船舶航行性能优化的模糊遗传算法

模糊遗传算法是一种模糊优化与遗传算法紧密结合的优化方法。它兼有模糊优化的考虑到模糊因素从而更能贴近工程的实际情况和遗传算法的全局寻优能力强的特点。本文中模糊优化采用限界搜索法，它可针对模糊非线性一规划给出一个特定的清晰解。对应特定水平则委托遗传算法进行寻优。为处理等式和不等式混合约束，通过惩罚策略将其吸入遗传算法中染色体的适值。本文采用该方法对船舶航行性能进行优化，以船舶的快速性、操纵性和耐波性三个航行性能综合最优为目标函数，具体做法是取三个性能指标的线性加权和，最后建立的数学模型包括三个等式约束和五个不等式约束。根据以上思想本文用VC＋＋6．0开发了ShipPO优化平台，并在其上进行船舶航行性能优化计算，结果表明，该京城地少，全局寻优能力强，非常符合工程需要。     

基于改进型遗传算法的舰船舱室布局优化

从布局优化角度分析求解舰船舱室的布局问题,以生活区舱室为切入点,借鉴二维FLP问题的理论和方法,对舱室布局进行分析和模型简化,并进一步分析和构建优化的数学模型。在数学模型构建过程中,定义舱室序列变量、目标评价函数和布局约束。对基本遗传算法在编码方式、遗传算子和流程框架上均做出适应性改进,并用于优化和求解该数学模型,最终输出Pareto舱室序列解集。理论和实例分析表明,所提出的改进型遗传算法能有效解决生活区舱室的布局优化问题。     

遗传算法在船舶电缆布局优化设计中的应用研究

船舶电缆布局优化是实现船舶布线自动化的一项技术难题,这一问题的解决可节省大量电缆布局设计的时间和费用。建立优化模型,并对传统遗传算法中初始种群的产生方法、选择算子及变异算子进行改进,增加检测操作,从而构造求解该模型的改进遗传算法。仿真结果表明,该算法是一种具有全局寻优能力的布局优化方法,具有高效性、实用性,并可扩展于解决船舶设计中的其它优化问题。     

基于多目标遗传算法的约束阻尼柱壳结构优化

文章为了改进被动约束阻尼柱壳结构的减振特性,解决引入约束阻尼的合理分布问题,提出了一种基于多目标遗传算法的优化设计方法。建立了以振动模态的前两阶损耗因子和引入约束阻尼材料总质量比为优化目标,以约束层、阻尼层厚度和粘弹性材料剪切模量为设计变量的多目标函数。利用遗传算法对 Pareto 最优进行优化选择,避免了对目标函数值的直接计算。通过分析和比较优化前后结构的模态振动频率变化以及幅频响应,表明引入质量太多会影响柱壳结构固有特性,而优化后结构能够避免太多的质量引入,并且具有更好的减振效果。     

遗传算法的改进及其在超大型油船结构优化中的应用

遗传算法是一种基于适者生存理念的随机搜索算法,它具有极强的全局搜索能力,且不需要知道问题的导数信息.然而,简单遗传算法局部搜索能力差以及易于早熟.文章编制了一种基于实数编码的适用于连续型变量的遗传算法,比较适合于多峰函数的全局寻优,且对之略作改进,也可用于离散型变量优化.采用大量经典数学测试函数对该遗传算法的优化能力进行测试,取得了很好的优化结果.在此基础上,选用经典10杆桁架结构对该算法的寻优能力进行了验证.最后,以一艘超大型油船的典型中横剖面作为研究对象,选取396个设计变量,所有变量在优化过程中都进行了离散化处理,应用JTP规范[1]作为校核依据,采用该遗传算法进行优化设计.经过优化后,船中剖面面积下降了2.6%.     

基于改进遗传算法的柴油机调速控制研究

以6135柴油机为对象,建立了柴油机简化传递函数和执行机构模型.针对传统PID调速稳定时间长,控制效果不理想,论文提出一种改进遗传算法的PID调速控制策略.改进的遗传算法从加快收敛速度、抑制早熟和提高寻优能力出发,提出了改进的选择算子、自适应交叉算子和自适应变异算子,采用MATLAB软件分别对传统PID和基于改进遗传算法PID的调速控制系统进行了仿真研究.仿真结果表明,改进遗传算法PID控制器具有良好的动态品质和稳定性,其控制效果优于传统的PID控制器.     

