桁架结构优化设计的免疫克隆选择算法

为了解决带有应力约束和位移约束的桁架的尺寸优化问题,将免疫克隆选择算法应用于结构的尺寸优化设计.根据免疫学基本原理,在基本克隆选择算法的基础上引入精英策略,并给出合理的参数值.在桁架结构优化的数学模型中,采用惩罚函数法处理违反约束的情况.最后对几个经典的桁架进行了优化.数值结果表明,改进的免疫克隆算法收敛速度快、鲁棒性好,可以应用于桁架结构的优化设计.     

免疫算法及其在电力系统无功优化中的应用

提出应用一种新的智能优化算法——免疫算法(IA)来求解无功优化问题.该算法模拟了免疫系统的基本原理,具有抗原模式识别及记忆功能,抗体多样性,抗体自适应调节等优点.在分析无功优化的数学模型和免疫算法的特点的基础上,详细研究了用免疫算法求解无功优化问题的实现方法.对IEEE30节点系统进行了仿真计算,并将优化结果与遗传算法(GA)作了比较,结果表明免疫算法(IA)能有效的应用于电力系统无功优化,并有着更好的全局寻优能力及更快的收敛速度.     

基于免疫算法的配电网电容器优化配置

将免疫算法应用于辐射型配电网中电容器的合理配置。通过比较遗传算法,得到免疫算法在配电网电容器优化配置过程中具有寻优速度快,收敛性能好等优点。由于保持了群的多样性,所以避免了陷入局部最优。算例及分析表明免疫算法应用于配电网电容器优化配置的有效性和实用性。     

工程结构优化中的改进生物地理学优化算法

为改进生物地理学优化(BBO)算法在工程结构优化设计中的性能,引入非线性物种迁移模型和"精英引导"等思想对BBO算法进行改进,并将算法应用于结构工程优化领域。以2个连续变量的经典桁架结构为例,进行结构在满足各项约束条件下质量最小的优化设计。数值算例表明,改进算法应用于工程结构优化设计时具有收敛速度快、稳定性好的特点,性能比BBO算法有较大提升,可以有效地应用于工程结构优化设计。     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

神经网络的遗传设计及其在甲醛生产建模及优化中的应用

采用遗传算法的机制设计了一种同时对前向网络的连接权值及拓扑结构进行搜索的方法，并采用以隐结点为基本基因型的方式，同时在算法中加入了局部搜索的方法．该算法已被应用于甲醛生产过程的建模及优化，达到了良好的效果．     

免疫算法与其他随机优化算法的比较分析

详细描述了免疫算法的基本原理、步骤和寻优机理，以及抗体的抑制和促进、记忆单元更新、亲和性计算等特点。阐述了免疫算法抗原、抗体与实际问题的映射关系。用其他随机优化算法(模拟退火算法、遗传算法、进化规划等)与免疫算法进行了比较研究，给出了他们的异同点、免疫算法的优点等。利用旅行商问题(TSP)、随机优化算法测试函数对免疫算法及其他算法进行了测试分析。实例分析表明，免疫算法是一种收敛速度快、收敛性好的算法。     

含相变的缠绕管换热器设计及多目标优化

为实现含相变的缠绕管换热器的优化设计，提出了一整套计算模型，对传统模型中的Gilli公式进行了改进，大幅提升了该模型的计算速度。基于提出的计算模型以及NSGA-Ⅱ算法编写了缠绕管换热器的多目标优化程序，以径向间距、轴向间距以及缠绕角作为设计变量，以总换热系数、管程及壳程压降作为目标函数对缠绕管换热器的几何结构进行了优化设计。通过实例验证，改进后的模型传热误差最大不超过3.6%，压降误差最大不超过8.5%，因此改进的计算模型具有较高的可信度。程序优化结果表明：相比初始结构，优化结构一总换热系数提高了7.1%，而壳侧压降降低了21.0%，管侧压降降低了0.7%；优化结构二总换热系数基本不变，壳侧压降降低了23.0%，管侧压降降低了27.0%。因此该优化程序可以有效优化缠绕管换热器的几何结构。     

混沌粒子群算法及其在桁架结构优化设计中的应用

文章提出一种基于混沌思想的粒子群优化算法，它利用粒子群优化算法收敛速度快和混沌运动遍历性、随机性等特点，对标准粒子群优化算法进行了改进。在算法的初始化阶段，对粒子的位置混沌初始化；在算法运行过程中，对粒子的位置进行混沌更新和粒子群更新相结合的更新方式，使全局收敛与局部收敛达到一定平衡。将该算法应用于桁架结构的优化设计，与标准粒子群算法优化的结果相比较，混沌粒子群算法提高了对多维空间全局搜索能力，可有效避免早熟收敛现象。     

基于免疫粒子群混合优化算法的新型派梯策略

基于人工免疫优化算法和粒子群算法的优缺点可以互补的特性,提出了免疫粒子群混合优化算法,并将其应用于混合电梯群控系统中进行派梯优化.将仿真结果与人工免疫优化算法、粒子群优化算法的结果进行对比,发现免疫粒子群混合优化算法显著地提高了混合电梯群控系统的长时等待率和电梯运行量,而平均等待时间的改善不明显,说明免疫粒子群混合优化算法在优化派梯方案方面表现出良好的效果,具有优越性.     

用IAA求解约束模型多解问题

针对蚁群优化算法易于陷入早熟收敛和局部求精能力不足的缺点,提出一种用免疫蚁群算法(IAA)寻找最优解的方法.算法基于人工免疫系统原理,设计了具有免疫能力的蚂蚁抗体保持蚁群的多样性,在迭代后期蚁群依然保持进化能力,提高了算法的局部求精能力,使蚁群优化算法在局部开采与全局探索间都取得了更好的平衡.实验结果表明,算法具有良好的优化性能和时间性能.     

