钢筋混凝土梁遗传算法优化设计

遗传算法是建立在自然遗传学机理基础上的参数搜索方法。通过介绍遗传算法在钢筋混凝土梁结构参数求解中的应用,利用遗传算法对钢筋混凝土梁进行优化,建立钢筋混凝土矩形截面梁的满足约束、造价最低优化模型及相应的适应度函数,采用二进制编码,通过执行遗传算法的选择、交叉和变异算子,实现对结构的优化设计,并分析了算例,成功求解了钢筋混凝土梁结构非线性优化设计模型。实例结果表明:该法可以节省时间,优化结果准确并可以降低造价。     

遗传算法及在汽车悬架参数优化设计中的应用

为了探讨遗传算法在汽车悬架参数优化设计中应用的可行性,对遗传算法的基本概念、基本步骤以及常用的基于二进制编码的遗传算法的实现方法进行了研究。以1/4汽车两自由度振动模型为对象,运用遗传算法对悬架刚度和减振器阻尼系数进行了优化求解。研究结果表明,优化后得到的车身垂直振动加速度均方根值较优化前在整个频率范围内均有较大的减小,遗传算法应用于汽车悬架参数的优化设计具有较好的效果。     

基于优化遗传算法的冻土路基热物性参数反演

在冻土路基温度场模拟和稳定性分析中,冻土路基热物性参数的取值是至关重要的。基于优化的遗传算法,本文提出求解冻土路基热物性参数的反演方法,利用该方法对青藏公路冻土路基进行热物性参数反演,将计算结果和实测数据相比较,结果表明,在仅给定各反演参数取值范围的条件下,对常规遗传算法优化后进行冻土热物性参数反演具有一定的可行性和实际的工程意义。     

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。     

人工神经网络与遗传算法的结合在土钉支护优化设计中的应用

近年来,由于智能化方法——人工神经网络和遗传算法所具有的种种优点,其理论和应用研究得到工程界较广泛的关注。针对目前土钉支护优化设计中计算工作量大和求解时间长的问题,提出了将神经网络与遗传算法结合进行求解的思想,利用神经网络学习算法建立起输入参数(优化设计变量)和输出参数(安全系数最小值)之间的非线性映射关系,当神经网络学习达到收敛条件时,从映射关系就极易获得遗传算法求解优化问题所需的对应于给定设计变量的安全系数最小值的近似值,以代替每次必须进行的最小安全系数求解。算例结果表明,采用神经网络与遗传算法结合进行土钉最小长度优化求解所需要的时间大大减少,而且具有良好的效果。     

基于自适应遗传算法的路面模量反算的稳健性研究及应用

在实践交通路面工程中,路基作为路面结构的基础支撑体,会因为路基强度不足,稳定性差,受到外部载荷作用而导致过量变形,进而产生路面损坏问题。针对在路面模量反算过程中所获得的目标函数的最优值问题,主要提出了一个基于模量反算的自适应信息遗传算法,并对新算法在路面模量反算中的稳健性进行了理论和实践对比分析。首次采用了以信息量来确定是否执行细分模量解空间的机制,有效的缩小了后期反算空间,同时,采用改进行的实数交叉算子,提高了新算法后期搜索能力,通过比较实际FWD实际检测结果与新算法的反算结果表明:自适应信息遗传算法有效的降低了传统遗传算法的复杂度,提高了求解效率,有效的保证了新算法在工程实际应用中的稳健性。     

自适应信息遗传算法在路面模量反算中的应用和稳健性研究

路基作为路面结构的基础支撑体,实际路基工程所发生的路面损坏基本上是基于路基稳定性差、强度较低,受到外部载荷作用而产生过量形变造成。主要是针对路面模量反算过程中所获得的目标函数在最优值呈现出一个狭长平坦区的特征,提出了一个基于模量反算的自适应信息遗传算法,并对新算法在路面模量反算中的稳健性进行了理论和实践对比分析。首次采用了以信息量来确定是否执行细分模量解空间的机制,有效的缩小了后期反算空间,同时,采用改进行的实数交叉算子,提高了新算法后期搜索能力,通过比较实际FWD实际检测结果与新算法的反算结果表明:自适应信息遗传算法有效的降低了传统遗传算法的复杂度,提高了求解效率,有效的保证了新算法在工程实际应用中的稳健性。     

