不同适应度函数的遗传算法在桥梁结构传感器布设中的应用

从模态振型正交性和模态能量两方面出发设计了3个适应度函数,将其分别应用于改进遗传算法和单亲遗传算法。采用两步法对大跨径桥梁结构传感器布设进行定量和定位分析。通过对两种遗传算法、3个适应度函数及有效独立算法在大跨径拱桥中的对比分析,证实了单亲遗传算法比改进遗传算法更适合于桥梁结构传感器的布设,基于组合评价准则适应度函数比单一评价准则适应度函数布设出的传感器位置更加合理,验证了两步法用于传感器定量及定位计算的有效性 。     

聚合物溶液注入附加阻力对驱油效果的影响

利用试验方法对HPAM溶液在不同渗透率岩心上的注入能力进行研究,基于试验结果建立聚合物驱附加阻力与岩心渗透率的相关关系,并在此基础上建立考虑聚合物注入附加阻力效应的油藏数值模拟模型.模拟结果表明:低渗岩心中注入聚合物时稳定注入压力增大,即确实存在附加阻力效应;聚合物注入附加阻力对聚合物驱效果预测有较大影响,考虑聚合物注入附加阻力,聚合物起效时间早、含水率下降幅度减小、聚合物有效期变长.     

煤与瓦斯突出强度预测的IGABP方法

针对传统松散式(Genetic Algorithm Based Back Propagation Neural Network,GABP)模型应用于复杂煤与瓦斯突出预测时,存在GA自身性能及模型间相对孤立等不足,提出二者优势互补的IGABP一体化模型。IGABP首先在自适应交叉、变异率等方面进行改进,以提高GA自身的性能。其次,将BP导向性训练以算子的形式引入到标准GA进化过程,实现了GA寻优搜索的随机性向自主导向性转变。BP对GA搜索到的近似最优值进行微调,GA算法的收敛速度得到提升,确定精确解的位置能力加强,同时,又避免了单一BP网络本论文易陷入局部极小值的缺点,实现了两者一体化结合。仿真实验表明,构造出的进化神经网络更能反映煤与瓦斯突出强度样本的复杂非线性关系,有效克服了传统模型的不足,其运行效率、预测精度、可靠性等方面均优于传统模型,为瓦斯智能预测提供了新的解决方案。     

视黄酸衍生物HX600c的合成改进

以苯和2,5二甲基-2,5-己二醇为起始原料,经付-克烷化、碘代、Ullmann反应、烷基化、还原、环合、水解等步骤得目标化合物视黄酸衍生物HX600c.目标化合物经过核磁共振氢谱,质谱等确证.该合成方法避免了异构体的产生,原料廉价易得.     

多约束最短路径模型与求解

提供满足驾驶员多个心理期望的路径是导航系统该解决的关键问题,其本质是资源约束最短路径问题,属于NP难问题,无法使用传统的最短路径算法解决.提供了多约束路径规划的数学模型,并使用了蚁群算法对其求解,在算法中针对问题重新设计了信息素更新规则和启发因子.实验证明算法具备良好的寻优能力,能准确找出路网中满足多种属性约束的路径.     

荧光染料罗丹明衍生物的改进合成与光谱性质研究

在改进的实验条件下,通过引入不同的官能团对罗丹明的底环结构进行修饰,合成了4种罗丹明衍生物;与传统的合成方法相比,该实验方法反应时间短,反应产率高,反应温度低.并研究了取代基种类和溶剂极性对吸光性能、荧光性能的影响规律.     

求解双线性单自由度复合随机系统

在单自由度线性复合随机系统研究及Monte Carlo法模拟的基础上,引入求解随机问题的非线性改进随机摄动法,将双线性单自由度随机结构看成是均值结构及其变分,假定反应的概率分布类型为正态分布或均匀分布,从而将双线性复合随机微分方程展开为线性摄动随机微分方程,然后与虚拟激励法结合,迭代求解随机反应.算例的计算结果表明,将非线性改进随机摄动法与虚拟激励法结合,所得的非线性复合随机振动系统的随机反应还是较为准确的.为取得更精确的计算结果,反应的概率分布类型的正确选择很重要.     

求解声子晶体Euler梁弯曲振动能带结构的一种改进传递矩阵法

用于计算声子晶体Euler梁弯曲振动能带结构的传递矩阵法有如下缺点:待定参数无实际物理意义、传递矩阵的计算较为繁琐以及连续性条件的应用不直接等。为解决目前存在的问题,引入Krylov函数将待定参数转化为梁端位移、转角、弯矩和剪力4个具有明确意义的参数,使处理原胞内及原胞间不同材料梁连接位置的变形和受力连续条件直接化;并由此推导了形式较为简单的传递矩阵及相应的能带结构计算方法,并通过算例验证了该方法确适用于计算声子晶体Euler梁的弯曲振动能带结构。     

多资源约束下改进NSGA-II算法的手术调度

针对手术调度涉及因素众多难以优化的问题, 在考虑手术台、执刀医师等资源约束,构建了以病人满意度及手 术总流程时间为目标函数的模糊调度数学模型. 针对传统的加权系数方法不能很好地解决手术多目标优 化问题,提出改进的非支配排序遗传算法(non-dominated sorting genetic algorithm II, NSGA-II),采用改进的拥挤密度排序法改善同一非劣等级内个体的排序; 提出自适应交叉和变异策略, 克服了种群早熟化,改善算法收敛速度; 采用改进精英策略保持种群多样性, 改善算法搜索性能. 最后, 将该算法应用于某三甲医院手术模糊调度中,仿真结果证明该方法的有效性和可行性.     

基于细致化仿生的改进粒子群优化算法

粒子群优化(particle swarm optimization, PSO）算法基本思想是试图通过模拟鸟群觅食中的迁徙和聚集等行为获得连续非线性函数的最佳值,其仿生算法产生于对鸟群寻食过程中飞行方向与飞行速度等的隐喻。近年对粒子群算法经典算法的研究,虽然在速度及精度上有所改进,但由于缺乏细致化仿生（precise bionic metaphor, PBM）,改进效果并不太明显。通过在PSO算法中引入飞鸟寻食细致化行为特征隐喻,即在算法中同时导入满意粒子局地细致化寻优和探索粒子随机寻优过程,进而提出了一种新的基于细致化仿生的改进PSO算法;对改进算法和经典算法进行了性能比较,结果显示所提算法在收敛速度和求解精度方面较经典算法有很大程度的改善。