基于非支配排序遗传算法的塔机有限元模型修正

为了建立一个能准确反映结构实际状态的有限元模型,提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的有限元模型修正方法.首先建立初始有限元模型,基于二次响应面法,得到有效的响应面替代模型,然后采用NSGA-Ⅱ对该模型进行修正,最终建立了满足工程精度要求的可靠的有限元模型.给出了某型塔机有限元模型修正的工程算例,将修正后的计算结果与实测数据相比较,说明了基于NSGA-Ⅱ多目标优化算法对于有限元模型修正具有理想的效果,修正后的有限元模型能准确反映结构力学特性.     

考虑多峰值同时寻优的结构有限元模型修正

为得到精确的有限元模型并提高模型修正结果对结构参数识别误差,构建目标函数使用的模态阶次等因素的鲁棒性,提出了通过寻找解空间内的全局最优解和质量较优的局部最优解的方法来提高修正结果的鲁棒性,及一种分种群的粒子群优化算法.采用多峰值函数验证算法寻找多个解的能力和相比单角度控制的优越性,寻优结果表明,所提算法可以寻找到定义域内的全部极值,并且相较于单角度控制,避免了漏解现象的发生.将算法应用于一个桁架的模型修正过程,对桁架桥梁进行了随机白噪声激励,采用随机子空间法识别参数信息,构建目标函数,并进行寻优,结果表明,算法能准确寻找到目标函数的两个极值,并且具有较高精度,经过修正,两个模型修正结果分别对高阶和低阶具有更优的修正效果,表明两个修正结果具有不同的修正意义,增加了对干扰因素的鲁棒性.     

基于SiPESC.OPT的结构动力模型修正研究

将模型修正问题转化为优化问题,基于自主研发的优化分析软件SiPESC.OPT并集成结构有限元分析软件,研究了结构动力模型修正问题,通过桁架和Garteur飞机的修正算例很好地证明了该方法的可行性.通过SiPESC.OPT和商用有限元软件的集成,实现了优化算法和有限元分析类型多样性的需求,不仅提高了模型修正的效率,且保证了有限元分析的精度,有很高的工程实用价值.在Garteur飞机修正算例中,详细阐述了模型精化、参数增减及取值范围调整、灵敏度分析等过程,取得了精度很高的修正结果.     

基于响应面法和麻雀搜索算法的结构有限元模型修正

为了获取准确可靠的结构有限元模型,提供结构运营期间健康监测和状态再分析的基准参照,提出了一种基于响应面法(response surface method,RSM)和麻雀搜索算法(sparrow search algorithm,SSA)的结构有限元模型修正方法.首先,基于响应面法,采用拉丁超立方设计方法进行试验设计获取样本点,以简单低阶数学模型代替特征量与参数间复杂的映射关系,构造结构宏观响应与各参数的解析表达式,基于逐步回归分析进行基函数显著性检验,运用方差理论检验模型精度获取最优响应面模型,并联合结构动力响应残差和构造目标函数;其次,基于麻雀搜索算法,对目标函数进行优化求解得到各参数最优解,代入初始有限元模型中,实现对初始有限元模型的修正;最后,基于RSM-SSA有限元模型修正方法对高维局部损伤悬臂梁数值模型实施修正,验证所提方法的可靠性和可行性,并与基于其他新兴群智能优化算法的有限元模型修正结果进行对比.结果 表明:采用该方法修正的参数和频率误差均值分别为6.549％、0.279％,修正效率和精度较其他算法有显著提升,修正后的有限元模型具有较高的精度,可真实反映结构实际力学行为.该方法为结构有限元模型修正提供一种新思路.     

