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.     

基于遗传算法的斜拉桥基准模型参数修正方法

健康监测对于斜拉桥结构全寿命的安全使用十分重要,而使用传感器采集斜拉桥数据进行健康监测存在盲区.结合Benchmark模型对桥梁结构进行监测,能够在给定状态下,比较和评价不同的健康监测方法标准,对桥梁的设计、运营以及管养等方面有重要意义.本文基于背景工程,提出用于斜拉桥结构健康监测的基准模型.首先,使用Matlab建立斜拉桥的鱼骨梁简化有限元模型,并建立斜拉桥的板壳单元精细模型,作为简化补充模型和模态矫正模型;其次,采用正交试验设计,对建模过程中的待修正参数进行斜拉桥动力特性参数的显著性分析;最后,基于遗传算法对模型参数进行修正,提出了动态自适应技术和并列选择的方法优化遗传算法结构,干涉遗传选择过程,并赋予初始种群更高的离散性,与调用GA函数的方法对模型进行修正进行比较,验证了改进后的遗传算法具有更高的计算效率,模态参数误差较小.     

基于遗传算法的模型参数选择

企业求解复杂问题往往求助于智能决策支持系统,而智能决策支持系统要在用户给出各参数后,为其选择模型结构、确定模型参数.本文探讨利用遗传算法实现对具体问题模型参数的选择方法.     

基于基本遗传算法的PID参数整定

多目标优化问题一直是控制领域的重要研究问题。本文主要利用基本遗传算法来解决其中的参数优化问题。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,采用轮盘转的方法提高遗传算法的全局优化能力。最后,通过MATLAB仿真结果表明,根据遗传算法寻优设计的PID控制器比人为的通过调试或经验取得的数据更有说服力,控制效果更好。     

基于频响函数的模型修正方法

提出了一种新的基于频响函数的模型修正方法.该方法不但避免了模态分析过程,以设计参数为修正对象,而且不需要将有限元模型的频响函数与实验测得的频响函数进行匹配,仅需要少量实测的频响函数数据即可完成模型修正过程.通过桁架结构的模型修正算例表明,采用该模型修正方法在噪声的干扰下仍然能够获得理想的修正结果,证明了方法的有效性.     

基于精确目标罚参数的遗传算法

结合一种精确目标罚函数和遗传算法,提出新的算法;算法能将约束优化问题转化为无约束优化问题,同时具有遗传算法的全局搜索能力,避免陷入局部收敛;给出并讨论了精确罚定理,实验结果表明了算法的有效性.     

修正剑桥渗流耦合模型参数的估计

修正剑桥模型在国内外应用相当广泛 ,其与Biot固结理论耦合构成渗流耦合模型 .该模型含有 5个参数 ,若直接对其进行反分析结果不甚理想 .为此以上海地区软土为研究对象 ,回归得到了修正剑桥模型的压缩指数λ、回弹指数κ和应力比M与塑性指数Ip 之间的相关关系 ,相关系数分别为 0 .96 ,0 .98和 0 .92 .这样使修正剑桥渗流耦合模型参数由原来的 5个减少到 3个 .编制相应的基于遗传算法的反分析程序 ,对一高速公路路堤工程进行参数的反分析及位移预测 ,显示结果与实测位移值比较吻合 ,反分析效率较高 .同时又提出了根据土性和软硬程度在反分析之前给出泊松比的设想 ,以进一步提高反分析效率     

基于遗传算法的海气耦合模型参数反演

为了提高模型参数反演效率和精度,基于遗传算法和系统优化思想,从一个简单的海气耦合模式出发,反演模式参数和强迫项.试验结果表明:遗传算法和系统优化结合的方法,可以有效优化模式参数和强迫项,进而修正模式的预报误差.同时,该方法具有参数反演过程不与模型结构发生耦合,计算量小和操作性强、反演效率高等优点,为在实际应用中改善模式参数和初值、提高预报准确率提供了一个可借鉴的方法和途径.     

基于遗传算法的半导体器件模型参数提取

随着半导体器件特征尺寸的缩小,半导体器件模型也变得越来越复杂,模型参数个数急骤增加,目标函数自变量空间的维数也变得越来越大,传统的一些基于梯度的参数提取方法已经不能很好地解决问题。遗传算法是一种应用基因工程和人工智能模拟的优化算法,近年来在半导体器件模型参数提取领域被广泛使用,这种方法能有效地克服传统参数提取方法中的一些困难。详细阐述了采用遗传算法提取半导体器件模型参数的原理,同时也指出了采用这种方法提取模型参数时的缺点和目前的一些解决方法。     

结构静力有限元模型修正中的目标函数构造分析

阐述了利用静载试验成果、进行结构静力有限元模型修正的一般的过程,在分析其修正优化目标函数构造主要影响因素的基础上,提出了综合考虑结构试验荷载测试误差、静力试验响应测试误差和响应类型差异(数值大小差异)的目标函数构造方法,并通过简支梁静载试验的数值算例进行了应用验证.     

