圆度误差评定中最小区域圆法的计算机叠代算法

在圆度误差测量中,对误差的评定是重要的一环,目前国标中规定有4种评定方法,其中最小区域圆法为推荐使用的方法.在用计算机实现圆度测量的过程 中,首先要解决的就是评定方法的算法,本文论述了一种最小区域圆法的计算机优化叠代算法,并给出了用C 语言实现其算法后的结果.     

空间直线度包容评定的线性逼近算法

建立了空间直线度最小包容评定的数学规划模型，提出了空间直线度评定的线性逼近算法．算法以近似的线性规划模型的迭代运算，结合空间坐标变换去逼近精确的非线性规划模型的最优解．构造了适用于计算机判别的最优条件判别数．大量的计算实验证明该算法具有高精度的特点     

LSM算法评定空间直线度误差的分析与改进

为了有效地提高评定空间直线度误差的精度,运用几何学、误差理论和最优化原理,深入分析了LSM算法在空间直线度误差评定中所存在的原理缺陷;并改进了LSM算法,提出了改进LSM算法的数学模型.对改进LSM算法编制程序进行了数字实验,结果表明:改进LSM算法克服了LSM算法的原理缺陷,具有较高的精度.     

圆度误差评定中最小区域圆法的计算机叠代算法

在圆度误差测量中，对误差的评定是重要的一环，目前国标中规定有4种评定方法，其中最小区域圆法为推荐使用的方法，在用计算机实现圆度测量的过程中，首先要解决的就是评定方法的算法，本文论述了一种最小区域圆法的计算机优化叠代算法，并给出了用C语言实现其算法后的结果。     

评定圆度误差的一种快速算法

根据最小区域法的判别准则,本文运用了一种快速准确的算法,直接确定出最小区域圆圆心的移动方向和合适步长,使得圆度评定的速度大大提高,算法精度也得到了提高.     

基于CAD模型的NURBS形状公差评定

为了对曲面零件的加工精度进行高精度检测,提出一种形状公差评定的新方法———基于CAD模型的NURBS形状公差评定。实现了各种标准解析曲面和自由曲面形状加工精度统一地高精度检测。采用NURBS统一的表达式精确地表示各种标准解析曲面和自由曲面;利用NURBS统一的表达式研究CMM测量点云和名义CAD模型统一的最佳匹配算法;比较测量点云和名义CAD模型的法向偏移量即曲面形状误差,且用图形直观显示。最后进行计算机仿真实验,实例验证算法可行性。     

空间带端面圆的圆度误差评定方法

为实现平行双关节坐标测量机快速、准确的评定空间中任意位置带端面圆的圆度误差,基于最小二乘法原理,提出一种利用空间三维坐标信息进行圆度误差评定的算法。该算法可运用于坐标测量机软件中,并将传统三坐标测量机对特殊圆形工件的多步测量简化为一步测量。程序运行结果表明,该算法是准确可靠的。这为方便、快捷的评定特殊圆形工件提供了技术支持。     

基于遗传算法的复杂平面曲线轮廓度误差评定

针对不规则曲线轮廓度误差评定中存在的问题,提出了一种基于非均匀有理B样条(NURBS)插值与遗传算法相结合的复杂曲线轮廓度评定方法,对离散数据点表示的理论轮廓进行3次NURBS插值反算控制点,建立了理论轮廓曲线的数学模型;采用实数编码的遗传算法求解测量点与理论轮廓曲线位置偏差,消除了由于位置偏差引起的轮廓度评定的不精确问题;阐述了测量点到理论轮廓最短距离的求解算法和步骤。实验结果表明该方法能够快速获得较好的误差评定结果。     

基于微粒群算法的叶片曲面形状误差评定

以涡轮机叶片型面的形状误差评定为例,利用NURBS曲线插值构造出截面设计曲线,提出一种四控制点法构造与测量点最近的NURBS截面设计曲线,建立了计算曲面形状误差的数学模型,并应用微粒群算法计算测量点到曲面的最短距离,实现了曲面形状误差的评定。通过与传统的BFGS和DFP优化方法的计算结果进行比较,表明该方法能快速准确地计算叶片曲面的形状误差。     

