5最优化问题全局寻优的混合遗传算法

把BFGS方法作为一个与选择、交叉和变异平行的算子，嵌入到浮点编码遗传算法中，得到一种基于BFGS方法和浮点编码遗传算法的混合计算智能算法。该方法兼顾了遗传算法和BFGS方法两者的长处，既有较快的收敛速度，双能以非常大的概率求得最优化问题全局解。数值结果表明，混合方法是求解优化问题的一种有潜力的智能算法。     

基于改进遗传算法的桥梁结构损伤识别应用研究

提出了一种基于残余力向量和改进遗传算法的桥梁结构损伤识别方法。在无噪声的情况下,使用任意一阶模态数据,残余力向量法都能够对损伤进行准确定位。但是,振动测试数据中往往包含噪声,导致运用残余力向量法进行损伤识别完全不可行。考虑到这个问题,在常规模态分析的基础上,以节点的残余力向量构造目标函数,提出了一种用于遗传搜索优化的目标函数形式。利用改进遗传算法重点进行了噪声条件下的结构损伤定位和定量研究,并对遗传算法的参数选取问题进行了深入探讨。遗传算法的主要改进包括:采用浮点编码、采用基于标准化几何分布排名的选择策略、采用最优保存策略、采用算术交叉算子、采用自适应变异算子。最后,本文用一个连续梁桥模型进行了数值模拟,验证了所提出方法的有效性,并对方法应用中存在的一些问题进行了深入探讨。     

基于混合编码遗传算法和有限元分析的压电结构载荷识别

与传统的优化算法相比,遗传算法不需要计算目标函数的导数信息,便于迭代,可实现全局寻优.因此,本文提出一种采用混合编码的遗传算法与有限元分析相结合,对复合材料层合板、壳进行载荷识别的新方法.在遗传算法求解过程中,设计变量的编码方法选择是其重要环节,二进制编码容易产生连续函数离散化时的映射误差,且其求解精度与染色体的编码长度紧密相关,过长的染色体描述虽可提高精度,但会显著降低算法的求解效率.为此,本文提出采用混合编码的方法进行载荷识别,即用二进制编码表征载荷作用位置,浮点数编码表示载荷的大小.这一方法大大降低了染色体的长度,并显著提高了计算效率和精度.     

基于卷积神经网络和松鼠优化算法的机翼结构混合优化设计#br#

针对大展弦比机翼的结构轻量化优化设计,提出了一种高效的布局和尺寸混合优化方法．在CFD/CSD气动弹性计算的基础上,对不同的结构变量进行统一编码,使用一维卷积神经网络建立代理模型,并使用松鼠优化算法建立了混合优化模型进行搜索寻优．以某型太阳能无人机的机翼结构优化为例,优化结果表明翼肋的布局变量和翼梁的尺寸变量之间存在着耦合关系,使用松鼠优化算法相比于遗传算法节省了35 %~45 %的计算成本,且混合优化后的结构比原始结构减重4.1 %,验证了该方法的有效性．     

改进的遗传算法求解桁架的拓扑优化

提出了一种改进的遗传算法,用于优化具有离散尺寸、连续形状和0-1拓扑变量的桁架问题。考虑到离散和连续变量的本质,文中提出了混合编码方法,其中包括二进制和实数编码,整数和实数编码。本文采用了凝聚选择法-基于约束和适应度值双重标准,完全适应约束问题的本质。在优化过程中,初始种群和算子具有不确定性,因此有必要检验结构拓扑的合理性。为了增强算法的可靠性,采用了改进的重新开始算子,引入新基因并且探索新空间。求解了典型的算例,证明改进的遗传算法是可行且有效的。     

改进的遗传算法求解桁架的形状优化

提出将改进的遗传算法用于优化具有离散尺寸、连续形状变量的桁架重量. 考虑到离散和连续变量的本质，提出了混合编码方法，其中包括二进制和实数编码，整 数和实数编码. 采用了凝聚选择法------基于约束和适应度值双重标准，完全适应约束问题 的本质. 竞争保留最优个体方法延长了优良个体的寿命，使好基因有更大的机会遗传给 下一代. 算例表明改进的遗传算法是可行且有效的.     

