基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础，提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题，并设计出相应的适应度函数、改进的算子以及控制参数，以弥补传统基因遗传算法的不足，提高了执行速度和进化效率．     

基于STL文件的阶梯剖分算法研究

针对制件规模受快速成形机工作空间限制及后处理时拼合精度难以保证的实际问题,提出了一种基于8TL格式文件的阶梯剖分算法．介绍了阶梯剖分的原理,详细阐述了剖分的具体步骤及算法,对可能出现的极限情况进行分类讨论．利用该套算法,可以在保证拼合精度的前提下解决快速成形系统对大型实体进行分割制造问题,扩大了制造的适应性,提高了生产效率．     

非线性同伦LM算法及在软测量建模中的应用

综合同伦方法与Levenberg-Marquardt(LM)优化方法,提出了一种新型非线性同伦LM神经网络学习算法以改善现有神经网络学习算法的学习效率,分析了不同类型的过渡函数对神经网络泛化性能的影响.该算法具有稳定性强、收敛性能好的特点.结合工业过程实际要求,将提出的改进算法用于丙烯腈收率神经网络软测量建模并与几种常见建模方法比较,结果表明:基于改进算法的软测量模型具有更高的测量精度和更好的泛化性能,满足现场测量要求.     

Delaunay三角剖分的几种算法综述

多边形的三角剖分是计算几何中的基本问题,本文对三角剖分算法做简要的综述,并对约束三角剖分动态算法进行了研究,为设计更好的三角剖分算法提供了一定的依据。     

经济均衡的单纯同伦算法

介绍了单纯同伦算法的经济学应用背景,提出了标准单纯形Ｓ的Ｊ４渐细的剖分,并设计了基于Ｊ４部分与整数标号的均衡问题的单纯同伦普适算法,其中深入分析了算法的理论依据和收敛性。     

一种三角形网格剖分的精化算法及其改进

给出一个几何多格子方法的三角形网格剖分精化算法及其性质,分析其不足之处,并通过引入费尔马点及其性质,提出了一种新的改进的精化算法,证明该改进算法提高了三角形网格精化剖分的效率和剖分网格的数量及质量。     

无向赋权图剖分优化问题的研究进展

无向赋权图剖分优化问题作为图论中的一个典型组合优化问题,在大规模集成电路设计、并行计算、数据挖掘、任务调度、知识发现、图像分割等领域有着广泛的应用.本文给出了无向图剖分优化问题的相关概念;从寻优策略的角度,将无向图剖分优化问题的求解算法分为构造性算法和迭代改进算法;分析了求解无向图剖分优化问题的迁移方法、几何方法、组合方法、谱方法、元胞自动机方法;重点讨论了多水平方法的粗化阶段、初始剖分阶段和优化阶段相应的匹配算法、初始剖分算法和迁移优化算法;介绍了无向图剖分优化问题的典型应用领域并指出了该问题今后的研究方向.     

简单多边形剖分为凸多边形的一个算法

在计算几何中简单多边形剖分是一类基本问题。剖分算法在许多领域均有较广泛的应用。本文通过引入的扩张中心点及扩张基点的概念,描述了多边形各顶点间的位置关系。在此基础上,给出了一个剖分算法。算法具有较高的运动效率,并使剖分得到的凸多边形数目较少,形态质量较好。     

一种改进的螺旋边三角剖分算法

提出了一种改进的螺旋边三角剖分算法.本算法引用“自然邻近点集”的概念,以螺旋边三角剖分算法的边界环为基础向外生长三角形,以包围盒算法搜索边界点的邻近点集,估计边界点的法向量,将边界点及其邻近点集投影到切平面上并进行局部二维Delaunay三角剖分,从而确定边界点的自然邻近点集,最后将自然邻近点集以适当的方式添加到边界环上.这样,既避免了拼接问题又能搜索到自然邻近点集,三角剖分后的网格基本上接近最优Delaunay网格.实验结果表明,本算法能高效、稳定地重构出散乱数据点的三角网格.     

非线性网络的矩形剖分跟踪解研究

本文研究非线性网络的矩形剖分跟踪解，在网络方程同伦的概念的基础上，给出了一种求解非线性电阻性网络的有效算法。     

基于生物入侵思想的自适应遗传算法优化

为了改进遗传算法的性能,针对标准遗传算法存在的早收敛及稳定性差的缺点,分析这一问题的原因及应对措施。选择使用基于生物入侵思想的自适应遗传算法进行优化,根据种群的实际情况对交叉概率、变异概率及入侵概率进行动态调整,使算法具有更好的鲁棒性。通过对标准遗传算法、自适应遗传算法、改进的自适应遗传算法和基于生物入侵思想的自适应遗传算法进行仿真验证得知,优化后的算法具有更好的适应度曲线,表明其能够有效的克服不成熟收敛,具有更快的收敛速度及更好的的稳定性。     

基于拟牛顿法的同时扰动随机逼近算法

基于拟牛顿法原理,结合同时扰动随机逼近算法特性提出了一种搜索方向dk的计算方法,从而提高了同时扰动随机逼近算法的收敛速度和逼近精度.针对典型优化问题分别比较了改进后的同时扰动随机逼近算法、标准同时扰动随机逼近算法及二阶同时扰动随机逼近算法的优化性能,数值分析结果表明:改进后的算法在逼近精度上均优于其他两种算法,收敛速度介于其他两种算法之间.     

