多目标进化算法在船型方案设计中的应用

针对船型方案设计阶段主尺度确定的优化问题,采用现代多目标进化算法进行研究.考虑某水面船排水量和航速两个优化目标的算例,给出了Pareto最优解集,并和实际船型进行了比较.算例表明,多目标进化算法能够快速获得最优解集,该解集分布均匀,可以供实际设计采用.     

基于遗传算法的轴流汽轮机轮周效率优化

建立一种单级轴流式汽轮机单目标优化设计模型,结合遗传算法进行性能参数优化,针对某型多级汽轮机的某一级,选择优化目标是最大轮周效率.通过优化设计得到了一个最优解,并对最优解及优化变量进行分析,证明了该设计方法的适用性.     

基于遗传算法的VISSIM参数校正及其交通流应用

微观交通仿真模型在交通系统管理、控制和优化中得到广泛应用。然而大多数仿真模型参数均是针对外国的交通情况确定的，并不一定适合中国国情。文中以仿真软件VISSIM为例，简单介绍了VISSIM软件，指出其待校正的参数，基于遗传算法设计的参数校正方法选出了满足精度要求的参数组合，从而有效地减少参数校正的仿真试验次数。对比仿真结果与系统默认值，得出在通常情况下较为合理的参数取值，以实例验证了实验参数调整的重要性。     

基于时空GPSO-SVM的短时交通流预测

为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%.      

高速船的最小阻力船型

改善船舶设计以减小船舶所需推进功率问题一直深受人们关注。采用“爬山法”和遗传算法的组合方法对总阻力进行最小化计算，不论在单一速度／水深条件下，还是在各种速度／水深条件下，总阻力都达到最小。允许水线长度和吃水在规定范围内变化，因而允许使用非矩形轮廓外形。     

FIFORAM在双机并行通信中应用

分析了ＦＩＦＯＲＡＭＩＤＴ７２０２的结构，提出了用它实现双机并行通信的方法。     

关于协方差矩阵不可逆时MARKOWITZ模型的求解问题

将遗传算法引入证券组合理论，设计一套求解ＭＡＲＫＯＷＩＴＺ模型的新算法，民ＭＡＲＫＯＷＩＴＺ模型中协方差阵河逆求解问题。     

基于神经网络与遗传算法的潜艇舱壁结构优化

建立了某潜艇端部耐压平面舱壁结构优化设计的数学模型,以舱壁上加强桁(筋)结构的剖面尺寸为设计变量,结构强度、稳定性、工艺性要求为约束条件,以加强桁(筋)结构总体积为目标函数,用人工神经网络方法代替结构的有限元分析,结合遗传算法完成了舱壁的结构优化设计。在为网络生成学习样本时,自行设计了正交表,解决了因为设计变量多,无法选取合适正交表而随机取样的问题。数值仿真结果表明,优化设计方案质量较原始初步设计方案减少了18.3%。     

一种基于GA和梯度下降法的快速模糊系统学习方法

分析了现有模糊系统的两类主要的学习算法存在的缺陷。针对半梯形和三角形隶属度函数，提出了一种保证隶属度函数ε－完备性的方法。实现了一种新的基于遗传算法和梯度下降方法的快速模糊系统学习算法。通过实例进行了模拟，验证了该方法的高效性， 及保证隶属度函数完备性和模糊集合语义一致性的优点。