渐进结构优化方法在联轴器优化设计中的应用

针对联轴器优化设计中普遍关注的结构轻量化和最大应力最小化问题,借助Hyperworks 有限元分析软件,采用渐进结构优化方法,对SSWZ330 型十字轴万向联轴器进行了结构拓扑优化设计。优化后,可使材料节省9． 17%,工作时最大静应变减少2． 3%,最大应力减少52． 1%,改善了结构性能,减轻了结构重量,拓展了Hyperworks 软件在机械部件结构拓扑优化设计领域的实际工程应用。     

整体叶轮五轴数控加工与仿真优化研究

文章应用CATIA软件对整体叶轮进行了逆向造型设计,分析了整体叶轮的加工特点,制定了合理的加工工艺。同时,文章应用Cimatron软件对整体叶轮进行了加工程序的编制。在Vericut环境中,构建了DMU60monoBLOCK的五轴数控仿真平台,对整体叶轮进行了加工仿真,避免了实际加工过程中可能存在的碰撞和干涉,保证了NC程序的正确性。最后,通过刀具轨迹的优化,提高了整体叶轮的加工效率和表面质量,缩短了加工周期,降低了生产成本。     

基于复数神经网络求解的拟凸优化问题

针对神经网络应用于解决线性和非线性约束下的复数优化问题,提出了一种简化的复数神经网络解决非线性规划下的拟凸优化问题;通过定义辅助函数将复数域上的拟凸优化问题转化为实数域上的优化问题,推导出相应的神经网络模型,并建立李雅普诺夫函数证明该神经网络平衡解的稳定性与收敛性;得出对任意的初始点,该神经网络是李雅普诺夫全局稳定的而且收敛于优化问题的最优解;通过数值算例验证了此研究方法的有效性以及结论的正确性。     

模糊理论在铁路客运安全指标权重 优化算法中的应用

客运安全评价是保证铁路运输安全高效的重要手段.为了解决安全评价中指标权重确定的问题,将模糊理论与层次分析法相结合,给出各评价指标权重的变化区间,并在各区间内生成不同权重值.通过蒙特卡洛模拟的仿真实验来生成针对不同指标权重值所产生的评价结果,并通过定量化方法得出该评价结果的方差.以方差作为遗传算法的适应度函数进行后向反馈,实现指标权重的优化,并将优化后的权重用于我国各铁路企业客运安全评价结果的计算.实验结果表明:该方法可以在充分尊重专家对指标权重评定的基础上,对权重进行微调,使得评价结果对指标得分更加敏感.     

用oc(G)刻画A_n(7≤n≤9)

G为有限群, oc(G)表示G中任意的素数阶元中心化子阶的集合,即oc(G)={CG(x) x是G中任意的素数阶元}.通过数量分析,利用oc(G)刻画了几个交错群,得到了如下结果:如果G为有限群且oc(G)=oc(A_n),则G≌An,这里7≤n≤9.     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

CCN中一种非混合式蚁群路由优化策略

蚁群优化(ant colony optimization,ACO)近年来在信息中心网络(content centric networking,CCN)路由领域的应用逐渐增多,其中,将ACO与其他机制相混合以改善路由性能的策略得到较多研究,但基于蚁群优化的混合式算法通常存在可扩展性低下,动态性差,网络成本高等问题。为此提出一种高效的非混合式蚁群路由算法(irritant ant framework,IAF)。添加一个新维度—一种动态的、仿生物的信息素分层,将传统单级别信息素上升为多级别信息素,增强蚁群对于路径的探索程度,抑制算法过早收敛;并且考虑了节点状态的动态性,实时改变信息素等级以选择最佳转发路径;此外,首次考虑了节点缓存特性对信息素更新策略的影响,构造出全新的信息素更新公式,,减小算法的收敛时间。实验结果表明,该算法能够有效地降低内容请求时延,提升缓存命中率,以较低的开销获得良好的CCN路由性能。     

卫星网络中基于蚁群优化的概率路由算法

为了提高空间信息传输的有效性和可靠性,针对传统蚁群优化(ant colony optimization,ACO)容易造成最优路径负载过重而发生拥塞的问题,提出了一种基于蚁群优化的概率路由算法(ant colony optimization based proba-bilistic routing algorithm,ACO-PRA).根据卫星网络拓扑动态周期时变的固有特点,将拓扑周期均匀分为若干个时间片,形成基于不同时间片的卫星网络拓扑连通图;根据网络拓扑连通图,将星间链路带宽和链路容量引入到目标函数中,建立时延最小的优化模型;根据蚁群算法的节点概率函数选择下一跳节点,进而找到一条能同时满足时延带宽和链路容量要求的最佳信号传输路径.仿真结果表明,提出的基于蚁群优化的概率路由算法不仅能够降低平均端到端时延和丢包率,而且能够有效地提高网络吞吐量、平衡网络负载.     

带时间窗的快递包装回收车辆路径优化研究

为解决大量快递包装给社会环境带来的一系列问题,优化快递包装及回收车辆路径,降低回收成本,提高客户满意度是快递包装回收的关键。考虑到快递包装回收的现状,提出在回收过程中设置软时间窗来反映顾客的满意度。建立了运输成本、处理成本、回收成本、时间惩罚成本等成本最小化的数学模型。采用改进的遗传算法对模型求解,提出运用2点交叉法改进交叉算子,加快种群的寻优速度,同时提出2点互异改进变异算子,增加种群的多样性,并对算法的种群规模、变异概率、运输成本等进行了灵敏度分析。运用Matlab软件对算例进行仿真,在有无时间窗条件下,验证了该设计的快递包装回收路径模型和算法的有效性。     

基于马尔科夫生存模型与粒子群算法 的动态航路规划

针对未知情况下航路规划问题,采用动态规划策略保证飞机可以实时规划未来路径,并引入基于马尔科夫的生存模型来获取飞机的生存状态概率,从而评估生存代价,再综合任务、油耗、飞机机动性等作为粒子群算法的目标函数与约束条件,同时为了缓解生存与任务之间的矛盾,引入目标函数权重自适应策略.仿真实验证明,提出的动态航路规划策略是可行的,自适应权重也在一定程度上缓解了生存与任务之间的矛盾,同时将基于马尔科夫的生存模型应用于动态航路搜索中,能够更加直观地掌握每一时刻飞机的生存代价以及各状态的概率.