二维对流-扩散方程反问题的遗传算法求解

给出了利用遗传算法求解二维定常对流－扩散方程参数反演的一种新方法,该方法把参数反演问题转化为优化问题求解。特别从多个初始点开始寻优,并借助交叉和变异算子来获得参数的全局最优解。数值模拟结果表明,该方法具有精度高且编程简单、易于计算机实现等特点。     

BOD-DO水质模型多参数反演的遗传算法

给出了利用遗传算法求解河流水质BOD-DO模型参数反演的一种新方法,该方法把参数反演问题转化为优化问题用遗传算法求解,其特点在于:从多个初始点开始寻优,并借助交叉、变异算子来获得水质参数的全局最优解。模拟结果表明,该方法具有精度高,收敛速度快且易于计算机实现等特点。     

二维稳态导热反问题的正则化解法

构造求解二维导热反问题的数值迭代解法,并以含内热源二维导热问题为背景,采用该迭代解法确定材料热传导系数。在每个迭代步中采用Tikhonov正则化方法克服反问题固有的不适定性。数值算例表明,该方法可行、有效,不仅适用于单介质热物性参数反演问题,而且适用于多介质热物性参数反演问题。     

混凝土坝振动参数区间逆分析

考虑模态观测数据的不确定性，引入不确定问题求解的区间分析思想，建立了利用先验约束条件的混凝土重力坝动态参数的区间反演模型；并采用约束变尺度方法求解该反演模型获得待求参数的区间范围。以某大坝空库情形为例，在振动观测数据不完全的条件下，对该方法进行了考察。结果表明，在只有一阶圆频率和几个固定点处有一阶振型观测数据的情况下，可以可靠地识别出坝体混凝土和基础岩石的动弹性模量所在区间范围，该方法具有一般性，可以应用于一般结构振动参数识别问题。     

位移反分析的人工神经网络方法研究

各种传统位移反分析方法的反分析模型非常复杂,求解亦非常困难．本文应用人工神经网络原理,建立了位移反分析的人工神经网络方法,并应用该方法对所设定的一标准弹塑性问题的力学参数进行了反演,反演结果表明,所建立的位移反分析的人工神经网络方法具有模型简单、求解快捷等优点,且其精度亦能达到工程应用要求,因而可以在工程实际中应用。     

磁异常共轭元反演解释法研究

对磁异常共轭元反演解释法进行研究.该方法利用磁异常共轭元建立共轭三角形,通过共轭点拟合实现磁异常反演解释.该方法先求解磁源体部分几何要素,再结合磁异常的平面特征,通过校正解释,给出异常体的其他几何参数(走向长度、下延长度和倾角)及磁场参数.模型试验及实例检验结果表明:该方法具有较好的求解速度和反演精度.     

一种混凝土重力坝分区弹模反演新方法

建立了一种解决实际工程中测点数少于待反演参数个数的混凝土重力坝分区弹模反演问题的新方法。这种方法利用已知的补充信息作为反演问题的物理约束条件，建立参数反演的多目标优化数学模型，解决了反演结果的惟一性问题；并且使用改进的模拟退火算法这种全局最优算法来求解大坝的分区弹模。数值算例表明，这种方法对大坝反演问题具有较高的识别精度，反演结果可靠，可以应用于实际工程。     

基于抽水试验的水文地质参数三维进化反演

提出求解水文地质参数的遗传反演算法，并将该方法应用于玄武湖隧道工程抽水试验中，结果表明，用遗传算法反演水文地质参数是可行的，这种方法的优点在于只须给出参数的取值范围，就可自动地搜索出最优参数值。     

岩石弹塑性损伤参数反演在地铁车站中的应用

针对大多数弹塑性损伤模型存在涉及参数多且不易确定的问题,使用C++语言编制弹塑性损伤本构求解程序并将其集成到自主开发的基于差异进化算法(Differential Evolution,DE)的智能参数反分析程序中,通过算例验证了本构模型的准确性及智能反演程序的可行性.在此基础上,将该程序应用于大连地铁洞桩法车站的损伤参数反演工作中,通过第一个施工工序的监测位移反演损伤参数,并用反演所得参数对后续施工工序进行有限元模拟.研究结果表明:该方法及程序具有较好的可靠性,能够解决实际工程问题,对现场施工有较好的指导作用.     

