基于混合遗传算法的动力系统阻尼参数识别方法

将动力系统阻尼参数识别反问题转化为非线性优化问题处理，提出了基于遗传算法的动力系统阻尼参数识别方法。为了提高简单遗传算法的计算效率和处理早熟问题，将模拟退火算法与遗传算法相结合，建立了混合遗传算法。数值计算结果表明，本文所建立的方法对于求解参数识别反问题和非线性优化问题是非常有效的，并且具有良好的鲁棒性和全局收敛能力。     

求解非线性方程组的混合遗传算法

非线性方程组的求解是数值计算领域中最困难的问题。大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组,选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点,提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性,有效地克服了经典算法的初始点敏感问题;同时在遗传算法中引入经典算法(Powell法、拟牛顿迭代法)作局部搜索,克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对比了不同算法。计算结果表明所设计的混合遗传算法有着可靠的收敛性和较高的收敛速度和精度,是求解非线性方程组的一种成功算法。     

面向工程全局优化的混沌优化算法研究进展

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法(基于混沌搜索)、第二类混合混沌优化算法(混沌序列代替随机序列)以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

桁架结构截面优化设计的改进模拟退火算法

将模拟退火算法应用于桁架结构截面尺寸优化设计,提出若干方法改进了算法的鲁棒性、计算效率和求解精度。通过一批经典问题,同时与传统结构优化算法和遗传算法进行了比较。数值结果表明,本文的改进模拟退火算法具有很高的优化求解精度,计算效率有显著提高且优于遗传算法,有望在结构优化设计问题中发挥其特点。     

求解一类可分离凸规划的对偶显式模型DP-EM方法

推导对偶目标函数的精确显式表达式,可选用更多成熟高效的求解方法,从而进一步提高了非线性规划对偶理论求解结构拓扑优化问题的效率.研究工作来源于非线性凸规划同其对偶规划的间隙为零,可以等价转化为对偶问题求解,通常可以大大地缩小问题的规模,可是二者不具有显式关系却影响了对偶解法的应用.所幸的是,结构优化当中一大类问题包括连续体结构拓扑优化问题,不仅具有凸性,而且具有变量可分离性,于是原变量和对偶变量之间有了显式关系,因此,对偶解法成了38年来被应用的有效方法之一.然而长期以来,对偶问题的目标函数并不是显式,这缘于含参数的极小化问题导致目标函数为隐式表达,常见的显式化方法是进行二阶近似.本文突破了对偶问题难以显式化只能采用近似显式的定势,将我们提出的"对偶规划-显式模型"(DP-EM)方法应用于连续体结构拓扑优化,并与对偶序列二次规划(DSQP)算法及移动渐近线(MMA)算法为求解器的方法进行计算效率对比,结果显示:(1)MMA算法比DP-EM算法和DSQP算法的外部迭代次数均多;(2)DP-EM算法与DSQP算法外循环次数相同,而内循环数显著减少.说明了DP-EM算法具有显式对偶函数的优势.     

多种群遗传算法在PBX本构模型参数识别中的应用

利用多种群并行结构对标准遗传算法SGA进行并行化处理,引入移民算子和精华种群形成多种群遗传算法MPGA,并设计了自适应交叉和变异概率对算法的收敛速度进行改进。结合ABAQUS软件和改进的多种群遗传算法,建立了材料本构模型参数识别方法。采用该方法对PBX炸药黏弹性损伤本构模型参数进行了模拟识别,并同基于标准遗传算法的参数识别方法进行了比较。结果证明,基于改进多种群遗传算法IMPGA的方法对克服算法未成熟收敛有显著的效果,识别结果更稳定。同时该方法的收敛速度更快,寻优能力更强,适合复杂非线性问题的优化,此方法可以被应用到其他材料本构模型的参数识别中。     

一种土的非线性弹性本构模型参数的反演方法

旨在提出一种土的非线性弹性本构模型参数反演的方法。以现今普遍实行的地基载荷试验为基础,依据遗传算法的组合优化理论,采用正演计算和遗传算法优化相结合的方式,建立了土层非线性弹性本构模型参数反演的方法;并依据某黄土场地地基载荷试验数据,实施了黄土土层非线性弹性本构模型参数反演的全过程。计算结果表明,所建立的方法可以实现土层非线性弹性本构模型中相互关联的多个参数的组合优化,并在对初始值要求较低的情况下,可以获得良好的参数反演精度。从而为土的变形特性分析和土与其中及相邻结构的共同作用分析,提供了较好的土体本构模型参数的确定方法。     

翼型多目标气动优化设计方法

将数值优化软件modeFRONTIER同计算流体力学(CFD)软件相结合,对NACA0012翼型的气动性能进行优化.计算采用N-S方程作为主控方程以计算翼型气动性能,分别采用多目标遗传算法(MOGA)和多目标模拟退火算法(MOSA)作为翼型的气动性能优化算法.计算结果表明,优化后的翼型相对于优化前的翼型的气动性能有很大提高(升阻比增幅可达182%).     

面向工程全局优化的混沌优化算法研究进展Research advances of chaos optimization algorithms for engineering global optimization

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法（基于混沌搜索）、第二类混合混沌优化算法（混沌序列代替随机序列）以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

递阶遗传-H∞滤波混合优化的前向神经网络在捷联惯导对准中的应用

将前向神经网络用于捷联惯性导航系统(SINS)的对准问题。首先,运用递阶遗传算法(HGA)优化神经网络(NNW)的拓扑结构,并对网络其余参数进行全局粗调;然后运用H滤波算法对具有最优结构的神经网络的其余参数在线自适应精调,并对这一过程与常规算法进行了计算机仿真比较。仿真结果表明:该算法能根据实际问题自适应确定网络结构,而且精度、实时性与常规方法相仿。     

A multi-objective optimization method for uncertain structures based on nonlinear interval number programming method

A multi-objective optimization method for uncertain structures is developed based on nonlinear interval number programming (NINP) method. The NINP method is employed to transform each uncertain objective function into a deterministic single-objective optimization problem. Using the constraint penalty function method, a deterministic multi-objective and non-constraint optimization problem is formulated in terms of penalty functions. Then the micro multi-objective genetic algorithm and the intergeneration projection genetic algorithm are adopted as outer layer and inner optimization operator to solve the nesting optimization problem, respectively. Finally, four numerical examples are provided to demonstrate the effectiveness of the present method.     

