基于LHS抽样的边坡可靠度有限元分析

基于拉丁超立方(LHS)抽样在有限元软件ABAQUS中开发了边坡可靠度自动计算的算法,通过交互输入可靠度计算的参数,即可简单方便地计算出边坡的可靠度.再通过算例,对边坡可靠度的计算算法进行了检验,研究了输入参数对于边坡可靠度的影响.结果表明:开发的边坡可靠度自动计算算法是可靠的,可以高效准确地计算出边坡的可靠度.模拟次...     

基于遗传算法优化独立分量分析

本文主要结合遗传算法全局收敛的特点优化独立分量分析,通过实验表明该算法有良好的算法性能和分离效果．     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

地下水抽水方案设计的抽样技术研究

抽水试验是水文地质学中的一项重要工作,实际工作中的可行的抽水方案数量众多,这就需要运用科学合理的抽样方法来选择出有限的、典型而有代表性的抽水方案。拉丁超立方抽样(Latin Hypercube Sampling,LHS)提供了一种有效的从多元参数分布中抽样的方法。本文介绍了拉丁超立方方法的数学原理及计算步骤,并应用这种方法进行了实例研究。     

基于遗传算法实现自动组卷的数据库设计思路

当前为了减轻阅卷人员的工作量，提高其工作效率，许多考试都在使用电子考试系统。而电子考试系统中大部分都涉及到了由计算机自动组卷的操作。所谓自动组卷，就是根据用户的要求，采用一定的算法自动地从试题库中抽取一定数量的试题组成试卷。遗传算法是一种并行优化算法，它很适合解决自动组卷问题。同时，为了保持系统数据的整体性．完整性和共享性，考试系统毫无例外地得依靠数据库平台的支持。那么如何使得数据库尽可能地适应算法的需要就成了一个值得考虑的问题。     

加速DACE的EGO算法

在函数最优点求解问题中,如果函数表达式很复杂(或黑箱问题),很难利用常用的优化算法求解全局最优点。这时需要先用插值或拟合函数去逼近原函数,然后对新的逼近函数求最优点,进而得到原函数的最优点。基于上述思想,Jones等人于1989提出了EGO(Efficient Global Optimization)算法。EGO算法不足之处在于:它浪费了一个采样点判断EGO算法是否满足终止条件,寻求EI最大值点的收敛速率不高,算法终止条件选择不佳,不能保证估计值的最小点(即EI最大值点)是原函数的内点。针对EGO算法的不足之处,提出了改进的加速EGO算法。仿真实验表明,SEGO极大地节省了运算时间,并且能获得任意精度的全局最优点。     

基于量子遗传算法的子空间拟合测向

针对子空间拟合算法对独立信源和相干信源求解过程中,多维搜索运算量大的问题,通过采用实数编码的量子位表示染色体和用量子旋转门更新量子位的方法,提出一种实数编码的量子遗传方法(RC-QGA)来实现加权信号子空间拟合(WSSF)测向,从而有效地降低传统算法的计算量.还研究了WSSF算法的一维解相干性能和二维波达方向(DOA)估计性能.实验仿真表明,RC-QGA方法在进化代数为10时就可以达到收敛,有效提高了传统遗传算法的收敛性能,并且具有计算量小和估计性能优良的特点.     

研制阶段装备使用可用度综合评价方法

针对研制阶段装备使用可用度难以评价的问题,提出了一种将试验设计、仿真建模、回归树分析相结合的综合评价方法。首先,基于离散事件仿真软件Arena建立两级维修保障模式下单部装备使用可用度仿真模型；然后,采用拉丁超立方抽样完成仿真输入想定的设计；最后,在运行仿真模型获得使用可用度输出数据的基础上,应用回归树模型确定了影响使用可用度的关键因素,并进行了实例分析。结果表明:该综合方法在保证仿真精度的同时减少了抽样次数，能对装备使用可用度进行仿真预计和敏感性分析,可用于研制阶段装备保障性试验与评价。     

3P抽样与πPSWOR抽样的精度比较

证明在超总体模型下，当Ｎ充分大时，３Ｐ抽样的比率估计量与πＰＳＷＯＲ抽样的Ｈｏｒｖｉｔｚ－Ｔｈｏｍｐｓｏｎ估计量的精度近似相等。     

基于遗传算法和抽样反分析法的结构参数辨识

提出基于遗传算法的多层建筑结构参数辩识方法，并与抽样反分析法进行比较，进而在辩识的基础上进行结构响应预测。结果表明，对单自由度或辩识精度要求不太高的结构参数辩识，宜采用抽样反分析法；对自由度多或辩识精度要求高的参数辩识，粗采用遗传算法。遗传算法的辩识精度较高，预测较准确。     

一种基于拉丁超立方采样的概率最优潮流算法

在概率最优潮流的求解技术中,随机采样的蒙特卡罗法因其在大规模采样的情况下求解精确度高,而被广泛应用。本文采用拉丁超立方采样和蒙特卡罗法相结合的技术处理含多随机变量因素的概率最优潮流问题,并将其运用于分析随机变量的波动对系统发电成本影响的计算中。通过IEEE-14和IEEE-118节点测试算例的分析表明,采用拉丁超立方采样能改善采样值的分布空间,在采样规模较低的情况下能够给出精确的统计结果,较随机采样的蒙特卡罗法具有应用优势,可以替代随机采样的蒙特卡罗法,作为评价其他算法优劣的标准。     

