多级圆柱齿轮减速器的混合离散变量解耦优化算法

提出了一种多级圆柱齿轮减速器混合离散变量的优化算法.通过分离各级的耦合关系,把减速器的优化分解成各单级的优化和总传动比分配的优化     

基于混合遗传算法的无人机航线规划

针对航线规划中的路径组合爆炸问题进行了分析和讨论,运用遗传算法提出了解决方案,并对遗传算法的过早收敛问题,结合模拟退火算法设计出航线规划混合遗传算法,改善了算法的性能,最后通过仿真分析验证了其有效性。     

一种基于离散蛙跳算法的旅行商问题求解方法

针对旅行商问题,提出了一种新的离散化蛙跳求解算法.新算法借助蛙跳算法优化机理,采用基于城市序列的编码方式和新的个体产生方法扩展了传统蛙跳算法的求解模型,并结合简化邻域搜索算法给出了改进策略.仿真实验表明了所提算法及策略的有效性.     

高效率多维离散分布随机数生成算法

多维离散随机数在进行计算机仿真中具有重要作用,一般计算机高级语言通常只能给出一维离散随机数,无法满足计算机仿真和实验的需要,如何生成多维离散随机数的研究未见报道,因此提出如何通过均匀分布随机数获得服从任意多维离散概率分布随机数生成的理论和方法,较好的解决了这一问题.     

Internet AS层拓扑节点度分布特性的演化规律

为深入了解和认清Internet拓扑的不变特性和动态规律,讨论大规模复杂网络自相似分形维数的计算方法和重整化过程,给出基于节点度阈值的重整化算法,对Internet AS层拓扑进行重整化,分析Internet AS层拓扑节点度分布特性在重整化过程中的变化规律或趋势.实验结果表明,各重整化Internet AS层拓扑节点度幂律分布的幂指数值是相同或相近的,进而推导Internet AS层拓扑演化过程中近期节点度幂律分布特性的不变特性和早期节点度幂律分布特性的演化规律.     

分布式环境下结构动静态协同优化设计

以液压挖掘机工作装置为例,提出了实现结构动静态优化设计的技术路线,并给出了实现有限元分析参数化建模、协同优化建模和协同优化的方法和策略.通过应用分布式协同优化和结构动静态有限元协同分析等策略,在构建的网络计算环境下成功地实现了液压挖掘机工作装置的协同优化设计,且获得了满意的优化结果.     

基于Ansys液压支架底座拓扑优化

本文基于液压支架整体力学性能分析结果,运用ANSYS中的solid95三维实体单元对支架底座进行三维建模,并在承载条件下对底座进行了有限元分析,得到其应力分布状况。在此承载前提下,利用ANSYS系统自定义好的体积优化函数,设定优化目标和迭代次数,对底座进行优化。优化后的底座在原结构的基础上减少了近5%的重量,达到了节省材料、优化结构的目的。     

基于分治方法与消失矩的快速离散三角变换统一算法

考虑一般的离散三角变换Yk=ak2N∑n=0anxncos[α β(k ω)(n δ)1N]π,当实参数α,β,ω,δ以及an,ak取不同值可以得到包括DCT,DST以及DWT在内各种常用离散正交变换.文中给出了上述变换具有J阶消失矩的充要条件和变换具有一阶消失矩时成为正交变换的充分条件.通过分而治之技术,提出了其中6类离散三角变换的统一快速算法.证明了当参数对应于某类特殊离散变换时,该算法运算量与目前最优算法运算量相同.     

解决批量流水线调度问题的离散微粒群算法

提出了解决以makespan为目标的批量流水线调度问题的离散微粒群优化算法.该算法采用了基于工序的编码方式,设计了新的粒子生成公式,通过局部搜索来提高算法的开发能力,从而使微粒群算法可以直接应用于调度问题.仿真实验表明了上述算法的有效性.     

