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。     

风力机叶片结构参数敏感性分析及优化设计

以某1.5 MW风力机叶片为实例,建立叶片有限元模型,并对叶片关键结构参数进行敏感性分析。结果表明,铺层角度对叶片结构特性影响最大,主梁帽宽度及铺层厚度的影响次之,主梁帽铺层位置以及腹板布置位置的影响最小。在敏感性分析的基础上,建立以叶片质量最轻为目标函数,以主梁帽宽度、铺层数、铺层位置以及腹板布置位置为设计变量,以叶片的强度、刚度与振动性能为约束条件的优化设计数学模型,采用遗传算法与有限元法相结合的方法对叶片结构进行优化设计研究。与原设计方案相比,优化设计方案的叶片质量减轻9.8%,结构应变分布更为合理,且不会发生共振,表明优化方法合理有效。     

一种基于改进遗传算法的WSN负载均衡聚类算法

针对无线传感器网络簇首需承担额外负载的问题,为了最大化网络寿命,提出了一种基于改进遗传算法的聚类算法.首先,将染色体表示为网关的一个字符串,通过考虑传感器节点与簇首之间的连接限制初始化种群;然后,构建适应度函数来评估初始种群的各个染色体;最后,利用遗传算法对染色体进行选择、交叉、突变,利用迭代算法完成聚类.结果表明,相比分布式自组织负载均衡聚类算法,本算法的执行时间可降低18.5%;相比基站控制自适应聚类算法,本算法收敛速度可提升50%;相比低占空比多管道调度算法,本算法平均负载标准差降低了81.2%;当网络轮数达到2 500时,相比其他几种较新的算法,本算法可降低至少40%的能耗.因此,本算法在WSN应用中可以很好地解决额外负载问题,延长了网络寿命.     

植物保护专业本科分子植物病理学实验课程教学分析与改进

实验课程是植物保护专业本科分子植物病理学课程的重要组成部分.调查分析表明,目前国内一些高校对该实验课程的教学不够完善,存在着实验教材缺乏、实验内容设计不周全、实验条件缺乏和实验员专业知识不够等问题.该文针对分子植物病理学实验课程教学存在的问题,提出了改进分子植物病理学实验课程教学的措施,主要包括积极开展教学内容和教材建设研究、改善实验条件、改进教学方法和教学形式及加强实验技术人员培训等,以提高分子植物病理学实验课程的教学质量,增强学生的综合素质.     

大地电磁数据的改进随机爬山反演算法研究

对随机爬山算法的新模型产生方式进行改进,并针对大地电磁线性反演依赖初始模型易陷入局部最优解的问题,提出一种基于改进随机爬山的大地电磁反演算法,利用该算法对大地电磁一维层状介质G,K,HK型地电模型数据进行反演实验,在无噪声情况下反演结果和模型基本一致;在加入5%和10%噪声后,反演结果良好.数值实验结果表明,该反演算法不依赖于初始模型,具有较好的全局优化能力和抗噪声能力,能有效反演大地电磁数据.     

混合业务下基于能效准则的基站开/关选择策略

为提升无线系统的能效,针对用户随时间的潮汐变化特点,文中提出了一种通过基站开关切换提升系统能效的方法——基于能效准则的基站开/关选择策略,将用户业务分为恒定比特率业务和可变比特率业务,在满足恒定比特率业务的约束下最大化能源效率.文中采用改进的自适应遗传算法来求解此约束优化问题,即基站开关状态用二进制编码,通过设计的选择、交叉、变异实现迭代寻优.仿真结果表明:文中提出的改进遗传算法收敛速度快,能有效对抗染色体群体的早熟问题;在满足恒定比特率用户需求的前提下,文中策略可有效地提升无线系统的能效,其性能接近穷举算法.     

遗传算法的DV-Hop算法改进

DV-Hop算法中,平均每跳距离是影响定位精度的因素之一。针对平均每跳距离带来的定位误差,对锚节点和未知节点的平均每跳距离进行了改进和优化。首先引入遗传算法计算锚节点的平均每跳距离;然后利用跳数小于等于3的锚节点的平均每跳距离加权处理未知节点的平均每跳距离,减少平均每跳距离带来的误差。仿真结果表明,在不增加硬件开销的基础上,改进算法能够有效提高算法的定位精度,并且具有较好的稳定性。     

空间绳牵引并联机器人多目标优化设计

以6自由度空间绳牵引并联机器人工作空间体积、最小索力和全局灵巧度为优化目标,在保证绳索张力范围的前提下建立了多目标优化的数学优化模型.采用神经网络-遗传算法求得优化的3组满意解,并采用灰色聚类法选择多目标优化时的权重系数.仿真结果表明该优化方法可以有效地实现结构的优化,为同类绳牵引并联机器人的设计提供了有益的参考.     

改进GA优化BP神经网络的短时交通流预测

为了提高BP神经网络预测模型对短时交通流的预测准确性,文章提出了一种基于改进遗传算法优化BP神经网络的短时交通流预测方法。由于模拟退火算法具有较强的局部搜索能力,能够在搜索过程中避免陷入局部最优解,因此引入模拟退火算法中的Metropolis接受准则来增加遗传算法的局部搜索能力,避免了遗传算法过早收敛和陷入局部最优解。通过改进的遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。仿真结果表明,该方法对短时交通流预测具有较好的预测精确性。     

无翼平底弹头的属性散射中心模型改进与参数估计

针对传统属性散射中心模型在描述散射中心幅度随方位的变化存在不足,本文依据目标的逼真散射数据对属性散射模型中的方位依赖关系进行了修正,并通过图像匹配结合遗传算法对散射中心的各个参数进行了估计. 为了验证模型的有效性,文中给出了修正模型的仿真结果与传统模型仿真结果以及全波法计算结果的比较. 结果表明,相对于传统的属性散射中心模型,改进后的模型能更准确地描述真实散射中心的幅度随方位的变化关系.