基于改进稳态遗传算法的桥梁有限元模型修正

由于测试误差和结构参数的不确定性,有限元模型修正的局部最优解和全局最优解均有可能是真实解。为了同时获取模型修正的局部最优解和全局最优解,文章提出一种改进的稳态遗传算法(ISSGA)。该算法通过一种双角度算子来判定目标函数的可行解,并通过定义可行解的伴侣解不断优化解的位置,实现目标函数局部最优和全局最优解的寻找。通过两个测试函数和一座混凝土箱梁桥模型修正案例,验证了ISSGA算法的精度、稳定性和计算效率,并明确了算法中各个参数的取值依据。结果表明:ISSGA可同时获得目标函数的局部和全局最优解;双角度算子可有效避免局部最优解的遗漏;ISSGA算法为获得模型修正合理解提供了可能。     

基于混沌猴群算法的结构有限元模型修正研究

有限元模型修正可转化为优化问题,基于此,将全局寻优算法--混沌猴群算法引入到有限元模型的修正中。利用响应面法,实现结构响应与待修正参数间非线性隐性关系的显式表达,基于最小残差原理,建立优化目标函数;利用混沌猴群算法求解该函数,得到修正后的结构有限元模型。以一个数值算例验证了该方法在结构有限元修正中应用的可行性。本文研究拓宽混沌猴群算法的应用范围,为有限元模型修正提供了一种新的思路。     

基于混沌猴群算法的结构有限元模型修正

有限元模型修正可转化为优化问题;基于此,将全局寻优算法——混沌猴群算法引入到有限元模型的修正中。利用响应面法,实现结构响应与待修正参数间非线性隐性关系的显式表达。基于最小残差原理,建立优化目标函数;利用混沌猴群算法求解该函数,得到修正后的结构有限元模型。以一个数值算例验证了该方法在结构有限元修正中应用的可行性。研究拓宽混沌猴群算法的应用范围,为有限元模型修正提供了一种新的思路。     

交通拥堵情况下的多温共配车辆路径优化

针对实际配送过程中,经常会出现由于交通事故、上下班高峰期以及交通限流等因素导致的交通拥堵情况,为保证多温共配路径优化结果能更符合实际情况,提出了一种基于交通拥堵的多温共配优化模型,相较于传统的多温共配的路径优化模型,该模型更符合实际的运输情况.由于路径优化问题属于NP难问题,故采用随机自适应遗传算法进行求解,求出在总成本最优的情况下使路径最短、总成本最少的最佳配送路径.通过对比遗传算法和用Cplex求解,发现两者结果接近,且算法更为快速,更加适合大规模求解.算例分析结果表明:考虑了拥堵情况的路径优化,相较于没有考虑拥堵情况的路径优化,运输成本下降了16.74%.     

基于分层进化寻优的塔机结构有限元模型修正

采用分层优化策略,运用进化寻优算法实现结构有限元模型的优化修正.根据设计变量对有限元模型影响的区别将其置于节点层与截面层分别执行进化寻优,两个层次的进化寻优交替进行直至问题收敛.建立了某型塔机的参数化有限元模型,根据实测的风致振动响应识别的模态参数采用所提出的方法对塔机的有限元模型进行了修正.修正结果表明,该方法可以有效地实现塔机的有限元模型修正,且修正计算效率高于对应的基于整体策略的修正方法.     

基于优化方法的有限元模型修正方法

在进行结构动力分析时,依据理论建立的有限元模型与结构的实际情况不可避免地存在着差异,必须用试验得到的结果对有限元模型进行修正.利用ANSYS有限元软件的优化功能对一悬臂梁进行模型修正,修正后的有限元模型具有很高的精度.该方法修正过程简单,且修正效果好,为有限元模型修正方法提供了例证.     

多目标城市道路交叉口信号配时优化算法研究

采用细胞传输模型对城市道路的交通流进行建模,提出了该模型中各项交通流运行指标的计算方法.将交通流模型嵌入到多目标优化算法中,替代以往传统的目标函数,采用非支配排序遗传算法NSGA II(none-dominated sorted genetic algorithm II)进行多目标的求解.通过算例分析不同输入条件和控制策略下的优化结果及与其他类似配时计算方法的比较,证明了此算法的结果较令人满意.     