自适应遗传算法在桁架结构优化设计中的应用

交叉算子与变异算子是遗传算法中产生新个体的主要手段。针对简单遗传算法中交叉概率与变异概率随进化过程恒定不变的缺点，采用自适应的交叉、变异概率研究了针对离散变量结构优化设计的遗传算法。以在应力约束条件下的静定桁架与超静定桁架结构为算例，比较了改进交叉、变异算子前后的优化结果，并将计算结果与满应力设计方法所得结果进行了比较。结果表明，自适应遗传算法对离散变量结构优化是有效的、可行的。     

基于遗传算法的双足机器人上楼梯的步态规划

针对双足机器人上楼梯的步态规划问题,应用三次样条插值合成脚踝的运动轨迹,并基于加速度分析设计出臀部运动轨迹,计算动力学模型得到ZMP轨迹,进而得出机器人步行的稳定性可以表示为关于上体初始位姿的多变量优化问题.最后应用遗传算法(genetic algorithm,GA)求解,获得稳定性好的优化步态.机器人上楼梯的动态步行仿真结果表明,运用遗传算法可以得到合适的优化轨迹.     

一种改进的遗传算法及其在电梯群控中的应用

以电梯群为群控对象,提出了基于改进的遗传算法系统解决方案;采用权向量整体优化方法,得到最优目标函数值,并由此确定了群控对象目标评价函数,提出了一种基于保存策略进化模型（ElitistModel）的遗传算法求解电梯群拉问题的方法．算例及仿真结果对比表明,该方法在小规模应用中,与以往算法相比并无明显优势;但在较大规模的电梯群控仿真中,能效降电梯乘客的等待时间和电梯系统能耗．     

蚁群算法求解函数优化的算法设计

为了求解一般的函数优化,文章在对标准蚁群算法的基础上,引入遗传算法的编码方式,并对蚁群算法的信息素更新进行改进.通过对几个经典测试函数的求解,证明了算法的有效性.     

改进的多目标遗传算法及其在PID优化设计中的应用

该文提出一种多目标遗传算法,采用新的拥挤距离计算方法,改进非支配性的比较方法,并引入双重精英策略,提高了进化效率和解的质量,更有效地保持了解的多样性. 将该算法应用于PID优化设计,使系统可同时兼顾快速性、稳定性和鲁棒性,决策者可根据当前工作需求在所得的Pareto解集中选择最终的满意解. 仿真结果表明提出的设计方法有效.     

一种求解H2/H∞控制问题的局部正交多目标遗传算法

针对H2/H∞多目标控制问题的求解,提出一种新的混合多目标遗传算法,以解决遗传算法局部搜索能力差的不足.此算法首先运行多目标遗传算法,以便使解集快速地达到Pareto最优解附近,然后运用一个新的局部优化算法对先前得到的外部Pareto解集进行进一步的局部优化.实例仿真表明,此算法有较强的全局和局部搜索能力,可以提高搜索的效率,适用于绝大多数H2/H∞多目标问题的求解.     

用于函数优化的层次结构萤火虫群算法

基于人工萤火虫群优化算法,参考人类社会商业组织中的分层管理模式,将人工萤火虫群随机地分布在 一个层次结构中,并在过程中加入变异因子,改进基本人工萤火虫群优化算法,提出用于函数优化的层次结构人工 萤火虫群优化算法. 对4个标准函数的测试表明,层次结构萤火虫群算法在高维函数优化方面比基本人工萤火虫群 优化算法性能更优.     

基于非精确信息的QoS组播路由遗传算法

提出了一种新的启发式遗传算法以求解基于非精确状态信息的QoS组播路由选择问题.该算法以基于非精确状态信息的单播QoS路由算法PC-ISI (premise-controlled,inaccurate state information)为基础,将基于非精确状态信息的QoS组播路由问题与遗传算法有机结合,通过初始群体的筛选、自适应罚函数的运用以及启发式交叉和变异等一系列策略,能有效地提高算法的搜索能力和收敛速度.仿真实验也说明该算法性能良好.     

基于混沌克隆的混杂多目标免疫优化算法

针对遗传算法求解高维多目标问题时易于早熟、陷入局部搜索等缺点.本文借鉴生物免疫系统的混沌现象及其自适应性和并行性,提出一种混杂多目标免疫优化算法(HMIOA).算法基于混沌映射产生初始抗体群并利用混沌规律克隆优秀抗体;根据抗体的被控度和抗体间的拥挤距离设计抗体的亲和力;算法在进化过程中对不同子群采取不同突变方式;借助Average linkage聚类法更新记忆细胞等.数值实验中,选取两种著名的多目标进化算法和一种克隆选择算法,应用于4种不同类型的高维多目标优化问题,比较结果表明:HMIOA所获Pareto有效面较大的控制其他算法所获Pareto有效面,且有效面的分布较均匀.