神经网络与遗传算法结合在结构优化设计中的应用

利用神经网络对有限元计算的样本数据建立起结构设计参数与位移,应力等的全局性映射关系,以获得遗传算法求解结构优化问题所需的目标函数值,从而进一步获得问题的优化解,５杆桁架等例表明,此方法可以在较少的有限元分析次数下获得的较好的优化解。     

优化设计求解的遗传-神经网络新算法研究

提出并研究了一种优化设计求解的遗传神经网络新算法,该算法综合了遗传算法的全局性和神经网络的并行快速性等特点,可克服遗传算法最终进化至最优解较慢和神经网络易陷入局部解的缺陷,具有较好的全局性和收敛速度     

遗传算法神经网络的学习方法

提出了利用遗传算法的思想实现人工神经网络学习的方法，并具体讨论了在实现中的若干问题。     

遗传算法在机械优化设计中的应用

运用遗传算法对外翻式五铰双曲肘合模机构有关参数进行了优化计算,并与一维优化法作了对比。     

基于改进遗传算法的接地网优化设计

为减少接地网均压导体数量和提高均压效果，根据短路时地表电压分布建立了接地网不等间距均压带优化布置的数学模型．优化计算采用改进的遗传算法．介绍了青藏铁路牵引变电所接地网的仿真计算．结果表明，该方法可在满足安全电压的条件下，得到接地网不等间距均压带布置形式．与传统的等间距布置形式相比，可以减少近50％的施工量．     

传统机械优化设计方法和遗传算法的比较

以箱形盖板优化设计为例,分别得出了应用传统机械设计优化方法和遗传算法机械优化设计的结果。并进行了比较,体现了遗传算法的特点。结果表明,遗传算法是一种非常有效的机械优化设计方法。     

基于遗传算法的FIR数字滤波器的优化设计

提出了基于最大误差最小化准则,利用遗传算法实现FIR低通数字滤波器的优化设计,所设计的滤波器达到了非常理想的性能,这一方法可以推广到其他类型的滤波器的设计。     

基于遗传算法的船舶推进系统船、机、桨匹配优化设计

船舶推进系统船，机，浆匹配问题一直是船舶设计人员最关心的问题之一。尤其是近10年来，随着船舶向高速度，大功率，大型化和肥胖化的方向发展，对三者匹配的要求更为严格。文中将遗传算法引入船舶推进系统船，机，浆匹配优化设计，建立了合适的优化模型。构造了合理的适应函数，实船优化表明，该算法的收敛速度很快且计算精度较高，最后，探讨了影响算法高效性和准确性的因素。     

一种训练神经网络的新型遗传算法

针对神经网络中具有大量的相似解，提出了一种规范化方法，大大地减少了神经网络中解的数目。然后，给出了多种不同的算子，通过对简单网络问题的实验，比较了它们的优劣，得出了一个新型的遗传算法ＮＧＡ。实验表明，ＮＧＡ比用传统的ＧＡ训练神经网络效果要优。     

结合遗传算法的BP神经网络训练方法研究

针对BP神经网络存在收敛到局部极小问题,研究了直接利用遗传算法训练BP网络的方法和结合遗传算法训练网络初始权值的BP算法;通过简单异或问题说明了第一种方法所需训练时间较长;将第二种用于解决结构损伤识别问题,得到较好结果,说明利用遗传算法训练初始权值可以克服BP神经网络局部极值点问题,加快网络的收敛速度。     

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。     

配气凸轮优化设计的单纯形法和遗传算法

采用高次方五项式构造凸轮型线的优化设计数学模型，使用Matlab数学工具。用单纯形法和遗传算法对其分别进行了最优化设计．数值计算实例表明：单纯形法容易陷入局部最优，而遗传算法则具有较好的全局搜索性，能获得全局的最优点．     

遗传算法在飞剪机结构参数优化设计中的应用

在对飞剪机结构参数的优化设计中,应用了一种新兴的高效寻优方法-遗传算法。文中对基于遗传算法的参数优化过程进行了全面和简要的说明。实例计算表明,该方法可以获得比较满意的优化设计结果。     

基于遗传算法的混合流动式磁流变阻尼器优化设计

针对传统磁流变阻尼器在体积受限条件下不能产生良好阻尼性能的不足,提出并设计了一种混合流动式磁流变阻尼器,该阻尼器液流通道由4段轴向圆环液流通道和2段径向圆盘液流通道串联组成,通过设置隔磁零件引导磁力线蜿蜒通过全部液流通道,有效提高了阻尼器的磁场利用率。阐述了混合流动式磁流变阻尼器的结构和工作原理,建立了阻尼力数学模型,并采用有限元法对阻尼器进行电磁场仿真。利用遗传算法对该阻尼器进行结构优化,优化目标函数由输出阻尼力、阻尼力可调范围、响应时间常数、能耗和阻尼器活塞头体积5部分组成。对比分析了优化前、后各液流通道处磁感应强度和剪切应力的分布规律,以及各性能指标随外加电流的变化情况,结果表明优化后磁流变阻尼器的磁场利用率更高,且各项性能均有明显改善。     

基于神经网络和遗传算法结合的桥梁结构损伤诊断

利用神经网络对有限元计算的样本数据建立起桥梁结构的损伤参数——损伤位置、损伤程度（输入）以及位移差——损伤结构与完好结构的位移差（输出）的全局性映射关系，以获得遗传算法求解桥梁结构损伤问题所需的目标函数值，从而识别桥梁的损伤参数．某连续梁桥算例表明，此方法可以在较少的有限元分析次数下获得较好的损伤诊断结果．     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。     

混凝土泵车臂架结构的智能优化设计

针对混凝土泵车臂架结构优化设计非线性的复杂性和优化目标的多样性，利用BP神经网络算法建立起结构设计参数与变形、应力等的非线性全局映射关系，从而获得遗传算法求解结构优化问题所需的目标函数近似值，动态完成混凝土泵车臂架结构优化设计．     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

基子BP神经网络和遗传算法的桥梁损伤识别方法研究

以钟祥汉江大桥的损伤识别为例,对基于BP神经网络和遗传算法的桥梁结构损伤诊断方法进行的实例应用研究,结果表明该方法兼有神经网络广泛的映射能力和遗传算法快速的全局收敛性能.     

基于MSC．Marc接口的遗传算法结构优化设计

提出了一种结构优化设计系统，该系统采用C语言和FORTRAN语言混合编写而成．在应用遗传算法的基础上，构建了与Mare模块的应用程序接口，直接调用Marc进行有限元分析，实现对目标体的结构优化设计．此系统被应用于车体优化设计中，取得了成功，充分说明该方法是正确、有效的．