三维坐标点集的空间直线度高精度快速评定

针对3维坐标点集合空间直线度误差评定时出现的精度不高、评价效率低的问题,提出一种具有较高精度和较好鲁棒性的3点高精度快速算法(3PHFA).该算法依据国家标准规定的空间直线度有效判别形式,通过3维最小二乘法(3DLSA)拟合、空间坐标转换、坐标投影和确定最小包容圆(MCC),并最终确定最小包容圆柱面(MCS).通过在3DLSA基础上增加高效搜索算法,空间直线度评定精度提高约20%,耗时1s以内.对比不同评定算法表明:3PHFA具有效率高、精度高、鲁棒性好的优点,其误差评定精度全面优于3DLSA,适用于三坐标测量机(CMM)这类实时处理系统,具有良好的实用价值.     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

TSP问题的一种快速近似算法及应用

给出求解度约束最小生成树(DCMST)问题的一种快速近似算法．在此基础上．又给出求解TSP问题的一种快速近似算法,并在微机上实现且其数值试验的效果良好．最后,将求解TSP问题的近似快速算法作一些改进．应用于遗传算法的初始种群生成并进行数值实验．结果表明,用文中算法生成的初始种群．比起一般方法产生的初始种群性能有很大改进．该算法可以加速遗传算法的寻优速度．     

加强局部搜索能力的人工蜂群算法

针对人工蜂群算法在求解过程中存在收敛速度慢、易陷入局部最优解等缺点,提出了基于加强局部搜索策略的人工蜂群算法(ABC Based On Enhancing Local Search Ability,LSABC).一方面,在雇佣蜂搜索阶段,利用两种不同的搜索公式得到两组解,并将适应度最佳者作为候选解,增加解的多样性;同时...     

精化Arnoldi算法的截断版本

给出了精化Ａｒｎｏｌｄｉ算法的截断版本－精化不完全正交化方法，并分析了该算法敛性。分析结果表明：分析结果表明：如果不完全正交化过程得到的基向量线性无关性较强，则截断算法具有计算量，存储量少，且收敛快的优点。     

基于动态双种群粒子群算法的柔性工作车间调度

针对标准粒子群优化算法存在易陷入局部最优点的缺点,提出了一种基于动态双种群的粒子群优化算法(DPSO).DPSO算法将种群划分成两个种群规模随进化过程不断变化的子种群,两个子种群分别采用不同的学习策略进行进化,并在进化过程中相互交换信息.该算法提高了全局寻优能力,有效地避免了早熟收敛的发生.将以DPSO算法为基础的排序算法和启发式分配算法(HA)相结合形成了解决柔性工作车间调度问题的新方法(DPSO-HA).通过对算例的研究和与其他方法的比较表明,该方法是有效可行的.     

框式凸二次规划原始-对偶势下降内点算法

基于线性规划原始-对偶内点算法的思想,对框式凸二次规划提出了一种新的内点算法-原始-对偶势下降内点算法.算法取牛顿方向作为迭代方向,利用势函数选择迭代步长,并证明了新算法具有O(nL)的迭代复杂性.     

基于改进免疫遗传算法的水电站优化调度应用研究

根据免疫算法的生物学机理,提出了一种改进的免疫遗传算法.该算法将微粒群算法作为免疫算法的全局搜索策略,提高算法的全局搜索能力;利用逐步优化算法对免疫算法的控制策略进行进化操作,提高算法的局部搜索能力;利用免疫算法本身基于浓度的自我调节机制,提高群体的多样性,避免算法过早陷入局部最优解.最后给出了该算法实现的具体步骤,并将其应用于水电站的优化调度中,取得了较为满意的结果,且与动态规划、遗传算法、免疫算法和微粒群算法等比较,验证了算法的有效性和优越性.     

凸二次规划的不可行内点算法

给出了一个求解凸二次规划的不可行点内点算法，算法的初始迭代点为非负不可行内 ，证明了算法的全局收敛性。该算 法可以看作是Ｋｏｊｉｍａ算人关于线性规划算法的推广，也可以看作是Ｍｏｎｔｅｉｒｏ等人关于可行内点算法的推广。     

BP神经网络算法的一种改进

为了减小标准BP算法中迭代次数并提高其收敛速度，提出了将负梯度下降法与DFP变尺度算法相结合进行权值修正的方法，在误差寻优初期，首先采用标准BP算法进行迭代，每迭代一次的工作量较小、所需存贮量较少，且对初始点的要求不高。当寻优过程开始接近最优时，更改寻优算法，即使用DFP变尺度算法。最后，通过MATLAl3实现。结果表明改进后的BP算法减少了迭代次数，提高了寻优的收敛速度。