基于严密模型的多基线InSAR高程反演方法

针对常用多基线干涉合成孔径雷达(In SAR)高程反演方法基于简化模型、精度低、计算量大的问题,该文提出一种新的多基线In SAR高程反演方法。该方法引入严密几何关系的三维重建模型,并添加干涉相位的整周期数作为求解参数,迭代求解目标点的三维坐标。由于该方法采用目标点三维坐标信息连接不同干涉数据,明显降低了系统误差对整周期数求解的影响,因此较常用多基线In SAR高程反演方法更具可靠性。机载数据实验结果表明:对于定标数据,该文方法结果的精度与最大似然高程估计(MLHE)方法相同;对于未定标数据,该文方法结果的精度优于MLHE方法;MLHE方法的数据处理时间为该文方法的6~7倍。在星载数据实验中,MLHE方法耗时351 s,该文方法耗时14 s。     

基于自适应惩罚函数法的混合遗传算法

引入了自适应的惩罚因子,将约束问题转化为无约束问题．通过遗传算法求得无约束问题的可行解,再将此解作为约束变尺度法的初始可行点,由约束变尺度法得到精度较高的解．数值实验表明该混合算法比单纯使用遗传算法效率高,而且在多数情况下能得到全局最优解。     

系统可靠性的多目标优化计算

由于多目标优化问题存在多个最优解集合，而传统的方法往往将其转化为各目标之加权和，然后采用单目标优化技术，这种方法存在诸多缺点和脆弱性，作为一种并行算法，遗传算法能很好地解决多目标优化问题，文中在非劣性分层遗传算法的基础上对遗传算子进行改进，首先获得多目标优化问题的非劣解，然后通过对系统进行敏感性分析，有效地缩小了问题的解空间．试验对比发现，算法的速度和精度得到有效提高。     

一维下料方案的遗传算法优化

在对一维下料方案数学模型分析的基础上，提出了一种基于遗传算法的求解方法。主要思想是把零件的一个顺序作为一种下料方案，并视作组合优化问题来求解。在求解过程中，给出了应用遗传算法求解关键问题的编码、解码方法、遗传算子及适应离函数的定义，并根据这算法开发出一维下料方案的优化系统。实际应用表明，采用该方法求解一维下料方案，可提高材料的利用率，而且还可以提供多个优化方案。     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

一种改进的遗传算法求解旅行商问题

针对在解决旅行商问题时标准遗传算法效率不高,很容易陷入局部最优解的问题,提出了一种改进的遗传算法. 根据种群个体的多样性和分布情况,提出了判定遗传算法截止代数的方法. 研究结果表明,通过加入了初始化信息,改进交差算子,可提高遗传算法的精确性和收敛性.      

基于遗传算法的最小误工任务数问题求解

为了解决最小误工任务数问题（MTTP），将遗传算法引入该问题的求解中，基于惩罚函数。讨论了MTTP的遗传算法求解方法。并对genGA，ssGA，cGA三种演化式算法求解MTTP的实验运行结果进行分析比较，得出在解决大规模的MTTP时，genGA明显优于另两种演化式算法。     

深基坑土钉墙内部稳定性计算新方法——最危险滑裂面复合遗传进化 …

高层建筑深基坑土钉墙内部稳定性分析的关键是如何确定最危险滑裂面的位置并计算与相对应的安全系数,这可归结为一类非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点,作者利用从模拟自然进化过程的遗传进化算法和求解约束优化问题的复杂形法而发展起来的复合遗传算法来搜索最危险滑动面,提出了一种深基坑土钉墙内部稳定性分析的复合遗传进化调优算法,它是一种全局优化分析方法,且比一般的遗传算法寻优效率要高     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。     

应用遗传算法求解计算机通信网的最佳路由─—一种新的遍历匹配选择法

求解计算机通信网的时延和路由选择是一个多约束条件的非线性优化问题，采用遗传算法求解是目前比较有效的方法。本文以遗传算法的基本思想为基础，提出了一种新的遍历匹配选择法，通过实例计算，采用这一选择方式的遗传算法能快速求出问题的全局近似最优解，且具有较高的计算精度。     

基于混合蚁群遗传算法的SAT问题求解

根据SAT问题的特点,通过分析传统蚁群算法和遗传算法在求解SAT问题上的不足,提出一种基于混合蚁群遗传算法的SAT问题求解方法。给出一种新的初始解的生成方式;在迭代过程中,根据较优解的累积信息提出进化算子;利用当前得到的最优解,通过改变不满足子句中文字的取值,增加变异算子。最后选取标准测试集中的20个实例对算法进行测试,实验结果表明:改进后的算法通常仅通过较少次数的迭代就能找到解,能够有效避免蚁群算法和遗传算法过早收敛的缺点,具有较强的寻优能力。