基于施工机械配置优化的施工噪声管理方法

城市地下工程施工机械种类多、数量大,易导致施工噪声扰民问题。为此,提出了一种基于施工机械配置方案优化的施工噪声管理方法。首先,分析了施工过程中的主要噪声源并建立噪声源模型。其次,分析了施工噪声暴露诱发的健康效应终端并确定其暴露-反应公式。最后,构建了以施工噪声健康损害成本、工期、成本和质量为约束的施工机械配置多目标优化模型。在此基础上,以武汉市某隧道工程项目深基坑施工为例,采用遗传算法改进量子粒子群算法求解模型。结果表明,该方法在实现施工降噪的同时可满足施工效率的要求,因而具有可行性与实用性。     

舰船特装器材多目标优化配置方法

 针对舰船海上执行任务期间随舰特装器材的保障问题,研究了特装器材的多目标优化配置方法。结合舰船特装器材保障的实际特点,以器材的体积、质量、费用为约束条件,以保障概率和利用率为优化目标,建立多目标多约束特装器材优化配置模型,并改进多目标粒子群算法,保证全局范围粒子多样性,避免算法过快收敛,以求得全局最优解。通过实例对比改进粒子群算法与标准算法的计算结果,分析不同指标权重比组合下的最优配置方案、不同约束条件下的多目标变化趋势,证明了改进粒子群算法的稳定性和多目标优化模型的实用性。     

基于膝点驱动进化算法的工程施工多目标优化

在传统的工期-成本施工优化体系上引入安全水平和环境影响两大目标,构建施工工期-成本-安全-环境多目标优化模型,采用膝点驱动进化算法KnEA进行多目标寻优。首先,构建工期-成本-安全-环境目标函数,其中安全目标函数的构建采用网络系统理论,构建工期-安全、成本-安全函数,环境目标函数考虑项目对环境的直接影响和间接影响; 然后,以工期天数、直接成本为输入,进行KnEA模型的参数设置,选取典型工程项目施工工序组合构建施工多目标优化模型。最后,利用KnEA算法求解,得到使工期-成本-安全-环境综合最优的工序执行模式组合的帕累托最优解集,与典型优化算法对比,验证了knEA算法在工程施工多目标优化中的有效性,从而证明了本文能有效指导施工过程的优化管理。     

路面工程机械化施工机群选型与优化配置

路面工程机械化施工机群的选型与优化配置在路面施工中占有非常重要的位置,它直接关系到工程的质量、进度,关系到企业的经济效益。本文首先对路面工程机械化施工主要机械群配置的影响因素进行分析,然后提出了路面工程机械化施工机群选型与优化配置的一种模型建立方法,并结合实例进行计算,最后得出结论:路面工程机械化施工机群选型与优化配置需要我们不断建立模型去探索,以达到将这些机械群联合起来,发挥最大的经济效率的目的。     

考虑风险因素影响的引水隧洞施工方案优选

为了综合考虑活动时间随机变化、施工机械故障以及塌方、涌水等风险对引水隧洞施工方案优选的影响,实现施工方案的合理选择,提出考虑风险因素影响的引水隧洞施工方案优选方法。该方法建立考虑风险因素影响的隧洞施工方案优化模型;采用Levy飞行自适应混沌粒子群(LFACPSO)优化算法来求解优化模型以获得Pareto方案集,该算法引入Levy飞行来提高粒子跳出局部最优的能力,同时采用混沌算法来初始化粒子,并自适应地调整粒子惯性权重系数;采用直觉模糊熵权幂平均(IFEWPA)方法,在考虑专家评价犹豫度的条件下从待选方案集中优选出最终方案。工程实例应用表明,相比不考虑风险影响的施工方案仿真进度和计划进度,综合考虑风险因素影响的仿真进度更贴近工程实际,证明了考虑风险因素影响的引水隧洞施工方案优选方法的有效性;与自适应混沌粒子群(ACPSO)算法、粒子群优化(PSO)算法和带精英策略的非支配排序遗传(NSGA-Ⅱ)算法相比,LFACPSO算法所得的Pareto优化方案数量平均值最大,标准差最小,表明了LFACPSO算法的优越性与鲁棒性。     

建筑物碳排放量和成本的优化设计研究

建筑行业的碳排放量是全球碳排放量的第二大主体.由于建筑物的碳排放量和成本有着密切的关系,因此设计优化时需同时考虑碳排放量和成本两个变量以寻求降低碳排放量和成本的最佳方案.本研究提出基于建筑信息模型(BIM)技术模拟建筑物的能耗和碳排放量,以及通过统计建筑物工程量进而快速准确地计算出全寿命周期碳排放量和成本的数值,然后基于粒子群算法(PSO)对全寿命周期碳排放量和成本同时进行多目标优化,最后选择最优的设计方案,以促进建筑业的可持续发展.     

不确定需求下考虑混合时间窗的多式联运路径优化

针对多式联运运输网络复杂等问题,提出一种基于不确定的客户需求,引入混合时间窗约束,以总成本、碳排放量最小为优化目标的多式联运优化模型,运用三角模糊数以及机会约束规划理论对模型进行清晰化.考虑粒子群算法的局限性,将模拟退火算法的思想与其结合,对基本粒子群算法进行改进.通过实例分析以及运用灵敏度分析法,分析了运量的不确定性...     

