基于进化算法的双壳散货船结构质量优化设计

文章提出了船舶结构优化设计的一般步骤,分别对双壳散货船的纵向构件、横向构件、槽形横舱壁三部分建立了结构优化设计的数学模型.采用进化算法,对"漫海"号散货船进行了实例计算,结果表明经过优化设计,大大减轻了双壳散货船的结构质量,使之与未经优化的单壳散货船十分接近.     

基于差分进化的共面矩形线圈均匀磁场优化

研究了单矩形线圈磁场的均匀性,利用差分进化算法对磁场均匀度的定量描述,给出了双矩形线圈磁场的计算公式及其变化规律,并利用差分进化算法进行了求解,取得了很好的结果。     

基于MEC-BP神经网络的基坑水平位移反演分析

随着城市地铁建设快速发展,地铁车站基坑的变形要求越来越严格,基坑土层设计参数的选择面临着极大挑战.利用思维进化算法(MEC)优化BP神经网络的初始权值和阈值,结合有限元数值模拟,提出基于基坑水平位移的土层参数反演分析方法.采用文献算例对该方法进行验证,并与不同反演方法进行对比.研究结果表明:1)MEC-BP神经网络对多工况水平位移的反演分析结果与文献结果基本一致,验证了该方法的有效性和实用性;2)MEC-BP神经网络的收敛速度快于遗传神经网络(GA-BP),其反演结果优于常规BP神经网络、GA-BP方法和修正高斯-牛顿法(G-N);3)采用标量误差函数Ferr进行寻优,可以提高MEC-BP法水平位移反演分析结果的稳定性和准确性.     

轴-径向混合磁轴承动态特性及控制研究

为了减小三自由度轴-径向混合磁轴承（ARHMB）的涡流损耗并增加轴向磁力，提出轴向采用软磁复合材料（SMCs）制备的推力轴承，在推力盘与转子的气隙处引入Halbach阵列以增强轴向气隙磁密，径向采用叠片结构. 首先，基于动态磁通分布及等效磁路法，建立综合考虑涡流、漏磁及交叉耦合效应的等效磁阻模型；其次，对比分析了材料类型及交叉耦合效应对等效磁阻频率响应、动态刚度的影响；最后，采用计及涡流、漏磁及交叉耦合效应不完全微分PID控制对ARHMB进行研究. 研究结果表明:SMCs制备的ARHMB相比碳钢材料可以提供更大、更稳定的磁力以及更大的工作带宽，在高频条件下具有更好的动态特性；考虑交叉耦合效应时，SMCs制备的ARHMB动态特性在高频时变化率较大，不可忽略；对于低带宽工作的碳钢轴承，交叉耦合效应不明显；电磁轴承系统响应速度很快、超调量小、稳态误差近似为0，具有良好的控制特性.      

基于城市交通网络均衡的共享停车容量优化

为研究共享停车容量优化分配对用户出行选择的影响，建立了双层规划模型，上层模型根据停车管理平台总收益与步行费用最小确定共享停车用地的最优停车容量，下层建立共享停车、普通停车与乘坐公交出行的多用户均衡分配模型，用于描述共享停车用户出行方式的选择，通过共享停车选择概率实现上、下层模型之间的联系；设计了相继平均算法求解下层模型，并内嵌于差分进化算法，进而求解上层模型. 对常州市金坛区CBD区域的部分路网进行模拟测试. 研究表明:在不同共享停车容量分配下，停车管理平台收益随着容量的增加呈先递增后减少的趋势，而用户的出行费用随着共享停车容量的增加呈先减少后上升的趋势，说明合理地分配共享停车容量可以实现停车管理平台收益与共享停车需求之间的均衡.      

不确定环境下的多车型物流配送路径优化

为实现在路段通行时间不确定背景下,配送企业对多种车型车辆的组合优化,使车辆资源利用、配送路径最优.通过建立总成本和配送时间最小的多目标模型、并考虑时间窗约束,设计提出多目标进化遗传算法求解该问题.本算法结合链表思想,同时为解决产生不可行解问题,在解编码时采用多染色体;并在算法中针对子染色体和母染色体分别设计交叉算子,运用擂台赛法则和改进精英保留策略构造非支配解集和加快算法的收敛速度.结果表明:相比单车型,多车型组合优化具有更高的经济效益,且随着不确定参数的变化,运输成本上升,多车型配送满载率受影响较小.     

人之为人:人类学差异还是范畴差异

进化心理学号称是一门关于人性的科学,却无法解释人类为何由于具备了理性能力而有别于其他动物。尽管托马塞洛和帕品纽这样的进化自然主义者试图通过刻画理性的起源及其认知架构来回答这个问题,但是这种"人类学差异"进路不仅自身难以成立,更严重的是它面临着波义尔关于理性的"范畴差异"解释的竞争。根据亚里士多德对"本质"和"形式"的阐述,理性不是指人类拥有某些动物所缺乏的认知机制,而是指改变我们一切既有的基本心理能力从而决定"人之为人"的方式,这种人类心灵的理性能力在康德关于"我思"的理论中有过很好的阐释。本文论证指出,理性的"范畴差异"在诸多方面优于"人类学差异"进路。     

A Novel Evolutionary Feedforward Neural Network with Artificial Immunology

A hybrid algorithm to design the multi-layer feedforward neural network was proposed. Evolutionary programming is used to design the network that makes the training process tending to global optima. Artificial im-munology combined with simulated annealing algorithm is used to specify the initial weight vectors, therefore im-proves the probabiligy of training algorithm to converge to global optima. The applications of the neural network in the modulation-style recognition of analog modulated rader signals demonstrate the good performance of the network.     

基于微分几何法的机器人最优轨迹规划

将二自由度机器人的轨迹弧长指标视为黎曼度量,在黎曼空间内进行机器人的最佳轨迹规划.基于微分几何的方法,求出了具有此种黎曼度量的黎曼曲面上的测地线作为机器人的最佳轨迹,并进行了计算机轨迹仿真,验证了轨迹规划结果的正确性.