对该优化问题建立数学模型及其求解框架,并利用改进的节约法求解,对得到的结果采用2-opt搜索算法进行修正。通过计算实例,说明了数学模型和求解方案的有效性。     

基于4次样条函数拱轴线优化设计的T-V求解法

拱桥拱轴线可以用4次样条函数表示,而基于4次样条函数的拱桥拱轴线优化设计问题是一个非线性规划问题。采用Topkis-Veinott可行方向法研究了优化求解方法,提出了新算法。通过对上承式钢筋混凝土拱桥实例求解,得到了符合设计要求的结果。计算结果表明,该拱轴线优化模型与初始拱轴线无关,不需要对初始拱轴线的选择做细致研究,只要初始拱轴线是连续曲线即可;在应用Topkis-Veinott容许方向法时,需要注意初始点的选择要求必须是可行点。由于容许方向法的每次迭代都是在可行域中进行的,方向是目标函数下降的方向,每步迭代结果都是可行设计,而且后一步迭代结果比前一步结果要好。因此,该拱轴线优化模型有较好的可靠性和实用性。