基于SMOTE算法的船舶结构可靠性优化设计

针对常规船舶结构可靠性优化设计由高度非线性带来的计算效率低、收敛困难的问题,提出了基于SMOTE(Synthetic Minority Oversampling Technique)算法的船舶结构可靠性优化设计方法.利用SMOTE算法建立了改进的BP (Back Propagation)神经网络模型,以较少的样本点完成了极限状态函数的高度近似,克服了以往代理模型不能同时满足精度和效率要求的缺点,并通过数学算例验证了使用SMOTE算法建立BP神经网络模型的可行性和有效性.将改进的BP神经网络模型和模拟退火法嵌入单循环优化策略,并将其用于船舶舱段的可靠性优化设计,验证了所提出的可靠性优化设计方法的求解效率和精度,为大型工程结构的可靠性优化设计提供了思路.     

基于PSO-DE混合算法的结构可靠性优化设计

为提高结构可靠性优化设计的效率,利用粒子群优化(PSO)和差分进化(DE)算法的搜索特性,构造一种PSO-DE混合算法,以克服基本PSO算法的早熟问题.将PSO-DE混合算法与结构可靠性优化理论相结合,建立了结构系统失效概率约束下以结构质量最小化为目标的优化模型.算例结果表明:与基本PSO算法相比,文中提出的PSO-DE混合算法提高了收敛速度和计算精度;该算法易于实现,鲁棒性好.     

基于近似移动矢量的证据理论可靠性设计优化方法

针对存在认知不确定性的结构优化问题,提出了一种基于近似移动矢量的证据理论可靠性设计优化方法,可有效提升计算效率.该方法通过等面积法将证据变量转换成概率变量,构建等效的概率可靠性设计优化模型,并使用序列优化与可靠性分析方法求解获得近似设计点;开展基于证据理论的可靠性分析求解约束的可信度,构建近似移动矢量和确定性优化模型,求解获得新的设计点;重复概率可靠性设计优化与证据理论可靠性分析组成的序列迭代过程,直到收敛得到最优设计点.本文方法能够将嵌套的证据理论可靠性设计优化问题转换为近似等效的概率可靠性设计优化与证据理论可靠性分析组成的序列迭代过程进行求解,能够有效降低证据理论可靠性设计优化的计算成本.通过算例验证了所提方法的有效性.     

基于粒子群算法的多用途船结构优化

建立了多用途船的舱段有限元模型,利用Matlab调用有限元软件,将粒子群算法（PSO）引入复杂船舶结构的优化中,实现了PSO对复杂船舶结构的优化,取得较好的结果,并与遗传算法的结果进行了对比, 验证了PSO用于复杂船舶结构优化的有效性.     

基于改进PSO-LSSVM和蒙特卡洛法的电力系统可靠性评估

针对电力系统可靠性评估方法耗时长、误差大等问题,提出一种用改进粒子群优化算法(PSO)优化最小二乘支持向量机(LSSVM)参数,并将构建好的PSO-LSSVM模型与蒙特卡洛法(MCS)相结合用于发输电系统可靠性评估的方法。该方法通过对PSO算法进行合理的改进,得到更为精确的LSSVM模型参数,建立用于分类系统状态样本的PSO-LSSVM模型。对MCS方法抽取的系统状态样本分类得到故障状态和正常状态,仅对故障状态样本进行可靠性指标计算,统计输出可靠性评估结果。采用该方法对IEEE-RTS 79系统不同运行情况下的可靠性指标进行计算,结果表明该方法保证计算时间不变的同时提高了LSSVM-MCS方法的评估精度。     

平纹机织复合材料纯电动汽车电池箱多尺度可靠性优化设计

为了充分发挥碳纤维复合材料的潜能，提出一种多尺度的复合材料结构可靠性优化设计方法。以平纹机织复合材料新能源汽车电池箱为研究对象，基于有限元法的均匀化理论预测方法，将机织复合材料各尺度之间的弹性参数进行关联，建立复合材料弹性性能预测解析模型和电池箱有限元模型。鉴于复合材料结构和设计变量受不确定性因素的影响，结合Kriging代理模型、SORA(stochastic optimal routing algorithm)法和蒙特卡洛仿真法，实现机织复合材料电池箱的多尺度可靠性优化设计。结果表明，优化后的电池箱在满足可靠性和轻量化要求的同时，能有效提高电池箱的模态频率和刚度，可为机织复合材料汽车零部件的优化设计提供指导。     

基于BPNN的球艏降阻优化模型构建研究

船型优化可以减少船舶航行过程中的阻力,是提高船舶快速性的主要途径.在现代船体型线优化设计过程中,通常反复使用计算流体力学(CFD)软件进行仿真计算,船舶模拟模型船型样本多、计算量大,使优化的时间成本大幅提高,引入变精度模型将有效解决此问题.以油船球艏优化为例构建了球艏降阻优化BP神经网络(BPNN)模型,可作为低精度模型在优化迭代过程中对大量设计点进行快速阻力预报,通过变量的相关分析,预报出总阻力的变化趋势,寻求逼近最优解的设计点,并为下一步在基于变精度模型的球艏降阻优化研究中神经网络的应用提供经验与支持.     

一个与信籁域搜索技术相结合的微粒群算法

微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).     

利用粒子群优化算法的平面度误差评定

将粒子群优化算法(PSO)应用于平面度误差的优化计算中.应用实例表明,PSO能够很好地解决具有非线性优化目标函数或具有多参数的优化问题;PSO的计算精度优于最小二乘法的计算精度,与其他满足标准定义的最小区域条件的方法计算精度相当,能够获得精度较高的结果且简单易于实现. 实例计算和理论分析证明算法是收敛的,其中理论分析条件: (1) 惯性权重ω<1;(2) 随机参数组合 c>0;(3) 2ω-c 2>0.     