基于多目标优化的多塔特大斜拉桥索力优化研究

为探究在多参数作用下多塔斜拉桥索力优化方法,基于多目标优化理论,构建了以主梁弯曲应变能和主塔纵向水平位移为目标函数,使用界限构造法建立了迭代过程中适应度函数,联合改进遗传算法和RBF神经网络对索力进行了优化求解,并将计算结果与单目标优化的主梁弯曲应变能和主塔纵向水平位移进行了对比。结果表明:改进遗传算法具有良好的泛化能力和全局寻优能力,主梁弯曲应变能和主塔纵向位移均有一定程度下降,与单目标优化相比,虽然弯曲应变能相比提高,但是主塔纵向位移得到了有效控制。改进遗传算法联合RBF神经网络的索力优化方法确保了结构处于全局最优状态。     

基于遗传算法的混合动力汽车参数多目标优化

针对混合动力汽车设计参数众多的状况,提出了一种对混合动力汽车传动系统参数和控制参数同时进行优化的多目标优化新方法--自适应遗传算法.在ADVISOR平台上,以一辆使用逻辑门限控制策略的并联混合动力汽车为例,分析并建立了以动力性能指标为约束的混合动力汽车参数优化的非线性规划模型,其目标函数包含最小油耗和最佳排放性能.针对遗传算法容易早熟等不足,采用带自适应交叉和变异算子的遗传算法和模拟退火技术相结合进行求解.仿真结果表明了所提出方法的有效性.     

高速公路资产综合优化管理研究

从道路管理者和道路使用者的需求入手,尝试建立了基于资产性能最优与投资效益最大的路面和桥梁综合优化管理模型;选取算例利用遗传算法通过MATLAB对所建立的模型进行了求解,验证了算法的可行性,同时表明遗传算法较一般的数学规划方法在模型求解过程中呈现出更大的优越性.在利用综合优化管理模型找到最佳投资养护方案的基础上,依照推荐...     

公路工程中多种资源均衡优化的遗传算法设计

利用遗传算法对公路工程进度优化中的资源均衡优化问题进行了探讨,给出了利用遗传算法对整个问题的求解设计思路,对公路工程多种资源均衡优化中利用遗传算法优化时染色体设计、优秀个体的充分利用以及遗传操作后不合理结果的处理提出了解决方法,为今后遗传算法在公路工程进度优化中的应用提供了有益的思路。最后设计了求解流程图。     

遗传算法在公路工程工期成本优化问题中的应用

利用遗传算法对公路工程工期成本优化问题进行探讨,给出利用遗传算法对整个问题的求解设计思路,在公路工程工期成本优化中利用遗传算法优化时染色体设计、优秀个体的充分利用以及遗传操作后不合理结果的处理提出解决方法,为今后遗传算法在公路工程进度优化中的应用提供有益的思路。最后设计求解流程图。     

基于改进NSGA-Ⅱ和IGA-BP神经网络的索梁锚固区结构优化研究

为实现大跨度斜拉桥索梁锚固区钢锚箱的结构优化,依托某大跨度斜拉桥索梁锚固区结构实际工程,提出了一种基于NSGA-Ⅱ算法与IGA-BP神经网络模型的结构参数优化方法。首先基于BP神经网络确定了钢锚箱响应数据预测的拓扑结构,采用自适应交叉变异改进的遗传算法对钢锚箱结构响应神经网络预测模型的权值阈值调参,得到满足拟合精度要求的IGA-BP神经网络预测模型。然后建立考虑结构平均应力和主要板件上峰值应力的数学优化模型,采用改进交叉、变异算子的NSGA-Ⅱ算法设计了钢锚箱结构参数优化流程。最后联合改进NSGA-Ⅱ算法和IGA-BP模型实现了钢锚箱结构参数的优化求解。结果表明：自适应遗传算法对BP神经网络权值与阈值调参的效果良好,相较于标准BP神经网络,IGA-BP神经网络的拟合精度和训练效率均更高;改进NSGA-Ⅱ算法可以实现对钢锚箱结构参数的寻优求解,根据Pareto协调最优解的结果,钢锚箱支撑板与承压板厚度有一定增加,加劲板和锚垫板厚度略微降低;优化后的结构上平均应力降幅约为2.7%,其中承压板应力峰值由200.9 MPa降低至178.1 MPa,降幅约为11.3%,支撑板应力峰值由199.6...     