一种求解TSP问题的均匀设计抽样混合遗传算法

旅行商问题是经典的NP-hard组合优化问题,在许多领域有着重要应用。近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想。基于理想浓度模型的机理分析,利用均匀设计抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在旅行商问题特点的基础上,结合2-opt局部搜索策略,给出了一个解决旅行商问题的新的遗传算法。通过将该算法与简单遗传算法和佳点集遗传算法进行实例仿真比较,可以看出新算法在求解旅行商问题上提高了求解的质量、速度和精度,而且避免了其它方法常有的早期收敛现象。     

基于GA的计算机数学试验Mm-LH设计

将遗传算法(ＧＡ)引入到计算机数学试验(ＣＥ)的研究中,在ＭｍＬＨ设计空间,给出新的位串编码规则及相应的遗传操作,从而得到一个构造ＭｍＬＨ设计的有效方法,与传统方法相比,它具有更高的构造效率比,并可将其用于其它准则的设计研究与构造中·     

基于并行量子遗传算法的QoS组播路由方法

通信网络时延受限且满足带宽要求的最小代价组播树问题是NP完全问题,传统方法难以求解,一般采用启发式方法求解.提出了一种基于并行量子遗传算法的服务质量(QoS)组播路由算法,算法中将各个子群体独立地并行进化,并通过相邻子群体间的信息交换实现克服早熟,避免局部收敛的目的,还提出了一种新的动态旋转角调整策略,使算法具有更好的种群多样性和全局寻优能力.仿真实验表明,新算法在求解性能上优于遗传算法(GA)和采用静态旋转角的量子遗传算法(QGA).     

混合遗传算法的研究现状

简要介绍了遗传算法的产生机理和基本结构,并着重介绍了混合遗传算法的研究现状。     

Intelligent Scheduling of Public Traffic Vehicles Based on a Hybrid Genetic Algorithm

A genetic algorithm （GA） and a hybrid genetic algorithm （HGA） were used for optimal scheduling of public vehicles based on their actual operational environments. The performance for three kinds of vehicular levels were compared using one-point and two-point crossover operations. The vehicle scheduling times are improved by the intelligent characteristics of the GA. The HGA, which integrates the genetic algorithm with a tabu search, further improves the convergence performance and the optimization by avoiding the premature convergence of the GA. The results show that intelligent scheduling of public vehicles based on the HGA overcomes the shortcomings of traditional scheduling methods. The vehicle operation management efficiency is improved by this essential technology for intelligent scheduling of public vehicles.     

改进的混合级联遗传算法

将模拟退火算法和级联遗传算法相结合,提出了一种改进的混合级联遗传算法。模拟退火算法承认物种进化过程中的局部失败和倒退,它允许进化中的波折而不是非要物种进化一直是上升的、成功的,模拟退火算法能使搜索过程避免陷入局部最优解。级联遗传算法假设问题的最优解总是靠近于问题的局部最优解的,据此,级联遗传算法通过不断缩小解空间达到快速收敛的目的。综合运用这两种算法,可克服模拟退火算法收敛速度慢、级联遗传算法局部搜索能力差的缺点。利用本算法构造CL多小波前置滤波器的实验结果表明,本算法不仅计算速度快,而且稳定性也得到了显著提高。     

基于事例推理的装配顺序规划中的遗传算法改进设计

针对基于事例推理(CBR)的装配顺序推理的特点,建立了相应的遗传算法模型.通过大量的算法实验,分析比较了传统进化、阶段进化和自适应进化策略的优劣,以及算法参数对推理效率和推理质量的影响.在此基础上,设计了改进的遗传算法.最后的实例分析验证了该算法的有效性.     

自适应遗传算法在PID控制参数优化中的应用

针对传统的PID控制中参数整定的难题，采用智能控制技术优化PID参数，利用神经网络进行系统辨识，建立对象模型；在此模型基础上，运用遗传算法寻优PID控制参数，采用变交叉概率和变异概率自适应遗传算法寻优得到PID控制参数，与传统的整定结果相比较，遗传算法优化效果更好，最终达到最优的控制效果．     

基于ReliefF算法与遗传算法的肌电信号特征选择

针对肌电信号特征维数高、运算效率低等问题,提出了一种基于ReliefF算法与遗传算法(GA)相结合的肌电信号特征选择方法.分析了肌电信号的特征,运用小波分析对肌电信号进行特征提取,采用ReliefF算法评估所提取的高维特征信号的权值,以选出对分类效果影响显著(权值较大)的特征子集,采用GA进一步筛选出分类效果最佳的特征子集,并对比分析了基于ReliefFGA-Wrapper算法与全局搜索算法对肌电信号处理的时间和分类效果.结果表明,所提出的方法能够提高运算效率并具有很好的分类效果.