中断情景下EV充电站与多类型充电桩联合布局优化

【目的】当前研究较少考虑中断情景与电动汽车（electric vehicle, EV）用户充电距离,且多是对充电站的选址进行规划。有鉴于此,在中断情景下将研究范畴拓展至充电站与充电桩联合布局优化,以成本最小和距离最短为目标构建了多目标规划模型。【方法】针对问题的NP-hard特性,首先设计了基于K-Means聚类的启发式算法,以快速生成较好的初始可行解,然后提出改进遗传算法求解模型。【结果】通过算例分析,验证了模型的有效性。【结论】所建模型能够有效解决中断情景下的EV充电站与充电桩联合布局优化问题,所提算法在求解精度与稳定性方面要优于已有算法。     

采用自适应最小化置信下限和SMOTE算法的动态代理模型

利用最优拉丁超立方试验进行初始采样，建立基于自适应最小化置信下限和SMOTE算法的动态径向基函数代理模型.将自适应平衡常数引入到最小化置信下限准则中，通过多岛遗传算法对置信下限进行寻优.根据代理模型精度，在最优解处运用SMOTE算法动态地新增样本点，进而更新代理模型，直至收敛.经过数学算例测试后，将该优化策略应用于深潜器耐压舱的优化中，与其他动态代理模型相比，该策略的优化效率和精度显著提高.     

基于全排序与混沌多样性的高维目标进化算法

当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降。针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响。为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布。最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较。结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法。     

基于遗传算法的两阶段铁路桥梁结构损伤识别

采用智能优化算法对结构进行损伤识别时,通常假定实际损伤位置和有限元模型单元划分形式一致。为研究当两者之间存在差异时,对其识别效果的影响,提出了一种新的损伤识别方法。对传统遗传算法中的选择、交叉及变异3种算子进行了改进,并引入灾变和邻域搜索机制。通过一个工程算例对不同损伤工况进行多次独立重复计算,对算法的稳定性和收敛速度进行了分析。此外,还讨论了噪声、测点数目和列车速度对识别结果的影响。结果表明：即使损伤位置与有限元模型的单元划分形式不同,所提方法也能准确定位损伤位置,但会在一定程度上影响定量结果;所提方法收敛速度快,计算效率高于传统的一次识别方法。     

基于差分量子粒子群优化算法的作业车间调度

针对作业车间调度问题(job-shop scheduling problem, JSP)中存在的求解复杂程度高、动态性强等难题,提出基于差分特性的量子粒子群优化算法。量子粒子群算法引入量子机制克服了粒子群算法在全局收敛性上的不足,并采用差分进化思想对粒子状态进行更新,借助变异操作增大种群多样性,对早熟粒子进行交叉选择操作,防止个体收敛到局部极值,进一步采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解,将所提算法与离散粒子群算法、遗传算法以及细菌觅食算法进行实验对比。结果表明,4种算法收敛到FL10算例理论最优解的时间分别为127、134.8、143.5以及141.3 s;而LA36算例的理论最优解为1 268,4种算法所得结果分别为1 294.6、1 457.4、1 374.3以及1 398,且所提算法收敛时间最短。仿真结果表明所提算法能以较快的收敛速度得到最优解,相比于其他算法,寻优速度和精度都有了明显提升。     

一类二层多目标规划的混沌遗传优化算法及其应用

针对求解一类二层多目标规划问题,首先将其转化为等价的单目标规划问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明,算法是有效可行的.     

电力系统优化控制中运行时段的最优划分

研究了用于电力系统短期优化控制的日负荷曲线最优划分的方差最小化数学模型,提出了采用Hooke-Jeeves直接优化法的寻优策略.最优时段划分为电力系统经济运行与控制的实用化提供了基础.算例计算结果证明了所提最优划分模型及算法的有效性.     

机组检修计划多目标的优化模型及仿真

针对国内现阶段发电机组检修计划优化目标单一的问题,提出并建立了一个多目标机组检修计划的优化模型.采用遗传算法进行优化求解,该优化模型可根据不同的情况和需要对发电机组检修计划进行优化调整,基于Matlab仿真平台并通过算例仿真分析,证明了该模型和算法的有效性和实用性.     

二层多目标决策问题的等价变换及其全局优化

针对求解一类二层多目标决策问题,首先将其转化为等价的单目标决策问题,然后利用遗传算法优化的反演性和混沌优化方法的遍历性,并结合精确不可微罚函数求解非线性约束优化问题,提出了求解此类问题的混沌遗传算法.该方法能够有效改善遗传算法的局部搜索能力和搜索精度,求解精度和可靠性较高.实际算例表明是可行、有效算法.