Dividing cubes算法在数控仿真中的应用

切削计算是数控仿真系统中的重要组成部分,不同的切削算法直接影响切削效率与切削精度。基于剖分立方体(dividing cubes)算法思想,对体素模型稍作改动,提出了一种新的切削算法。仿真结果表明,基于改进算法的切削面的重绘过程更加简洁,在保证切削精度的同时能有更高的切削效率。但是,由于算法根据毛坯的离散精度的不同,所需要的内存空间也不同,当毛坯的离散精度超过一定程度时,会增加切削计算的计算量,反而降低了切削计算的效率。     

基于精英反向学习的逐维改进蜻蜓算法

针对蜻蜓算法(DA)寻优精度不高、收敛速度慢及后期搜索活力不足等问题,提出了基于精英反向学习的逐维改进蜻蜓算法(EDDA).首先,利用精英反向学习策略初始化种群,以增强种群多样性,提高搜索效率;其次,利用逐维更新策略对蜻蜓个体进行更新,减少维间干扰,有效提高了算法的寻优能力;最后,充分利用当前解的信息双向搜索,提升了解的搜索活力.通过9个测试函数的实验结果表明,该算法相比较于标准蜻蜓算法,寻优精度更高、收敛速度更快及后期搜索活力更强,与其他改进算法相比也具有一定的竞争优势.     

一种新的自适应步长果蝇优化算法

针对基本果蝇优化算法(FOA)易陷入局部最优、寻优精度低和后期收敛速度慢的问题,提出了一种自适应步长果蝇优化算法(ASFOA).该算法在运行过程中根据上一代最优味道浓度判断值和当前迭代次数来自适应调整进化移动步长,使算法在初期的步长大而避免种群个体陷入局部最优,到后期果蝇移动的步长变小而获得更高的收敛精度解,并加快收敛速度.通过6个标准测试函数对改进算法进行仿真测试,结果表明ASFOA算法具有更好的全局搜索能力,其收敛精度、收敛速度均比FOA算法及参考文献中其他改进果蝇优化算法有较大的提高.     

应用同伦正则化算法反演二维溶质运移模型中的弥散系数

利用同伦正则化算法探讨了二维对流弥散方程的依赖空间变量的弥散系数反演问题.讨论了初始迭代值、数值微分步长、以及收敛精度对算法实现的影响.数值模拟表明,同伦正则化算法对于此类参数反演问题是一种有效的方法.     

基于增量算法的三角剖分算法

增量算法是平面投影法中一种常用的点云剖分算法,该算法编程简单,占用内存少,计算速度较慢.针对增量算法的特点,改进算法通过将不同位置的点剖分对应存储到不同的边链表和三角形链表中,降低了边和三角形的搜索时间,提高了三角化的速度.同时,采用了加点剖分中同步优化和初步剖分后全体再次优化的优化方案,大大提高了剖分三角形的质量.实际点云剖分的结果显示,该算法不仅速度快、占用内存小,而且形成的三角表面质量高.     

用并行遗传/Powell/蚁群混合算法求解卫星舱布局问题

卫星舱布局优化设计问题数学上属NP-hard问题．较有效的求解途径之一是研究混合算法，为此构造了并行混合PGA-Powell-蚁群算法（简称PGPAHA）．该算法以并行遗传算法为基本框架，根据各子群体收敛速率的快慢来决定它们之间迁移的时机，在收敛后期加入Powell法作为并行遗传算法的算子来加快收敛速度，并利用蚁群优化算法提高计算的精度．最后应用该算法求解了简化的三维带性能约束的国际商用通讯卫星的卫星舱布局设计问题，数值实验结果表明，该算法与并行遗传算法（PGA）相比，在计算精度、计算效率及计算稳定性方面较优。     

面向绿色再制造系统的AGV路径规划研究

为了解决绿色再制造系统中的自动导引运输车(AGV)路径规划问题的问题,提出一种粒子群遗传融合的AGV全局路径优化的自适应算法.该方法集成了遗传算法(GA)和粒子群算法(PSO)二者的优点,为了改善传统PSO-GA融合算法迭代前期寻优速度慢的问题,引入了自适应惯性权重;为了提高算法进入迭代后期的收敛精度,提出了一种双重交叉变异策略,使得改进的PSO-GA融合算法比传统的PSO-GA融合算法搜索能力更强,进化速度更快,收敛精度更高.为了验证改进后算法的优越性,采用栅格法模拟自动导引运输车运行环境并通过MATLAB对标准粒子群、遗传、传统的PSO-GA融合、改进PSO-GA融合四种算法解决路径优化问题进行试验对比,结果证明了改进后的PSO-GA算法的可行性和有效性.     

基于遗传算法的蝙蝠优化算法研究

针对基本蝙蝠算法后期收敛速度不够快、早熟、寻优精度不高、容易出现局部最优问题等情况,提出与遗传算法相结合的优化蝙蝠算法(GABA)。该优化算法嵌入了竞争机制以及遗传算法,利用遗传算法具有的全局搜索性能,让种群进化时具有更丰富的多样性,在解决算法早熟问题的同时,提高了局部广度搜索性能,避免产生局部最优问题。Matlab环境下的仿真实验结果表明:与基本BA算法对比,改进后算法(GABA)在收敛速度及精度上均有明显提高,特别在高维函数上的搜索能力更为明显,可针对工程应用过程中出现的高维多极值复杂函数进行优化。