一种融合梯度信息的粒子群优化算法

针对粒子群优化算法(PSO)存在盲目搜索、收敛速度慢的问题，提出一种融合梯度信息的改进粒子群优化算法，简记为GIPSO(Gradient Information based PSO)。利用目标函数的梯度信息指导粒子朝着适应值更低的方向搜索，可有效避免粒子的盲目搜索行为。首先，在线性权重粒子群算法的进化公式中嵌入目标函数的梯度信息，有效提升了改进方法的收敛精度；其次，随机选择一半的粒子使用含有梯度信息的速度进化公式以降低算法的计算量，在标准测试函数上的仿真实验结果表明，GIPSO算法在收敛速度与收敛精度方面，均优于基本PSO算法，线性权重衰减PSO算法，正太分布权重PSO算法等传统方法。     

基于偏好的多目标粒子群优化的结晶器预测控制

针对结晶器出口温度和液位控制问题,提出了一种基于改进的偏好多目标粒子群优化的非线性预测控制算法（IMPSO-NPC）。改进的偏好多目标粒子群优化算法（IP-MPSO）将参考点偏好算法和参考区域偏好算法融合在一起,在参考点和参考区移动过程中动态调整参考区,控制解集的偏好范围。另外,为了选取粒子群全局最优粒子,提出一种球扇占优的策略,提高了粒子群的搜索能力。将改进算法应用于结晶器的控制过程,仿真结果证明了其有效性和可行性。     

基于粒子群的多目标多执行模式项目调度

聚焦多目标多执行模式特点下的项目调度问题,通过建立工期、费用、资源和质量多目标函数,构建综合优化模型,同时运用粒子群算法解决工程项目多目标多执行模式优化问题.最后,通过一个应用实例计算,表明粒子群算法可以准确快速地解决该模型下的工程项目多目标优化问题,达到了项目调度中面对不同模式进行抉择,并且缩短工期、减少成本、均衡资源以及提升质量的综合的理想效果.     

浅析关系数据库性能优化技术

在数据库系统的运行过程中,随着数据量的增加,各方面性能都会逐渐下降。为了提高数据库性能,可以从优化数据库设计、存储方案、索引设计和并发控制等多个方面入手来解决。适当程度的非规范化可以改善系统的查询性能;将数据均匀分布在磁盘上可以提高I／O利用率,提高数据的读写性能;建立索引和编写高效的SQL语句能有效避免低性能操作;在编程过程中充分考虑并发控制可能导致的不一致性问题,会有效避免死锁的发生,解决性能的瓶颈。     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．     

企事业过程模型自动模拟和优化算法

使用适合的优化算法,并依靠计算机的不断模拟执行,企事业过程模型可以得到一定程度的改善和提高。简要介绍了最优化方法和常用的优化算法,着重阐述了企事业过程模型的参数优化问题中所采用的优化算法。     

多目标混合混沌优化算法研究及应用

为了求解多目标优化问题,提出一种基于混沌搜索的多目标模糊混沌优化算法．将混沌优化方法与模糊优化方法有机地结合起来,应用混沌优化算法求出各个单目标的最优解;将各最优解模糊化;应用模糊非对称方法的思想和模糊集合理论中的最大满意度原理,将多目标优化问题转化为单目标非线性规划问题;最后应用混沌优化算法求解单目标优化问题,得到满意度最大的解．结果表明,所提出的多目标模糊混沌优化算法是可行和有效的,为求解多目标优化问题提供了一种新的有效方法．     

平面绞链四杆机构的改进微粒群算法优化设计

文章介绍了微粒群优化算法的原理，提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。     

机械结构多级优化的问题与对策

本文讨论了结构优化,尤其是结构方案阶段优化中所存在的问题,指出了结构系统优化与多级优化的区别与联系,分析了研究结构多级优化的必要性与可能性。接着以系统科学及设计方法学的思想为指导,提出将结构优化分为截面、形状、布局、拓扑及形式优化五个层次,并总结了一种解决复杂机械结构多级优化问题的一般对策,讨论了开展结构多级优化所需工具软件等相关问题。     

结构拓扑及参数优化研究的发展

首先介绍了关于结构优化的基本问题,然后按其分类方式阐述了各种优化方法的研究现状,最后对结构拓扑优化中的常用算法及其常见的数值不稳定现象进行了分析.     

电力系统多目标无功优化研究

在传统无功优化模型的基础上,引入了静态电压稳定性指标,建立了综合考虑系统有功网损最小、静态电压稳定裕度最大和电压水平最好的多目标无功优化模型.基于Pareto最优概念的改进多目标粒子群算法应用到多目标无功优化的求解中,对IEEE30节点统进行了仿真计算.优化结果表明,该模型在实现系统经济运行的同时也增强了电网的电压稳定同时求得的一组最优解能够为优化方法的决策提供更多的有效参考,具有实际意义.     

结构多目标模糊优化初探

将结构设计中的多目标优化和模糊优化结合起来,试图寻找一种处理这类问题的数学模型及求解的方法。     

一种改进PSO算法的电力系统无功优化方法

粒子群优化（PSO）算法是一种新兴的群体智能优化技术,其思想来源于人工生命和演化计算理论,PSO通过粒子追随自己找到的最优解和整个群的最优解来完成优化．该算法简单易实现,可调参数少,已得到广泛研究和应用．本文将粒子群优化算法应用到电力系统无功优化问题的研究中,给出了具体的实施流程．为提高PSO的搜索能力,对PSO进行了改进,在算法中加入了第3种极值指导粒子搜索方向．对IEEE-6节点系统的仿真计算结果表明了算法的有效性．