遗传算法在结构损伤模式识别中的应用

研究了遗传算法在结构损伤诊断中的应用。将结构的损伤诊断问题等价为结构的损伤模式的识别问题,并应用遗传算法的全局搜索功能来实现损伤状态的优化识别。其中应用结构的第一阶振型变化率作为结构的损伤诊断标识量,从而减小遗传操作的种群规模,极大的提高了遗传算法的计算效率。四边固支板结构的单位置以及多位置损伤诊断算例说明了该方法是可行的,具有较高的识别精度。     

面向排课系统的遗传算法改进研究

为了解决实施学分制对排课所造成的困难,改进了排课系统中使用的遗传算法。基于遗传算法的原理以及在排课系统中的应用,指出了交叉和变异概率选择的盲目性,并提出了遗传算法中染色体编码设计和含动态调整参数的交叉变异概率选择的改进措施。采用仿真实验的方式验证了改进后的遗传算法,结果表明,改进算法减少了无效的染色体和交叉变异操作,提高了收敛速度和全局搜索能力,克服了遗传算法的早熟和局部收敛的问题。     

用遗传算法求解GTSP的编码改进

在遗传算法的过程中,变异概率是很低的,相对交叉算子对于影响染色体的多样性更为重要。针对基于广义染色体求解GTSP的遗传算法,提出一种二进制与十进制混合编码,改进了交叉算子,具有更强的搜索能力。测试证明算法改进是有效的。     

基于扩展有限元和改进海豚回声优化算法的损伤识别方法

提出了一种基于扩展有限元和改进海豚回声算法的方法,对结构中损伤的位置和尺寸进行识别。该方法在获得实际结构测量响应后,运用改进海豚回声算法对实际响应与扩展有限元模拟结构响应之差进行最小化,优化损伤参数,实现对损伤的估计和识别。在改进的海豚回声算法中,提出了一种搜索范围动态变化的寻优机制,增加了初搜索、精搜索、平移搜索、回溯搜索和重搜索等五个过程,相比原算法有较高的效率和较好的收敛性能。通过数值仿真方法验证了所提出的改进算法以及损伤识别方法的合理性和有效性。     

遗传算法在AGV全局路径优化中的应用

采用改进的链路可视图进行建模,使用遗传算法对AGV静态已知环境进行路径规划,并结合在AGV中的具体应用对其进行了改进.在建模过程中,对障碍物做了边界扩展,将障碍物顶点作为行走节点,达到AGV行走过程中避撞的目的.在路径搜索过程中,借鉴蚁群算法的基于可行表的路径搜索方式到初始种群的产生过程,避免了AGV实际问题中无效路径的产生,提高了搜索效率.在初始种群的搜索过程中,对死路情况做了处理,避免了搜索停滞.交叉过程中,采用重复点交叉的几种处理方式,既避免了AGV搜索到断路的情况,也较大提高了产生最优路径的效率.交叉变异过程中人为产生环路的做法,有利于优良个体的产生.将蚁群算法的正反馈优化策略引入遗传算法的多次迭代中的改进中,加快了算法向最优解收敛的速度.MATLAB仿真结果表明,改进后的遗传算法能够快速准确地搜索到AGV的全局最优路径.     

基于分级遗传算法的结构损伤识别方法

提出了一种基于遗传算法的利用不完整振动数据识别结构损伤的新方法，该方法首先扩展不完整的振型并利用单元能量熵差比确定结构损伤的大致位置，然后采用二级搜索策略，借助遗传算法确定结构损伤的程度，数值计算结果表明，当可能的损伤区域较大时，本方法较直接搜索策略更能有效地确定结构损伤的程度。     

实数交叉算子的选取和算法改进

在总结分析实数遗传算子的基础上 ,根据算法搜索效果 ,将区域划分与转移思想应用到算法结构改进中。对复杂函数全局解搜索的实验表明 ,新算法在寻找复杂问题的全局解、提高搜索精度方面比基本实数遗传算法有较大改进。文中还将改进的实数遗传算法用于测量数据的估计中 ,得到了较好的线性和非线性参数估计结果。     

基于ANSYS二次开发技术的改进遗传算法在结构优化设计中的应用

为克服基本遗传算法的缺陷,提高其全局搜索能力,提出了基于并行小生境算法、可疑峰值点判断方法和局部搜索技术的改进遗传算法。通过引入VC++对ANSYS的二次开发技术,将改进遗传算法与结构计算和优化相结合,使程序具有较强的处理实际问题的能力。最后通过对平板模型支撑位置优化算例的分析,验证了改进算法的可靠性和实用性。该方法对其它复杂工程结构的优化设计同样适用。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

基于遗传算法的二阶段结构损伤探测方法

为了有效地进行工程结构的损伤识别,提出了一种基于遗传算法的二阶段损伤探测方法.首先利用基于频率的多损伤定位准则和基于位移模态的多损伤定位准则分别计算出有关损伤的初步决策,然后利用信息融合技术中的证据理论方法,将两者的初步决策进行融合,从而获得较为精确的损伤位置估计,最后在已识别出的可能损伤单元的基础上,利用改进的遗传算法进行更精确的损伤位置和程度估计.数值仿真结果表明,采用证据理论进行融合可以获得较为精确的损伤位置估计,比单纯的多损伤定位准则识别效果更好,而采用改进的遗传算法则可以更为精确地判定损伤的程度,优于简单的遗传算法.