基于多目标遗传算法的混合电动汽车参数优化

动力系统和控制器参数的同时优化是提高混合电动汽车(HEV)燃油经济性并降低排放的关键。这类优化问题涉及多个相互冲突的优化目标和非线性约束,是典型的多目标优化问题。文中采用多目标遗传算法求解该优化问题的Pareto最优解集,并应用ADVISOR对实际算例的优化结果进行比较分析。结果表明,应用该方法可找到多组可行解,在满足原车动力性要求的前提下能有效提高燃油经济性,降低排放。     

概念车身框架结构的多变量截面参数优化

建立了由Timoshenko梁单元、Mindlin四边形板单元及接头单元构成的概念车身框架结构简化模型,并对该复杂结构进行了参数优化.为简易求解,将梁单元的力学特性参数转为截面几何变量,以梁单元、板单元截面几何参数为设计变量,以车身框架质量最小、刚度最大为目标,建立多目标优化模型,并采用Pareto遗传算法进行求解.算例表明:经过有限代进化,所有个体全部落入可行域内,并最终找到较优解;优化后的模型车身质量减轻,刚度提高.     

基于遗传算法的车辆半主动悬架控制系统参数优化

遗传算法(Genetic Algorithm,GA)是一种基于自然群体遗传演化机制的高效优化算法,它能模拟自然界生物进化过程,依据适者生存,优胜劣汰的进化规则,采用人工进化的方式对目标群体进行遗传操作,不断得到更优群体。文章根据遗传算法基本思路,在MATLAB/Simulink中搭建了基于遗传算法的车辆半主动悬架参数优化模型,利用该算法对半主动悬架控制系统参数进行了优化,并对优化结果进行了仿真分析,结果表明,优化后车辆簧载质量加速度均方根值降低31.1%、悬架动挠度均方根值降低11.2%、轮胎动载荷均方根值降低7.1%,车辆平顺性得到提升。     

配电网无功补偿优化的混沌遗传算法

遗传算法是一种模拟生物进化过程的优化算法,可用于求解包含离散化变量的复杂优化问题,文章将遗传算法应用于配电网无功优化,介绍了混沌遗传算法的具体步骤,并将该算法对IEEE30节点系统进行了无功优化计算,将结果与遗传算法得到的结果进行比较,表明混沌遗传算法应用于无功优化是合理可行的。     

遗传算法在汽车动力性、经济性优化中的应用

遗传算法是一种模拟生命进行机制的搜索和优化方法，其全局优化和隐含并行性的特点使得遗传算法能适应求解大规模的复杂优化问题。本文从遗传算法的基本原理着手，阐述了遗传算法在汽车动力性、经济性优化中的应用。     

一种基于遗传算法的副本优化问题求解方法

针对分布式存储系统中的副本优化问题,本文提出一种利用遗传算法进行求解的方法。首先对副本优化问题进行了数学描述和建模,其次介绍了如何设计遗传算法中的编码、适应度函数以及选择、交叉和变异方法,最后通过实例进行了验证。结果表明,该方法能有效求解副本优化问题。     

基于系统的沥青路面结构可靠度及优化研究

用响应面法分析沥青道路路面结构可靠度,利用遗传算法,研究单条道路的造价与可靠度的关系,建立回归模型。在此基础上,以系统可靠度为约束,系统总造价为目标函数,建立道路系统优化模型,求出各子道路路面结构的最优解。研究的结果对于道路系统规划具有重要意义,并可为其他生命线系统工程的优化提供指导。