基于遗传算法的结构支撑位置优化

采用整数编码、实数编码、种群隔离机制、算术杂交、非均匀随机变异等新理论设计了一种广义遗传算法,并将该算法应用于结构支撑位置优化问题。数值算例表明,该方法能够很好地求解支撑具有弯曲刚度的结构支撑位置优化问题,对于一般支撑位置优化问题具有较强的适用性。     

基于拟满应力设计和遗传算法的网架截面优化方法

通过在遗传算法中嵌入拟满应力算子,提出了一种以网架结构杆件截面作为离散变量的优化设计方法,即基于拟满应力设计和遗传算法的网架截面优化方法.分析结果表明,该法能够提高遗传算法的搜索效率和获得全局最优解的可靠性,对于同时有应力和位移约束的网架等空间结构截面优化问题,这种混合算法有较高的效率.     

涡激响应尾流双振子模型的参数反演方法

尾流双振子模型是研究圆柱结构涡激振动响应的重要模型,模型参数的准确确定对悬浮隧道设计理论具有重要意义.首先通过降阶法将多变量二阶非线性常微分方程组的尾流双振子模型变换为一阶方程组.然后给出一种新型的圆柱结构水槽试验设计方案,其中试验模型的刚度能够较好反映悬浮隧道等实际工程结构的刚度,基于相机动态捕捉和视频识别计算机程序,获取圆柱结构在水平和竖直方向的位移试验数据.基于试验结果和龙格-库塔方法求解一阶方程组,采用BP神经网络智能算法对模型参数进行反演,同时利用遗传算法对神经元的初始权值和阈值进行优化,所得结果平均误差仅为5.50％,优于遗传算法和未优化的BP神经网络模型.结果表明,基于遗传算法优化的BP神经网络智能算法能够精确实现尾流双振子模型的参数确定,为圆柱结构涡激振动响应分析提供理论基础.     

层合板的一种等强度优化设计方法

提出了一种按等强度设计的层合板优化方法。首先引入强度比的概念,推导了应变空间下的Tsai-Wu强度判据,建立了各单层的强度比方程;然后以各层厚度为设计变量,以各层强度比趋近于1为设计目标,分别采用等强度算法、智能算法和传统算法的混合算法两种方法开展优化设计。对一平面载荷作用下的对称层合板的优化结果表明:两种方法的优化结果较为一致,均增大了初始强度较大的层组厚度,减小了初始强度较小的层组厚度,优化结果符合等强度优化的力学原理。与智能算法和传统算法的混合算法相比,等强度算法拥有更高的收敛效率,优化后层合板的重量更小。     

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。     

遗传-神经网络算法优化飞机垂尾

通过优化垂尾复合材料蒙皮铺层体系，可以减少垂直尾翼的气动变形，进而改善飞机的方向安定性。采用遗传算法能够较好地分析这类复杂优化问题，但遗传算法的计算工作量大，计算所需时间过长。本文提出遗传一神经网络的算法，该算法首先采用神经网络预测遗传变量的值，进而缩短遗传变量的范围，然后采用遗传算法优化得到最优解。结果表明，这种方法在保证计算精度的情况下，减少了计算时间，提高了工作效率。     

基于局部连续场的重力匹配辅助导航

重力匹配辅助惯性导航是一种在惯性导航系统定位信息基础上利用地球重力场特征获取载体位置信息的组合导航技术。一般匹配辅助导航方法都是建立在格网化离散场的基础上,考虑到用局部连续场逼近离散散场的可行性,提出了利用连续场实现相关极值匹配算法,建立了基于局部连续场的相关极值匹配算法模型,采用随机初值迭代方式改进拟牛顿方法以实现在置信范围内全局寻优。最后在三组不同仿真条件下对该算法进行了仿真实验。从实验结果可以看出,在观测误差、初始定位误差较大的情况下,通过该算法获得的匹配航迹仍能以较高的精度跟踪真实航迹,从而验证了算法的有效性。     

计算具有区间参数结构特征值范围的一种新方法

基于区间效学的包含单调性和区间函效所表述的实际物理意义，把广义区间特征值问题转化为两个以非确定参效为优化变量，以关心的特征值为目标函效的全局优化问题，并采用遗传算法对优化问题求解，计算得到结构特征值的区间范围。通过效值算例对本文方法的有效性进行了验证，并和区间摄动法的计算结果进行了比较。     