An adaptive genetic algorithm for solving bilevel linear programming problem

Bilevel linear programming,which consists of the objective functions of the upper level and lower level,is a useful tool for modeling decentralized decision problems. Various methods are proposed for solving this problem.Of all the algorithms,the ge- netic algorithm is an alternative to conventional approaches to find the solution of the bilevel linear programming.In this paper,we describe an adaptive genetic algorithm for solving the bilevel linear programming problem to overcome the difficulty of determining the probabilities of crossover and mutation.In addition,some techniques are adopted not only to deal with the difficulty that most of the chromosomes may be infeasible in solving constrained optimization problem with genetic algorithm but also to improve the efficiency of the algorithm.The performance of this proposed algorithm is illustrated by the examples from references.     

基于微分包含的绳系卫星时间最优释放控制

考虑系绳弹性的影响,建立了绳系卫星系统三维动力学模型,研究了在状态和控制约束下的绳系卫星非线性时间最优控制问题. 为缩减系统变量,控制律设计没有采用通常的状态空间模型,而是基于二阶微分包含,将连续时间最优控制问题离散为大规模动态规化问题,最后通过数值模拟验证了该方法的有效性.      

Kinematic limit analysis of frictional materials using nonlinear programming

In this paper, a nonlinear numerical technique is developed to calculate the plastic limit loads and failure modes of frictional materials by means of mathematical programming, limit analysis and the conventional displacement-based finite element method. The analysis is based on a general yield function which can take the form of the Mohr–Coulomb or Drucker–Prager criterion. By using an associated flow rule, a general nonlinear yield criterion can be directly introduced into the kinematic theorem of limit analysis without linearization. The plastic dissipation power can then be expressed in terms of kinematically admissible velocity fields and a nonlinear optimization formulation is obtained. The nonlinear formulation only has one constraint and requires considerably less computational effort than a linear programming formulation. The calculation is based entirely on kinematically admissible velocities without calculation of the stress field. The finite element formulation of kinematic limit analysis is developed and solved as a nonlinear mathematical programming problem subject to a single equality constraint. The objective function corresponds to the plastic dissipation power which is then minimized to give an upper bound to the true limit load. An effective, direct iterative algorithm for kinematic limit analysis is proposed in this paper to solve the resulting nonlinear mathematical programming problem. The effectiveness and efficiency of the proposed method have been illustrated through a number of numerical examples.     

基于动力学响应的多组件系统布局优化方法

针对圆形安装板上多组件布局问题,以组件系统静平衡性为约束,以系统在随机振动下的动力学响应为优化目标,建立了多组件系统的动力学布局优化模型。针对所建立的优化模型,提出采用序列二次规划方法和改进遗传算法相结合的策略进行多约束条件下的组件布局优化。最后,对两个典型算例进行了动力学优化计算,结果表明,本文所建立的优化模型在多约束的情况下可提高组件系统的动力学性能,满足静力学和动力学性能要求。     

CHAOS-REGULARIZATION HYBRID ALGORITHM FOR NONLINEAR TWO-DIMENSIONAL INVERSE HEAT CONDUCTION PROBLEM

ＩｎｔｒｏｄｕｃｔｉｏｎＡｓａｋｉｎｄｏｆｉｍｐｏｒｔａｎｔｔｈｅｒｍａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｍａｔｅｒｉａｌ,ｔｈｅｒｍａｌｃｏｎｄｕｃｔｉｖｉｔｙｍｕｓｔｂｅｄｅｔｅｒｍｉｎｅｄｔｏｍａｋｅｑｕａｎｔｉｆｉｃａｔｉｏｎａｌａｎａｌｙｓｉｓｏｆｔｅｍｐｅｒａｔｕｒｅｆｉｅｌｄ .Ｉｔｈａｓｂｅｅｎｔａｋｅｎｄｕｅａｔｔｅｎｔｉｏｎｔｏｅｓｔｉｍａｔｅｔｈｅｔｈｅｒｍａｌｃｏｎｄｕｃｔｉｖｉｔｙｆｒｏｍｉｎｎｅｒａｎｄ/ｏｒｂｏｕｎｄａｒｙｔｅｍｐｅｒａｔｕｒｅｍｅａｓｕｒｅｍｅ…     

基于能量极值原理的单晶体塑性滑移的有限变形分析

对FCC单晶体的率无关弹塑性力学响应的本构关系进行了数值模拟。用一个基于能量极值原理的数值计算方法来处理复杂的多面塑性问题，这种算法可以有效地模拟单晶体多滑移系的启动，在这一理论框架下，增量的应力应变关系可以从所构造的能量函数中推导出来。对于滑移系激活情况的判定则可转化为求解活动约束的非线性数学规划问题，通过对时间的离散，此问题又可细化为逐步二次规划问题，并采用有效集法来搜索启动滑移系，进而求得弹塑性本构关系，数值结果表明该方法具有稳定、收敛、可行的特点，在数值计算的基础上研究了单轴拉伸下晶体的不同取向对单晶体硬化程度和滑移系激活情况的影响。