基于随机概率密度演化的结构-TMD参数优化

基于地震载荷随机性的事实,以及传统的采用特定地震波研究结构控制条件具有严重缺陷的问题,本文提出以结构最大层间位移作为控制指标,基于概率密度演化理论,采用改进遗传算法对TMD参数进行优化的设计方法.该方法结合改进遗传算法以及概率密度演化方法,充分考虑了随机性对结构影响的本质,根据随机载荷下结构-TMD控制体系中结构层间位移响应和动力可靠度的前后对比,说明优化方法的优越性.以三层剪切型混凝土框架结构-TMD参数优化为例,验证所提方法的正确性,为随机激励下的多自由度结构-TMD系统优化设计提供了一条新的解决途径.     

最大团问题的竞争决策算法

分析了最大团问题的数学性质,根据推导出来的性质设计求解最大团问题的竞争决策算法,且算法的时间复杂度分析结果为O(n~3)。并用提出的算法求解最大团问题中的标准测试示例,测试结果表明,算法具有良好的求解效果。     

基于免疫遗传算法的道路交通标志图像分割

针对道路交通标志图像分割的问题,提出了一种基于免疫遗传算法的实现方法。该算法利用免疫遗传机制,将图像的最佳阈值作为要求的解,设计了适合问题求解的抗体编码方式、克隆算子和免疫选择算子。仿真实验结果表明,所提算法能够有效地求得道路交通标志问题的最佳阈值。通过与传统遗传算法、改进遗传算法进行对比实验,更好地说明了本算法能够对图像分割得到较为满意的结果。     

贝叶斯预测蜂群算法在无线传感器网络优化中的应用

针对无线传感器网络(WSN,wireless sensor network)节点分布不合理,存在较多的监测盲区等不足,提出了利用贝叶斯预测人工蜂群算法(BPABC,Bayesian predictive artificial bee colony algorithm)制定节点分布方案。BPABC算法借鉴贝叶斯预测算法的思想对蜂群算法中各蜜源存在最优解的概率进行预测,并以此为依据指导跟随蜂寻优工作。采用BPABC算法对WSN中的节点分布进行优化,与人工蜂群算法、全局人工蜂群算法制定的优化方案进行比较。结果表明,BPABC在平均覆盖率、最差覆盖率等方面均优于其他两种算法,并且BPABC算法在迭代收敛速度方面也有明显的优势。为了进一步验证改进算法的实用性,采用BPABC制定不同监测区域的WSN节点分布方案。WSN的覆盖率均在97%左右,并且标准差不超过0.005%。由此可见,基于BPABC的WSN节点分布优化方案具有较高的覆盖率、良好的适应性和稳定性。     

基于改进SLP理论的铁路电商物流中心布局研究

通过研究电子商务环境下铁路物流中心的作业情况,将铁路电商物流中心划分为收货区、存储区、拣货区、包装区、发货区、退货区、设备区和办公区8个功能区域。对系统布置规划（SLP）进行量化改造,加入数学建模的方法对物流影响因素进行量化分析。按照改进SLP方法对影响铁路电商物流中心的物流因素和非物流因素进行分析,并构建综合关系表。在功能区间不重叠、功能区不能超过规划范围、铁路长宽比有一定范围、不得占用铁路专用线区域、园区出入口等的约束条件下,建立了园区内物料搬运成本最小、功能区间综合关系最大、土地改造成本最小的目标函数,然后对目标函数进行处理得到归一化的单目标函数。通过改进遗传算法进行求解,从而得到科学合理的布局规划方案。实际应用的算例分析表明,本文中布局方法具有科学合理性。     

基于参数自整定模糊PID算法的平地机行走速度优化控制系统设计

针对平地机作业时行进速度精度的滞后问题及控制参数,提出了基于参数自整定模糊PID算法的平地机行走速度优化控制系统,协调解决行进速度的滞后问题,并完成了将该算法应用在平地机的控制系统中.系统采用单片机作为行走速度的控制中心,为验证参数自整定模糊PID算法的有效性和可靠性,对平地机的行进速度控制进行了设定干扰信号的测试.通过Matlab软件的Simulink仿真,分析了不加PID的常规控制、PID控制、参数自整定模糊PID控制进行速度稳定控制的效果,测试显示响应时间短、响应速度较快,能够满足设计的要求.     

基于破岩比能的刀盘滚刀优化布置设计

基于科罗拉多矿业学院(Colorado School of Mines)推导的CSM受力模型,采用刀盘破岩比能最低原则,以径向不平衡力和倾覆力矩最小为目标,使用标准遗传算法(GA),优化中心刀、正刀和边缘滚刀的刀间距,以及正刀和边缘滚刀的极角.以TB880E刀盘为实例计算,结果表明:优化中心刀和正刀区域的刀间距后,比能减少1.53%,优化边缘滚刀区域的刀间倾角后,比能减少了1.10%;优化正刀和边缘滚刀的极角后,径向不平衡力减少到0.1265N,倾覆力矩减少到0.7591N·m,从而减小了刀盘的变形量.该研究可用于刀盘的布刀优化设计和对破岩过程能耗的预测,可降低TBM破岩能耗,改善TBM掘进能力.     

降低OFDM系统复杂度的改进SLM算法

为了降低正交频分复用(OFDM)系统中传统选择性映射(SLM)算法的计算复杂度,提高系统的频谱利用效率,提出了基于转换向量(conversion vectors)与随机筛选序列(random selection sequences)相结合的选择性映射(CR-SLM)算法.CR-SLM算法是将原始信号序列等分,然后对于数据序列的前半部分与转换向量相乘进行循环卷积,对于数据序列后半部分进行随机序列筛选,筛选出最优序列.最后将两部分输出序列合并生成候选序列,筛选出最优序列进行传输.仿真结果表明:CR-SLM算法在保持与传统SLM 算法PAPR性能相近的情况下,较大幅度降低了计算复杂度.     

基于目标空间分区的稳态高维多目标进化算法

针对高维多目标优化中Pareto非劣候选解所占比例很大,常用的先考虑收敛性再考虑分布性的多目标进化算法面临选择压力衰减的问题,提出一种先考虑分布性再考虑收敛性的高维多目标进化算法——基于目标空间分区的稳态高维多目标进化算法(SS-OSP).该算法先采用目标空间分区策略将种群按照权重向量分为多个子空间,在每个子空间中按照分解方法中的聚合函数选择个体;然后,考虑到常规的PBI聚合函数的罚参数在进化过程中一直保持不变的情况,提出一种自适应PBI聚合函数;最后,仿真实验结果表明所提出的算法与其他三种算法相比,具有更好的收敛性和分布性.     

基于分组简化粒子群算法的盲源分离

传统盲源分离算法普遍存在收敛精度低和易陷入局部最优的缺点,针对上述问题,提出将蛙跳算法的分组思想应用到盲源分离算法中.该分组思想是将整个粒子群分为多组子群体,每组粒子在进行组内寻优的同时进行全局寻优,从而增加了粒子之间的差异性,可以有效避免早熟收敛.该算法以负熵为目标函数,通过对分离矩阵进行调整,使各个信号分量之间相互独立,从而完成对瞬时混合信号的盲源分离.实验仿真结果表明,提出的算法与基本的粒子群盲源分离算法相比,能有效避免早熟收敛并进一步提高收敛精度和算法的稳定性.