利用遗传算法优化静动态约束下的机舱结构

利用遗传算法对静动态约束条件下的机舱结构进行优化。为解决复杂约束情况，其中包括应力、固有频率和设计参数许用范围，提出了一种罚函数方法。为提高该方法的有效性，引入了目标择优的新算子。并提出我变异概率以提高算法的收敛性，从而避免过早收敛于一个差解。为解决分散问题，引入一序列截面，其形状参数事先主数据库。遗传算法在机舱结构优化中的成功应用，显示出它可应用于更复杂的工程设计问题。     

基于改进遗传算法的新型水面无人艇性能综合优化分析

艇型的设计受到多种因素约束,各种因素常常互相矛盾,因此,若以某一个指标为主,将会减弱其他方面的性能.所以在选取艇型的各项参数时,应全面综合考虑各个参数对艇型影响程度.文中对一种新型水面无人艇的快速性、操纵性、耐波性和抗倾覆性进行综合优化计算,将水面无人艇的综合性能优化问题转化为4个子系统性能的优化问题.对4个子系统的设计变量进行耦合,并将子目标函数以一定的形式组合成总目标函数.兼顾4个性能的约束条件,构造惩罚函数,最终构造出水面无人艇的性能综合优化数学模型.文中提出3种策略改进遗传算法,通过优化数学模型接口来编制、优化软件,并进行优化计算分析.研究结果表明:成长机制改进的遗传算法具有很好的寻优性能,且成长机制中遗传因子和进化权重对寻优效果的影响最大.     

基于改进BP-GA方法的FPSO舷侧结构耐撞性能优化设计

基于遗传算法和ABAQUS参数化有限元仿真技术,对传统的BP-GA优化方法进行改进,并采用改进的BP-GA方法对浮式生产储油卸油装置(FPSO)舷侧结构的耐撞性能进行优化,以验证其可行性和准确性。结果表明,与传统的BP神经网络相比,经遗传算法优化的BP神经网络具有更高的预测精度和更强的泛化能力;改进的BP-GA优化方法可在结构减重的基础上进一步提高结构的耐撞性能,能较好地适用于复杂的FPSO舷侧结构耐撞性优化设计。采用的优化方法具有通用性,可为抗爆性能的优化设计提供参考。     

基于非群体迭代遗传算法的码头布局仿真优化

针对码头布局优化问题,运用错位交叉遗传算子对非群体迭代遗传算法进行了改进,克服了遗传算法易于陷入局部最优解的缺陷,同时使遗传算法的性能得到了改善,加快了算法的优化速度。建立了集装箱码头布局方案仿真优化的框架模型,运用改进的算法寻优,通过对布局方案仿真优化的实例分析,结果表明该方法是可行的且效果较好。     

基于微观遗传算法的结构形状优化设计

在形状优化中,传统的优化方法对目标函数和约束条件形态的要求严格,难以获得全局最优解。为解决这个问题,将微观遗传算法应用于结构形状优化中。既消除了对目标函数和约束条件形态的限制,提高了全局寻优能力;又减少了结构分析次数,节省了计算时间,为结构的形状优化提供了一种实用方法。通过算例,验证了该方法的正确性。     

基于MATLAB遗传工具箱的多目标函数优化

本文对遗传算法的基本特点、步骤和流程和基于MATLAB的遗传算法优化工具箱进行了介绍,结合多目标函数问题的优化实例,说明了遗传算法是一种具有良好的全局寻优性能的优化方法.     

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。     

随机响应约束下的桁架结构拓扑优化

研究随机响应约束下的桁架结构拓扑优化问题具有重要的工程应用前景.文章采用自适应遗传算法(AGA)求解了随机响应约束下的桁架结构拓扑优化问题.通过引入海明距离生成高质量的初始种群、采用自适应的交叉和变异算子以及对适应度函数进行线性标定这三个步骤改进了遗传算法的搜索效率以及收敛性.在拓扑优化列式中考虑杆件以及各自由度的拓扑变量以精确地模拟优化过程中杆件和结点的删除.建立了随机载荷作用下结构均方响应的表达式,并以此作为拓扑优化问题的约束条件.另外,提出了一些启发式算法来引导杆件和结点的删除.最后,通过对随机激励下的二维桁架以及三维桁架进行拓扑优化计算,证明了本文方法的实用性和有效性.     

