利用粒子群算法的传感器优化布置及结构损伤识别研究

为了合理布置结构健康监测系统中传感器的位置及满足结构损伤识别的要求,提出了一种基于改进粒子群算法的传感器优化布置方法。首先以模态保证准则(MAC)矩阵的最大非对角元极小化为目标,构造出满足优化条件的适应度函数,并采用改进的粒子群算法搜索出传感器的最佳布设位置;其次,利用振型扩充技术把有限测点的测量模态数据扩充为完整自由度模态数据,并利用所提损伤识别方法进行结构损伤识别;最后,通过一个二维平面桁架结构算例对所提方法进行有效性验证。数值结果表明,所提传感器布设方法能够高效地搜索出给定数目的传感器优化位置,且利用其优化结果能够准确地识别出结构的损伤位置和程度。     

大跨桥梁结构健康监测系统振动传感器配置仿真

为了提高大跨桥梁结构健康监测系统在线模态参数识别中的模态分辨率,研究了振动传感器配置的非均匀布设方法.以润扬长江大桥悬索桥为例,以结构前16阶竖向振型为基础,运用基于主列筛选的传感器配置算法对该桥主梁竖向振动传感器配置进行了仿真研究.采用模态置信度矩阵非对角元素构造评估指标对4种传感器布设方案进行比较,包括七截面均匀布设方案、基于主列筛选算法获得的七截面非均匀布设方案、基于七截面均匀布设方案改进得到的九截面方案和基于主列筛选算法获得的九截面非均匀布设方案.由仿真结果可知,采用主列筛选获取的传感器非均匀布设方案获得的模态置信度矩阵非对角元较小,模态振型具有更好的模态分辨率.这一结果表明,非均匀布设方法更有利于大跨桥梁监测系统实现在线识别模态参数.     

单亲遗传算法进行树状管网优化

树状管网布置优化属于典型的组合优化问题。针对树状管网布置的特点，以图论和遗传算法为理论基础，应用改进遗传算法——单亲遗传算法进行树状管网优化，并设计了相应的适应度函数、单亲换位算子和逆转算子，且算法的寻优效率较高，收敛性和稳定性较好。     

复杂基坑支撑结构监测点布置优化

基坑结构健康监测点的合理布置是准确预测基坑结构变形安全的重要保障。传统监测点等间距布置只适用于结构形式简单的中小基坑,对于复杂的支撑体系,结构、土压力的不对称性对监测点的布置提出了更高要求,因此,复杂基坑结构监测点布置优化对准确预测基坑结构安全至关重要。提出了一种融合模态分析与粒子群算法的复杂基坑支撑结构监测点布置优化方法,首先,在对基坑支撑结构模态分析基础上获取结构模态参数(频率、基本振型);其次,构建基于模态置信度准则(MAC法)的适应度函数,以适应度函数作为优化监测点位置的判别标准;最后,采用粒子群优化算法对全部监测点布置进行全局优化。以南京江北新区某基坑为案例,所提方法的计算结果相比于均匀布设的监测点布置方案更能反映出基坑最危险部位的需要。上述研究可为地下工程健康监测技术提升提供重要的理论指导。     

润扬大桥结构健康监测策略

对建立大跨桥梁结构健康监测系统的关键问题--大跨桥梁结构健康监测策略进行了分析研究,阐述了大跨桥梁结构健康监测项目的选择依据、传感器优化布设的原则与主要依据、传感器选择的原则等.提出了综合考虑大桥的结构特点和各个方面对系统功能的要求,通过费用-效益比分析,确定长期监测和周期检测内容的项目选择原则.关于传感器的布设,提出了遵循从状态评估的需要出发,以有效和经济为目标,使测点能够发挥最大效应的原则,综合结构安全评估、传感器布设优化理论等因素进行优化布设的方法.在有限元分析的基础上,应用遗传算法进行了润扬大桥结构健康监测系统振动和应变传感器优化布置的理论分析.然后进行了润扬大桥结构健康监测传感器系统的总体设计.     

基于改进伪并行遗传算法的函数优化

针对遗传算法早熟和收敛速度慢的问题,在已有的伪并行遗传算法基础上对遗传操作进行改进。采用3个测试函数对改进的算法进行验证,结果表明改进的算法在函数的平均适应度值、平均运行代数、收敛概率等方面都取得了较好的结果。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

改进的优化算法用于移动机器人路径规划

针对当前机器人路径规划算法存在局部最优问题,提出了一种改进的移动机器人路径规划算法。该算法采用改进的人工势场算法产生初始化种群,改进的遗传算法引入了新的适应性函数和"翻转变异"算子、进行全局路径优化。适应性函数包括路径点的适应度和路径的适应度,提高了适应性函数的评价性能。"翻转变异"使障碍物路径变为自由路径,使移动机器人顺利绕过障碍物。克服了传统遗传算法的早熟收敛问题,提高了遗传算法的效率。实验结果表明该算法在移动机器人路径规划中的可行性和有效性。     