二维DOA估计中麦克风阵列优化设计

在DOA估计中,往往事先假设麦克风阵列的结构,然后通过改进DOA估计方法来提高定位精度,忽视了麦克风的摆放位置对 DOA 估计性能的影响。基于此,针对二维 DOA 估计,提出改进遗传优化算法,将空时滤波器系数和麦克风阵列结构分开,构造由二维 MUSIC空间谱函数欧式距离和优化后阵元个数共为变量的适应度函数,以 DOA 估计精度为停止条件,对均匀矩形阵、均匀圆形阵和均匀同心圆阵开展优化设计。仿真结果表明,采用所提方法优化后的阵列取得了较好的DOA估计性能。     

考虑互耦的改进型Vivaldi天线阵列优化设计

设计了一种改进的Vivaldi天线,采用基于指数和椭圆的混合渐变线方法,实现了天线的小型化设计,同时具有超宽带的性能。将该天线沿x轴组成了一个8元直线排列的天线阵列,采用有源单元方向图方法来考虑天线单元间的互耦,得到的阵列方向图与全波模拟结果吻合很好。与微分进化-连续蚁群优化算法的混合算法相结合,通过调整单元的激励幅度,实现了方向图的综合。与切比雪夫综合方法相比,可以获得更低的副瓣电平,同时减小了全波模拟的计算次数,节省了优化时间。     

Taylor阵列双阵元失效校正算法

为避免Taylor阵列双阵元失效,在交叉熵全局随机优化算法的基础上提出修正交叉熵算法,给出其程序流程,通过一维连续函数最大值优化和序列盲估计两个算例,验证了该算法的有效性和稳定性。仿真结果表明：给定峰值旁瓣电平为-30 dB,修正叉熵算法通过重置非失效阵元馈电振幅的方法,能够成功地完成方向图校正。该算法不仅可以保证校正结果的准确性,而且还能提高其有效性。     

稀疏网络的Floyd动态优化算法

通过对Floyd算法进行研究,提出了一种新的求取任意两点间最短路径的算法:Floyd动态优化算法.该算法通过引入插入数组、可达数组以及可发数组,使得算法在求解最短路径前自动修改能够最小化路径的节点,剔除一些无用的节点,最小化语句执行的次数.算法分析表明,新算法在稀疏网络中比Floyd算法在性能上有较大的提高.     

具有线性约束的分片线性函数的最优化方法

分片线性模型有着广泛应用范围 ,对分片线性模型及其最优化问题的研究具有普遍的意义。该文以规范型分片线性函数为例 ,提出了基于分片的邻区域搜索算法 ,通过定义相邻区域 ,应用线性规划寻找最优解。通过该算法和遗传算法相结合 ,可利用进化算法的探索能力和模型信息以实现全局优化。在仿真实验中 ,采用随机生成的分片线性函数对这种算法和传统遗传算法进行了对比 ,结果表明 ,它具有很好的搜索性能 ,当搜索空间很大或具有边界约束时 ,它较传统遗传算法更优越     

非线性多用户检测技术

多用户检测技术是移动通信技术中的一个关键技术,非线性多用户检测技术是其中一个重要的分支。免疫算法,遗传算法和神经网络是人工智能的三大信息科学,是智能控制领域的三个重要的基础工具,将其有机的结合起来可以解决许多组合优化问题。     

基于改进遗传优化算法的线阵相机标定方法

在手机玻璃盖板的缺陷检测中,为了获得缺陷特征明显的高精度图像,不仅需要搭建高质量图像采集系统,而且需要对线阵相机进行精密标定.结合工业现场需求,本文提出了一种基于改进遗传优化算法的线阵相机标定方法.在已有线性扫描模型的基础上,引入线阵扫描图片图像畸变矫正,推导了新的标定参数.在已有无畸变矫正的线性解析解基础上,引入遗传算法进行新参数的求解优化,实现了新标定参数的非线性求解.实验结果表明,与不加入图像畸变矫正的求解方法相比,所提方法具有更高的测量精度.      

两种智能优化算法及其应用

遗传算法和蚁群算法是两种新型的寻优策略,遗传算法用于函数优化问题,蚁群算法用于求解非线形规划问题.建立通过相应的优化模型,并得出了实现的步骤,结果表明遗传算法具有简单、通用、鲁棒性强、适用于并行处理的特点.蚁群算法具有正反馈性、较强的鲁棒性、并行性以及易与其他方法结合的特性.     

二维MUSIC算法分维处理及其阵列结构的研究

基于阵列接收信号相关矩阵特征结构的谱估计方法是信号参数测量的主要方法之一。随着应用研究的不断深入,对信号的二维参数进行测量的要求日益迫切。针对目前多信号环境下二维DOA参数测量问题,对二维MUSIC算法分维处理中的参数配对耦合问题进行了分析,得出了耦合阵列结构的特征,即二维MUSIC算法分维处理中,耦合的产生与否由阵列的横坐标矢量与纵坐标矢量的线性相关性决定。该特征表明,传统的平面阵列存在着较大的阵元冗余。在此基础上,提出了无冗余的配对阵列。同时,提出了解耦合的F型阵列结构和分维搜索方式,进一步减少二维参数测量的阵元冗余。与现有的二维DOA参数测量方法相比,在计算量、阵元利用率和测量精度等方面性能突出。通过仿真,表明了算法和阵列结构的有效性。