基于遗传算法的钢结构优化设计

遗传算法是20世纪70年代初期基于生物技术而发展起来的一种新型智能优化方法。探讨此方法应用于建筑钢结构设计不仅改变了传统的设计观察，而且可以丰富钢结构优化设计理论和方法，在经济建设中取得显著效益。建立以重量（造价）最小为目标的钢框架结构梁、柱的数学模型，采用二进制编码，通过执行遗传算法的选择、交叉和变异算子，实现对结构的优化设计。编制了分析程序，并分析了算例。     

基于关键帧背景更新策略的运动目标检测算法

近年来,视频序列图像中的运动目标检测在智能监控、视频压缩、自动导航、人机交互、虚拟现实等许多领域中的应用越来越广泛.论文提出了一种基于关键帧背景更新策略的运动目标检测算法,该算法采用视频序列中提取的关键帧作为背景,通过关键帧统计平均实现背景更新,结合矩阵像素差分和阈值判定来进行运动目标的检测.通过实验表明,本文提出的方法与典型的背景差检测相比,能够在一定程度上减少噪声的影响,提高运动目标检测的准确度.     

一种关联规则增量更新算法

关联规则是数据挖掘领域的一个重要分支,而发现频繁项目集是关联规则数据挖掘中的关键问题.频繁项目集是在给定的交易数据库D下满足最小支持度和最小置信度下的一个项目集合,但随着数据集的增减,就会产生不同的频繁项目集.如何发现在数据集变化情况下频繁项目集快速和高效地更新是文中解决的问题.为此提出了一种改进的增量更新算法,实验结果表明此算法有较好的效果.     

基于模板更新的深层孪生网络跟踪算法

针对跟踪过程中因尺度变化、遮挡及运动模糊等造成的目标定位不准确问题,在SiamFC(fully-convolutional siamese network)的跟踪框架基础上提出了一种具有高置信度模板更新机制的深层孪生网络目标跟踪算法.首先,主干网络采用ResNet-50残差网络进行特征提取,并融合多层特征图进行目标预测;其次,为避免模板频繁更新带来的模板漂移问题,构建了高置信度的模板更新模块.在OTB100数据集上的实验结果表明,相比基准算法,文中算法的跟踪成功率和精确度分别提高了3.4%和2.6%;在多种挑战因素下的对比实验表明,文中算法可以较好地抵抗目标遮挡、尺度变化、运动模糊等多种复杂因素带来的影响,有很好的鲁棒性.     

资源优化模型及遗传算法

在网络计划中提出了资源优化问题,并建立了资源优化数学模型.同时,指出现代优化算法是求解资源优化模型的主要算法,并使用遗传算法对资源优化模型进行求解.此遗传算法与传统的遗传算法有所不同,第一是根据资源优化过程的特点设计的独特的杂交概率和变异概率,可以既尽快获得最佳模式又扩大搜索范围,避免早熟现象的发生;第二是引进了检查和修复算子以保证杂交和变异的子代满足可行性的要求;最后给出了算例以验证算法的有效性和正确性.     

一种挖掘序列模式的增量式更新算法

讨论了当从序列数据库中删除某些信息时，序列模式的更新维护问题。提出了一种新的算法MA_D（Maintaining Algorithm while Deleting information）, 处理因数据库更新而引起的序列模式的维护问题。该算法充分利用在前次模式挖掘过程中得到的信息，降低了挖掘新的序列模式的开销。实验分析表明，该算法对于序列模式的维护是十分有效的。     

多层次关联规则的增量式更新算法

目前已经提出的许多关联规则发现算法,大多数用于高效地发现大规模数据库中的关联规则,而对关联规则维护问题的研究工作却很少.文章提出一种增量式更新算法--IUPA(Incremental Updating Algorithm),用来解决多层次关联规则高效更新问题.     

带状无约束优化问题的对角线修正解法

带状无约束优化问题的对角线修正解法王宇（工程力学研究所）关键词优化；带形矩阵；分解；牛顿法／无约束分类号：Ｏ２２１．２；Ｏ２４１．７在非线性结构分析和结构优化中，经常出现求函数的极小值点的问题，亦即求ｍｉｎｆ（ｘ），ｘ∈Ｒ￣ｎ（１）的解；其中非线性目...     

A new incremental updating algorithm for association rules

Incremental data mining is an attractive goal for many kinds of mining in large databases or data warehouses. A new incremental updating algorithm rule growing algorithm (RGA) is presented for efficient maintenance discovered association rules when new transaction data is added to a transaction database. The algorithm RGA makes use of previous association rules as seed rules. By RGA, the seed rules whether are strong or not can be confirmed without scanning all the transaction DB in most cases. If the distributing of item of transaction DB is not uniform, the inflexion of robustness curve comes very quickly, and RGA gets great efficiency, saving lots of time for I/O. Experiments validate the algorithm and the test results showed that this algorithm is efficient.     

A new incremental updating algorithm for association rules

Incremental data mining is an attractive goal for many kinds of mining in large databases or data warehouses. A new incremental updating algorithm rule growing algorithm (RGA) is presented for efficient maintenance discovered association rules when new transaction data is added to a transaction database. The algorithm RGA makes use of previous association rules as seed rules. By RGA, the seed rules whether are strong or not can be confirmed without scanning all the transaction DB in most cases. If the distributing of item of transaction DB is not uniform, the inflexion of robustness curve comes very quickly, and RGA gets great efficiency, saving lots of time for I/O. Experiments validate the algorithm and the test results showed that this algorithm is efficient. 