城门洞形断面输水隧洞临界水深的计算方法

在城门洞形断面输水隧洞的水力计算中,其临界水深的求解方程无显函数形式的表达公式。为尝试避免传统低效的经验试算法、图解法等,通过对城门洞形断面输水隧洞临界流基本方程进行数学变换,其临界水深计算问题可归结为一非线性优化问题,再运用实数编码加速遗传算法(RAGA)求解。基于Borland JBuilder9 Enterprise环境编写了算法实现程序,对不同断面尺寸的城门洞形输水隧洞临界流进行了计算和分析。结果表明,RAGA方法具有计算速度快、精度和自动化程度高、通用性强等优点,比常用方法简便。     

基于遗传算法的车用空—空中冷器设计研究

以某车用增压柴油机的空—空中冷器为研究对象,应用遗传算法对其进行优化设计,提出了快速获取中冷器最优化芯体结构的方法。通过样品的风洞试验发现,优化计算的结果与试验结果吻合良好。表明使用该方法设计的中冷器,其传热系数最大可提高19.3%。在中冷器的设计方面具有明显的优势,为同类中冷器产品的优化设计提供了参考。     

用单亲遗传算法求解配送车辆调度问题的研究

建立了配送车辆调度问题的数学模型，针对传统遗传算法对复杂问题搜索效率低，易陷入“早熟收敛”的缺点，构建了求解配送车辆调度问题的单亲遗传算法，并进行了实验计算。计算结果表明，用单亲遗传算法求解配送车辆调度问题，可以取得比传统遗传算法更优的结果。     

利用改进交叉算子的混合遗传算法求解VRPTW

设计了一种改进的混合遗传算法求解带有时间窗、有车辆重量限制的车辆优化调度问题（VRPTW），根据问题的实际情况，建立了数学模型，提出了改进的交叉算子，丰富了种群的多样性；并结合模拟退火算法的思想，对染色体的适应度适当变化，改善了传统的遗传算法容易“早熟”的缺点，加强了染色体的局部搜索能力。     

基于道路设计与交通规划的道路选线优化模型

结合道路设计理论与交通规划理论,以地理信息系统为平台,开发道路选线优化模型。该模型是一个费用指向的优化问题,最小化费用目标函数中包括道路建设费用、土方工程费、道路交通诱发的环境污染的不经济费用,OD交通在路网上总走行时间的时间费用等。优化模型首先随机生成新建道路的空间位置候选方案集,并自动设计新建道路的平曲线和竖曲线,计算新建道路的各项工程费用。然后,对变化的路网进行自动拓扑,通过交通量分配得到OD交通在新路网上的走行时间和交通流特征,计算OD交通的环境负荷。最后,在遗传算法中判断候选方案的优劣,直到得到一个最佳的新建道路的空间位置方案为止。     

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。     

基于遗传算法的桥梁钢筋砼受弯构件优化设计

探讨了遗传算法在公路钢筋砼受弯构件优化设计中的应用,针对简单遗传算法存在"早熟收敛"的缺陷,采用大变异操作来避免产生局部最优解.数值实验证明,与常规优化方法比较,遗传算法能从搜索空间中的多点出发进行寻优,寻优过程中仅涉及适应度函数的计算与评价,能很好地解决结构优化设计问题.     

基于遗传算法和神经网络的高路堤沉降预测研究

依据高路堤填土施工期路基沉降实测资料,运用遗传算法和人工神经网络构造了预测路基沉降的等时距遗传神经网络模型, 并且对该网络进行了训练以及仿真,对预测结果运用3次样条插值可得到预测时间段内的任一时刻沉降结果,通过和实测沉降结果对比可知遗传神经网络比人工神经网络节省大量的调试时间和计算时间,而且其预测精度优于BP算法和指数拟合方法,显示其明显的优越性.     

基于模糊隶属度曲面的遗传算法图像分割

介绍了遗传算法的发展历史和图像分割的应用现状，分析了基于基本的遗传算法的图像分割方法，并将遗传算法与模糊集理论相结合用于医学图像分割，提出了基于模糊隶属度的遗传算法的医学图像分割方法。并对不同方法，如分割效果、计算代价进行了分析比较。     

沥青稳定碎石基层混合料矿料级配的优化

运用遗传算法与神经网络相结合的方法，以混合料的疲劳性能为目标函数，以矿料的9.5mm筛通过量和矿粉含量为决策变量，对沥青稳定碎石基层混合料的矿料级配进行优化。将优化后的级配曲线与Superpave相应的级配进行了比较，完全满足Superpave级配设计要求。经疲劳试验验证，用优化后的矿料级配成型的马歇尔试件的疲劳寿命最长，说明运用遗传算法与神经网络相结合的方法进行沥青混合料矿料级配的优化是可行的，这种优化方法可以广泛用于解决目标函数无法用显函数形式来表达的复杂的优化问题。