基于遗传退火算法的鱼雷外形优化设计

将基于实数编码的基本遗传算法与模拟退火算法相结合，建立了数值优化设计中的混合遗传算法。该算法既通过传统遗传算法的“优胜劣汰”操作保留了群体操作中的最优个体，又利用了退火算法的概率突跳性有效避免了问题求解陷入局部最小。本文还把混合遗传算法运用于鱼雷外形优化设计中，优化设计后的鱼雷流体阻力明显减小，压力分布曲线平缓，鱼雷的流体动力性能得到显著改善，表明改进的遗传退火算法运用于鱼雷外形优化设计是很有效的。在优化设计过程中，鱼雷线型由分段解析函数叠加表示，目标函数由二维欧拉方程的流场解提供。     

平流层飞艇气动参数辨识

进入21世纪以来，随着科技的飞速发展，世界上掀起了研究和开发平流层平台的热潮。飞艇作为平流层平台可以实现无线通信、空间观测、大气测量以及军事侦查等目的。本文首先将飞艇所受的气动力分成由于来流速度产生的定常气动力和飞艇转动引起的非定常气动力两部分，通过理论分析建立了飞艇的气动力模型，从而得到需要辨识的气动参数。其次建立了以浮心为原点的六自由度非线性动力学模型和一种基于混合遗传算法的气动力系数辨识方法——混合遗传算法（遗传算法＋单纯型法）与极大似然法相结合的方法，并利用该方法对飞艇的气动参数进行辨识。通过仿真结果验证了该方法实用性和有效性。最后通过对气动参数的准确值与辨识值的分析比较，得出各个参数对飞艇运动性能的影响情况。     

基于遗传算法的一种Tikhonov正则化改进方法

就Tikhonov正则化方法求解第一类算子方程进行了新的探讨,针对展平泛函的极值处理,采用了遗传算法来解决.结合遗传算法的优点,扩大了解决问题的范围.介绍了其基本原理及运算流程,作为此方法的应用,首先对一变截面悬臂梁模型进行截面积反求,另外解决了一个热传导反问题实例,证明了其方法的有效性.     

机械系统动力优化设计的自适应混合遗传算法

针对机械系统动力优化设计问题的特点，本文提出了一个自适应混合遗传算法。该方法将目适应控制参数调整策略、小生境技术和单纯形法有机地融入遗传算法，较为有效地解决了基本遗传算法的过早收敛和局部搜索能力弱的问题，提高了算法全局寻优的可靠性和收敛速度，为解决机械系统动力优化设计问题提供了一种可靠、有效和易用的优化方法。一个五自由度汽车悬挂系统的动力优化设计实例验证了算法的效率、可靠性和实用性。     

遗传优化小波神经网络在组合导航系统中的应用

实时性是组合导航系统的一个重要指标，而神经网络的优化学习问题是决定网络效率的关键技术。遗传优化小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力，而且具有遗传算法全局寻优的特点，是多层前向神经网络学习的一种理想算法。将它应用于组合导航系统中并进行了仿真，结果表明，该算法能够根据实际情况自适应确定网络结构，实时性好，精度与常规方法相当。     

非线性函数的混沌优化方法比较研究

已有的混沌优化方法几乎都是利用Logistic映射作为混沌序列发生器，而Logistic映射产生的混沌序列的概率密度函数服从两头多、中间少的切比雪夫型分布，不利于搜索的效率和能力。为此，首先根据Logistie映射混沌轨道点密度函数的特点，建立改进的混沌-BFGS混合优化算法。之后，考虑到Kent映射混沌轨道点密度为均匀分布，建立了基于Kent映射的混沌-BFGS混合优化算法。然后对五种混合优化方法——不加改进的和改进的基于Logistic映射的混沌-BFGS法，基于Kent映射的混沌-BFGS法，Monte Carlo试验-BFGS法，网格-BFGS法进行了研究，分别对3个低维和2个高维非线性复杂测试函数进行优化计算，对它们的全局优化计算效率和寻优能力做了比较，并探讨了混合优化方法全局优化性能差异的原因。结果表明，混沌优化方法是与Monte Carlo方法类似的一种随机性试验优化方法。而且，这类优化方法的计算性能至少与以下因素有关：混沌／随机序列的统计性质，优化问题全局最优点位置。