路网桥梁维修加固资金的最优分配

应用遗传算法,基于动态可靠度的概念,以有限投资作为限制条件,以期望收益最大化为优化目标,在路网层次上对系统可靠度和后续使用期进行优化计算。以含有四条线路的公路网作为算例,分析了各种资金限值下最优可靠度与后续使用期,并指出在进行投资决策时,应考虑线路期望损失与收益的相对关系。     

最小化网络总时延启发式遗传算法

路由选择算法是用于决定计算机网络每个结点输入的信息包应当从哪一个输出线路发送出去,以便使得某种指定的费用最小。提出了一种新的有效启发式遗传路由算法,以使网络总时延最小。该算法采用了启发式遗传路由方案,从而获得近似最优解。采用遗传算法的方法可以减少网络路由算法的运算规模,实现逐步求解。与其他已知类似算法相比较,该算法具有较小的时间复杂性。     

基于希尔伯特-黄变换的汽车耐久性载荷谱编辑

室内道路模拟试验是当今主要的耐久性快速评价技术之一.为加速汽车耐久性台架测试,通常需要对载荷谱进行压缩编辑.针对用户道路采集信号的非平稳特征,基于希尔伯特-黄变换对载荷信号进行压缩编辑.首先,对实际用户道路所测得的载荷信号,利用经验模态分解获取固有模态函数.然后,对固有模态函数作希尔伯特变换获取相应的瞬时幅值和瞬时频率...     

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。     

曲面分段全建造流程的误差累积及精度预测

以海洋平台典型曲面分段为研究对象,梳理建造企业对切割和弯曲工艺的精度要求及误差响应,以及焊接工艺对应的典型接头力学载荷,并将其作为曲面分段建造的源头误差。基于弹性有限元方法,分析焊接工艺对曲面分段建造精度的影响;考虑切割和弯曲误差对焊接工艺的影响,并预测闭合加工误差的焊接工艺及其产生的焊接变形。为提升曲面分段建造精度的评估效率,建立基于遗传算法的BP(Back Propagation)人工神经网络,并以27组数据为训练样本,以9组数据为验证样本检验其预测的准确性。通过弹性有限元分析研究不考虑、保留及矫正切割和弯曲加工误差等3种情况下的曲面分段建造精度,结果发现三者存在明显差异。考虑切割、弯曲的加工误差及其焊接闭合工艺对曲面分段的建造精度的显著影响,基于遗传算法的BP人工神经网络具有极高的预测精度和稳定性。     

基于遗传算法的VLCC货油舱分舱优化

探讨以减小静水弯矩为目标的超大型油船分舱优化方法。建立以横舱壁位置为参变量的参数化分舱模型,编程实现典型工况配载计算;建立基于遗传算法的优化模型,实现在主尺度、船型和货油舱区域总长确定的情况下,以最小静水弯矩为优化目标的货油舱横舱壁位置优化。实际应用结果表明,该方法能快速高效地找到满足强制规范要求的静水弯矩最优的分舱方案。     

一种新的伪并行遗传算法在车间调度中的应用研究

提出了一种改进的伪并行遗传算法(Improved Pseudo-Parallel Genetic A lgorithm,简称IPPGA),将改进遗传算法与SGA伪并行操作(采用并行思想,在同一台机器上完成操作),保证了种群多样性,防止局部早熟收敛;改进算法对部分遗传算子做了改进,采用迭代交叉,多父代产生多子代,让多个染色体中优秀基因段组合产生子代,大大加快收敛速度;设定一个最优个体保存序列库,防止最优解的丢失.采用实际算例进行仿真试验,数据表明改进的伪并行遗传算法(IPPGA)较标准遗传算法(SGA)快速、有效.     

基于GA-KFCM算法的高速公路交通运行状态评价研究

为提升高速公路交通运行状态评价的效果,提出GA-KFCM(genetic algorithm-kernel fuzzy C-means,基于遗传算法改进的核模糊C均值)聚类算法,并结合实例数据对不同方案的分类效果开展验证分析。首先,分析高速公路交通运行状态评价的范围及等级;然后,提出核函数改进的KFCM(kernel fuzzy C-means,核模糊C均值)聚类算法。在此基础上,采用遗传算法弥补初始化聚类中心随机的缺陷,考虑到在选取不同参数时判别模型的差异较大,结合实例数据对改进前后模型的交通运行状态开展聚类分析,并采用综合指标评估不同试验方案的优劣。试验结果表明：与FCM(fuzzy C-means,模糊C均值)聚类算法相比,GA-KFCM算法的聚类效果提升5倍左右;三维交通参数的交通运行状态判别可靠度最高。     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。