基于改进量子遗传算法的WSNs多路径路由研究

最优路径搜寻和能量优化是无线传感器网络(wireless sensor networks,WSNs)研究的两大关键性问题,基于簇结构的无线传感器网络模型,将改进的量子遗传算法引入WSNs网络层节能路由算法研究中,选取多条较优染色体代替一条最优染色体指导群体的进化;采用动态的量子旋转门调整策略,避免算法收敛于局部最优解;利用球面坐标角度对量子遗传算法编码,降低算法的复杂度;以路由所耗能量为优化目标,构造适应度函数。与基于传统遗传算法（genetic algorithm, GA）、标准量子遗传算法(quantum genetic algorithms, QGA)的多路径路由进行比较,实验表明,该算法比基于GA,QGA算法的多路径路由具有更低的网络能量消耗,更长的网络生存周期。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

基于混合遗传算法和复合形法的翼型优化设计

遗传算法的缺点在于计算过多的目标函数适应值而增加了优化设计的计算量。为了提高遗传算法的优化效率,将遗传算法和复合形法相结合,建立了基于混合遗传算法和复合形法的气动优化设计方法,对超临界翼型进行了单目标和多目标的优化设计,流场计算采用雷诺数平均N-S方程。算例表明,该设计优化方法稳定,设计质量高,效率比单纯遗传算法有很大提高,在工程中有较大的应用价值。     

基于遗传算法的代理服务器位置优化研究

针对传统方法难以快速求得Web服务器代理部署问题的满意解,提出了一种基于遗传算法的求解策略.以图论为基础,构建了代理服务器位置优化模型,从Web服务器到客户构成一个树型结构.遗传算法采用二进制编码表示代理的位置,使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率.算法在时间复杂度方面优于传统方法.仿真结果表明,基于遗传算法的求解方案能快速地求出代理服务器位置优化问题的全局近似最优解,并满足实际Web应用的精度要求.     

一种改进的遗传算法在云计算中的应用

针对传统的遗传算法在云环境中迭代次数多、耗时长的缺陷,提出了一种改进的遗传算法,主要从执行时间及执行任务所需的费用两个方面来优化任务调度.通过建立任务调度模型,设计出相应的适应度函数、界限函数.仿真结果表明,在任务调度中运用改进的遗传算法,所需的平均等待时间要短,调度所需的费用也比传统的遗传算法要低.     

基于遗传算法的组卷策略

对试卷的评价指标做了相应的分析。在此基础上,着重对自动组卷算法进行了研究,通过建立自动组卷问题的数学模型,提出了一种基于遗传算法Genetic Algorithm解决组卷问题的新方法,该算法适应全局寻优且收敛速度快等特点,解决了传统组卷中编码长、适应度函数值计算困难等问题,较好地满足了自动组卷的要求,进而建立和描述了组卷问题的染色体结构和适应度函数,设计了问题的遗传操作。     

遗传算法求解最大团问题研究

最大团问题是NP难解的,用遗传算法求解的关键是如何设计有效的评估函数.首先从理论上分析编码规则及适应函数对个体进化的影响,提出个体基因适应函数和个体适应函数多重评估方法,并设计求解算法.数值实验表明,算法具有较好的通用性和较高的性能.     

基于遗传算法的ABS控制门限自寻优方法

结合国家关于汽车ABS制动控制性能优劣的相关评价标准和调试经验,分析了汽车的车辆单轮模型和ABS基于加减速度门限及参考滑移率门限的控制策略,设计了有效的适应度函数,提出一种基于遗传算法的ABS控制门限自整定方法,实现了控制门限参数优化的计算机自主寻优。仿真结果表明,该方法具有较好的适应性。     

遗传规划算法的改进研究

通过改变遗传规划算法在生成初始群体时的方法,调整变异概率,修正适应度函数,对遗传规划算法进行改进,使生成的初始群体具有良好的性能;并通过两个函数进行符号验证,说明改进后的方法是有效可行的。     

基于遗传算法的ABS控制门限自寻优方法

结合国家关于汽车ABS制动控制性能优劣的相关评价标准和调试经验,分析了汽车的车辆单轮模型和ABS基于加减速度门限及参考滑移率门限的控制策略,设计了有效的适应度函数,提出一种基于遗传算法的ABS控制门限自整定方法,实现了控制门限参数优化的计算机自主寻优。仿真结果表明,该方法具有较好的适应性。     

一种改进的基于遗传算法的K均值聚类算法

结合遗传算法和K均值聚类算法的优点,提出一种改进的基于遗传算法的K均值聚类算法.将遗传算法的编码方法、初始化、适应度函数、选择、交叉和变异等较好地应用于聚类问题,不仅解决了K均值聚类算法中K值难以确定、对初始值敏感以及遗传算法存在收敛性差和容易早熟的缺点,而且实现了聚类中心的优化选择、K值的自动学习和基因的自适应变异等...     

一种用于机械手控制的遗传算法

提出一种改进的遗传算法用于求解机械手运动学逆问题 .该算法采用实数编码 ,其交叉概率和变异概率根据解的适应度函数值自适应调整 .计算机仿真结果显示 ,该算法较简单遗传算法 (SGA)求解精度高 ,收敛速度快且稳定性能好 .