基于改进遗传算法的双向渐进结构优化方法研究

本文提出了一种基于改进遗传算法的软删除双向渐进结构优化法(G-BESO),以解决传统双向渐进结构优化法(BESO)中参数(如进化率)设置不当而导致无法获得最优拓扑构型的问题.首先确定单元权重系数与单元密度的递推关系式,形成一种考虑单元密度历史信息的材料插值模型,从而增强恢复误删高效单元的能力.然后引入遗传算法中的交叉和变异操作,启发式地更新结构状态以提高全局寻优能力.最后将该方法编写成可用于实际工程结构优化设计的程序.算例表明,提出的方法能稳定得到最优拓扑形状且计算效率更高,可为工程结构的拓扑优化设计提供一定参考.     

微分群体智能算法在船舶结构混合变量优化中的应用

船舶结构优化设计问题通常是一个包含混合变量的约束优化问题.常用的优化方法是采用遗传算法结合惩罚函数法,但遗传算法的人工参数多,算法复杂,惩罚因子选取困难.该文中把适合约束优化问题的微分群体算法DS(Differential Swarm)进行了改进并用于混合变量的结构优化问题中,对多个工程实例的计算表明,新算法的结果好于已知文献中的最好结果,并得到了以往未发现的新解.DS算法参数少,算法表达简单,全局优化能力强,精度高,在工程中有较大应用前景.     

粒子群算法在约束型垫高阻尼结构动力学优化中的应用

[目的]为了进一步提高传统约束型阻尼结构的振动特性,对改进后的约束型垫高阻尼结构进行优化设计。[方法]首先,根据薄板弯曲理论和Hamilton变分原理探讨约束型垫高阻尼结构的动力学特性;其次,阐述粒子群算法迭代寻优的基本原理,提出优化含连续变量和离散变量的粒子群算法;最后,结合约束型垫高阻尼结构的动力学特性,运用改进的粒子群算法实现结构的优化配置。[结果]当算法搜索寻优到第12代时结果趋于稳定,表明算法已收敛。[结论]研究表明,粒子群算法能较好地求解约束型垫高阻尼结构动力学优化问题,且获得的最优化解可被应用于工程实际。     

考虑环境约束的多货种内陆港布局优化

内陆港作为综合运输一体化的枢纽,地位和作用愈加重要,而传统的内陆港选址却较少针对环境约束、多货种和多沿海港口来进行分析。将多货种和环境问题引入内陆港的布局优化中,首先建立以建设运营成本、运输成本、中转成本、时间成本(即系统总成本)最小和环境排放量最小的双目标内陆港布局优化模型,然后采用传统遗传算法、加入模拟退火算法的改进遗传算法和基于非支配排序的遗传算法进行求解,最后以东三省及内蒙古东部城市为例进行了实证分析。计算结果表明,在考虑环境因素的情况下,当货种的时间敏感因子较低时,通过内陆港中转到达海港的货源点更多;当货种的时间敏感因子较高时,通过公路直达海港的货源点更多。     

基于广义回归神经网络与遗传算法的玻璃钢渔船船型要素优化研究

利用神经网络的非线性拟合能力,建立了基于广义回归神经网络的"船型要素-船体阻力"数学模型,提高了模型的拟合精度。同时结合遗传算法的非线性寻优能力,利用改进的遗传算法完成了船型要素的优化设计。优化结果可以作为玻璃钢渔船初步设计的技术参考。     

一种基于克隆选择的量子遗传函数优化算法

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题,将免疫学中的克隆选择算法的概念和原理引入到量子遗传算法中,提出了一种新型的进化算法——基于克隆选择的量子遗传函数优化算法.该算法通过克隆选择、高斯变异以及量子旋转门等操作对可行解进行搜索,提高了算法在解决函数优化问题的全局寻优能力。典型函数的测试结果表明该算法优于传统的QGA和一些遗传算法。