基于PSO算法的复合材料层合板可靠性优化设计

采用粒子群算法(PSO)分析了存在初始缺陷的复合材料层合板的可靠性优化问题.在层合板结构总厚度一定的情况下,以系统可靠度最大为目标函数,对复合材料的纤维方向角和相对厚度进行优化设计.单层板失效与否应用Tsai-Wu准则判断,采用一次二阶矩法(FORM)计算和评价失效概率.通过具体算例及借鉴遗传算法中的在线性能和离线性能评估准则,对粒子群算法的收敛性能进行评估,结果表明:与遗传算法相比,该方法具有操作简单、计算效率高等特点,对复合材料层合结构的可靠性优化设计十分有效.     

基于可靠性的GH4169车削参数优化

为了保证刀具寿命的同时尽可能地提高加工效率,对切削参数进行优化至关重要.因此,建立了车削过程中的刀具磨损模型,可用于预测多种切削条件下任意时刻的刀具磨损量,从而推导出刀具寿命模型.考虑不确定性参数对车削加工的影响,建立了基于可靠性的车削优化模型,并采用序列优化与可靠性评估方法对优化模型进行求解以获得最优切削参数.最后,通过实例验证了该方法在高温镍基合金GH4169车削参数优化中的优势和可行性.     

基于区间不确定性的多学科可靠性设计

针对随机可靠性设计和多学科设计直接结合中存在的随机可靠性无法解决不确定性信息量较少及直接结合的嵌套结构计算效率较低的问题,采用区间描述有限信息的不确定性,以非概率可靠性指标衡量多学科系统的可靠性,建立了基于区间不确定性的多学科可靠性设计模型.同时,为了提高计算效率,采用性能测量法来减少可靠性分析的计算量,并引入序列优化与可靠性评估方法将三层嵌套的多学科可靠性设计结构解耦为顺序执行的确定性多学科设计优化和多学科可靠性分析过程,降低了计算复杂性.通过一个算例验证了该方法的可行性和有效性.结果表明,相比多学科可行法,单学科可行法的计算效率较高.     

结构可靠性优化设计的证据理论和微分演化方法

采用证据理论作为传统概率的替代方法处理不精确的数据信息,提出了基于证据理论的可靠性优化设计方法.该方法针对给定的失效概率许用值Pf,通过计算证据理论的不确定测度Pl(F),以Pl(F)Pf作为可靠性约束条件的替代模型进行可靠性优化设计.为了降低基于证据理论不确定量化分析的计算成本,引入微分演化优化算法计算区间边界值.以典型桁架结构形状优化问题为例,验证了所提出方法的准确性和有效性.     

微粒群优化在Job-shop调度中的应用

Job-shop调度问题是典型的NP-难问题,利用微粒群优化的全局搜索能力和高搜索效率以及模拟退火算法的局部搜索能力,发展了一种快速、且易于实现的新的混合启发式算法,并将其应用于求解标准Job-shop调度问题,计算结果以及与其他算法的比较说明,该算法是一种求解Job-shop调度问题的可行且高效的方法。     

用粒子群算法优化装备初始备件量

装备初始备件需求量优化问题是一个比较复杂的非线性整数混合规划问题,为了尽可能降低备件购置费用,提高装备可靠度,将新颖的粒子群算法构造成可以解决装备初始备件需求量问题的优化算法,通过粒子间的相互作用,发现复杂搜索空间中的最优区域,得到装备初始备件的最优配置。算例结果表明了粒子群算法解决该问题的有效性。     

基于粒子群优化的移动机器人SLAM方法

针对传统Rao-Blackwellized粒子滤波器存在的粒子消耗问题,提出了一种基于粒子群优化的移动机器人同步定位与制图方法. 该方法在粒子重采样过程中利用粒子群优化算法获得机器人位姿的建议分布,并引入遗传算法中的交叉和变异操作对求得的粒子集进一步优化、调整. 改进后的粒子分布保持了粒子的多样性,有效提高了机器人位姿估计的一致性. 仿真结果表明,本文提出的方法与传统Rao-Blackwellized粒子滤波器相比,能有效解决粒子耗尽问题,使机器人获得更精准的定位和更准确的地图,具有可行性、实用性.      

集装箱码头班轮船期准班率的优化

为提高集装箱码头班轮船期准班率,提出基于动态泊位分配的优化数学模型.在考虑桥吊分配前提下,该模型以船舶离港实际开航时间与船期表要求开航时间的平均绝对时间差最小为优化目标,分别应用微粒群算法(PSO)和遗传算法(GA)求解该数学模型.仿真结果表明:两种算法均可使船期延误时间减少40%;PSO算法较GA算法具有更快的收敛速度.     

基于混沌粒子群算法的Ad Hoc网络优化研究

基于混沌理论提出了混沌粒子群算法C-PSO（chaotic particle swarm optimization）,C-PSO算法针对Ad Hoc网络提取的优化指标进行优化处理,在网络优化过程中,C-PSO算法充分利用了混沌系统的随机性、遍历性、敏感性等特性,避免了PSO算法“早熟”现象的出现,避免了陷入局部最优区,增强了全局收索能力。基于网络模拟器NS-3仿真系统对C-PSO算法和PSO算法进行了仿真实验测试,通过对丢包率、网络生命周期和网络吞吐率3个网络性能指标的对比分析和评估,结果表明C-PSO算法优于PSO算法,从而验证了C-PSO算法对Ad Hoc网络优化的有效性与可靠性。实现了对Ad Hoc网络优化。