免疫粒子群算法在船舶避碰上的应用研究

在船舶避碰决策过程中,转向避让是采用频率最高的一种避让方法.为了获得更加有效和合理的转向幅度,以来船与本船构成的方位、距离、船速比、最近会遇距离和最近会遇时间为主要参数,并综合考虑其他因素来确定船舶间的碰撞危险度,通过改进的免疫粒子群算法,建立相应的适应度函数模型,进而求出最优转向幅度.仿真结果表明,改进的免疫粒子群算法对于处理多船会遇情况下的本船最优转向幅度,结果准确可行.     

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Pareto遗传算法的船舶操纵性能多目标优化技术研究

针对船舶初始设计阶段船舶操纵性能优化这一复杂的多目标问题,开展相应的多目标优化方法研究。利用Pareto方法的特点,提出基于Pareto遗传算法来解决传统方法中的这个问题。经过优化可以得到均匀分布的Pareto解集,便于进行分析比较和选择,并给出计算实例。     

贯彻落实科学发展观 迎接港口建设新跨越

全国交通工作会议提出,“十一五”期间要完成六件大事,其中沿海港口要新增吞吐能力80%以上,适应度接近1﹕1。全国港口对此都感到鼓舞,可以预见,在新的五年计划中,我国港口又将面临一个新的高速发展期。港口建设进入了一个新的高速发展期,这不仅是我国经济发展的需要,也是适应世     

基于容差模型的发动机悬置系统稳健优化设计

应用稳健优化设计理论,考虑设计变量的不确定性对结果的影响,建立稳健优化模型。以发动机悬置系统能量解耦为目标,用Pareto遗传算法对系统的刚度参数进行稳健优化,并将优化结果运用Monte Carlo方法进行分析.结果表明,优化方法可以有效提高悬置系统的稳健性。     

考虑俯仰振动的摩托车平顺性多目标优化

采用摩托车动力学专用软件BikeSim建立了摩托车整车模型,先在B级路面和路面脉冲输入两种工况下分别对整车平顺性进行了仿真;后又以俯仰和垂向振动加速度均方根值最小化为目标,以悬架特性参数为设计变量,采用iSIGHT为优化平台,集成BikeSim和MATLAB进行了多目标优化,得到了Pareto前沿.优化后的俯仰与垂向振动的曲线与数据和优化前仿真结果的对比表明,摩托车平顺性得到了改善.     

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.     

多目标优化的新方法——幂加权和法及数值仿真

提出了一种新的评价函数,将多目标优化问题转化为单目标优化问题,并证明了由这种方法所得到的最优解是多目标优化问题的有效解.用混合罚函数法将约束问题变为无约束问题,将改进的模拟退火算法与单纯形法结合起来构造一种效率较高的全局优化算法,该算法具有模拟退火算法在全局搜索上的优点和单纯形法在局部搜索上的优点.用计算机语言编制了通用程序,给出了单目标优化和多目标优化的例子,数值仿真结果表明这种方法是可靠的.     

区域交通枢纽与经济发展适应度研究

为促进区域交通枢纽与经济的协调发展,研究了区域交通枢纽与经济发展水平的适应度。首先,建立交通枢纽与经济交互作用下的两个子系统,然后选取交通枢纽与经济相关指标,构建适应度评价函数,进而评价交通枢纽与经济发展的适应情况。以九龙坡区为研究对象,将2008—2015 年交通枢纽与经济基础数据转化为其增长率,然后对二者综合发展水平进行了计算,根据适 应度模型对二者之间的适应度进行测算。结果显示,经济综合发展水平略大于交通枢纽发展水平,二者之间适应度经历“S”型周期波动变化过程,且适应度值整体处于0.4 以上,均未达到较强的适应状态。在未来经济发展中,交通枢纽建设有待加强,而且需占主导地位,才能引导经济 快速发展。     

非支配排序遗传算法的动压轴承形状多目标优化

为了克服以偏心率为初始参数的轴承优化模型优化结果局限于原始形状的缺点,提出用傅里叶级数表示通用膜厚方程,建立了多目标形状优化设计数学模型.应用基于非支配排序遗传算法,以最小功耗和最小侧漏流速为目标、最小油膜厚度和最小承载力为限制条件,以通用膜厚方程系数为设计变量,进行了轴承形状的多目标优化设计,并用Matlab偏微分方程工具箱求解基于通用膜厚的控制方程.实例分析结果表明:基于通用膜厚方程的多目标优化后的轴承形状不受固有型线的限制;在保证最大承载力的基础上,优化后的非圆轴承与仅以最大承载力为单目标优化的结果相比,最小功耗下降了80.8%,最小侧漏流速比优化前下降了3个数量级,并得出了Pareto最优解集.