矩形微通道热沉内单相稳态层流流体的流动与传热分析

采用解析方法分析了矩形微通道热沉内单相稳态层流流体的流动与传热．基于y方向流速和导热不变的假设,建立流体在矩形微通道内流动的流速方程和传热的温度方程,进而推导出Nusselt数和Poiseuille数的理论表达式．通过计算结果可以看出,推导的Nusselt数和Poiseuille数的解析解与其他文献的结果吻合较好,而且当宽高比趋于无穷大时,Nusselt数和Poiseuille数分别趋近于8.235和96,这与其他文献结果完全相同．在Reynolds数相同时,摩擦因数随着宽高比的增加而增加,而在相同宽高比时,摩擦因数随Reynolds数的增加而减小．     

基于遗传算法的割缝衬管防砂多目标优化

割缝衬管防砂是油田重要的防砂方式之一,过去的研究往往专注于一个目标来设计割缝衬管参数,从而在参数设计上不能使多个参数在整体上达到最优.基于遗传算法中的gamultiobj多目标优化算法,以衬管使用寿命、地层流动阻力、产能和衬管强度为目标,建立了割缝衬管防砂优化设计模型,得出了高产能,长使用寿命,低流动阻力的割缝参数防砂的最优组合.结果表明,制定多目标适应性分析,建立评价模型,在给定的取值范围内得到的工艺参数,该技术有助于优选和优化调整防砂方法,提高防砂成功率,增强油田寿命和降低开采成本.     

等边三角形微通道内层流的流动特性和换热特性的研究

研究等边三角形截面微通道内充分发展层流的流动特性和换热特性,基于Navier-Stokes方程的基本理论,在等边三角形一边向流体加入定常热流密度时,给出了微通道内充分发展层流的速度分布和温度分布的近似解,以及微通道内充分发展对流传热的摩擦因子和Nusselt数;并通过商业软件Fluent对微通道内的流动和换热进行数值模拟,得到通道内温度和速度的数值解,进而计算得到充分发展对流传热的摩擦因子和Nusselt数;二者进行对比,结果吻合很好,验证了计算结果的正确性.     

恒温平行板间多孔介质通道中的分层耗散流动

利用Darcy模型,研究了平行板间充填饱和多孔介质的通道中,在热量入口处传热的粘性耗散效应．讨论了等温边界情况．求得热量入口处局部温度和体积计算平均温度随Nusselt数的分布．给出了独立于Brimkman数的经充分发展的Nusselt数应为6A·D2并观察到,若忽略粘性耗散影响,将导致熟知的内流现象,此时Nusselt数等于4.93．还给出了有限差分数值解．结果表明解析法和数值法的结果吻合很好．     

基于遗传算法的交易中心停车场优化设计

根据某交易中心大型停车场的实际情况 ,并利用大型客车和轿车的长度、宽度、最小转弯半径等数据 ,建立了停车场优化停车设计模型 ,采用遗传算法进行求解 ,得到了停车场的最优停放布局和车位排列角度的优化结果 .本文优化设计的思想、方法和结果对其他大型停车场优化设计也有一定的参考价值 .     

基于遗传算法的同步优化算法

提出一种基于遗传算法的同步优化算法,该算法吸取了遗传算法和模拟退火算法的各自优点,将二进制编码和实数编码有机地结合起来,既能够快速收敛到全局最优解,又能够在优化神经网络结构的同时,得到较好的权值分布.     

利用遗传算法优化抽样调查的数据质量

对居民家庭进行抽样调查时,常常出于隐私或缺乏专业知识背景的原因,使得居民对被调查的经济变量不愿或无法给出准确值,从而影响调查数据的质量.在此情况下,国外知名的调查(如,美国的消费金融调查)会将调查变量的取值范围划分成一系列连续的、长度不等的区间,请受访者选择,以此来消除受访者的戒备和疑虑心理,收集家庭的经济变量的信息,但这种区间的划分是一种经验划分.从降低数据分析误差的角度提出了一种优化区间长度的设计思路,利用遗传算法给出了问题求解的方法,最后通过一个实际例子加以说明.方法对提高调查变量的数据质量颇有帮助.     

基于遗传算法的神经网络参数优化研究

神经网络和遗传算法是软计算领域中最重要的方法.采用MATLAB的神经网络工具箱和遗传算法工具,研究二者的结合使用,对两个工具箱的基本应用以及将二者结合的相关技术都作了介绍,并应用实例进行了分析研究,提出了使用遗传算法优化神经网络参数的不同结论,对于如何有效使用遗传算法优化神经网络具有一定的借鉴作用.     

遗传算法优化神经网络的汛期降水模型

针对目前神经网络在实际应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中采取保留最佳个体的方法,建立基于遗传算法的神经网络模型,实例研究结果表明该方法可以取得较高的预测精度.     

基于遗传算法的多目标可靠性优化

在元件的体积、重量和造价的共同约束下的多级串并联系统的可靠性优化问题是一个具有多局部极值的、非线性的、同时具有整数和实数变量的混合优化问题.将遗传算法和多目标可靠性分配问题相结合,对可靠性分配问题进行求解,得到较好效果,从而得出结论,遗传算法在求解多目标可靠性优化问题中是一种行之有效的方法.     

多目标规划的一种混合遗传算法

本文利用遗传算法的全局搜索内能力及直接搜索算法的局部优化能力，提出了一种用于多目标规划的混合遗传算法．与Pareto遗传算法相比．本文提出的算法能提高多目标遗传算法优化搜索效率，并保证了能得到适舍决策者要求的Pareto最优解．最后，理论与实践证明其有有效性．     

蚁群遗传混合算法

将蚁群遗传混合算法分别求解离散空间的和连续空间优化问题.求解旅行商问题的混合算法是以遗传算法为整个算法的框架,利用了蚁群算法中的信息素特性的进行交叉操作;根据旅行商问题的特点,给出了4种变异策略;针对遗传算法存在的过早收敛问题,加入2-0pt方法对问题求解进行了局部优化.与模拟退火算法、标准遗传算法和标准蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好.求解连续空间优化问题是以蚁群算法为整个算法的框架,加入遗传算法的交叉操作和变异操作,用测试函数验证了混合蚁群算法的正确性.     

Genetic Algorithm for the Jump Number Scheduling Problem

This paper introduces genetic algorithms for the jump number scheduling problem. Given a set of tasks subject to precedence constraints, the problem is to construct a schedule to minimize the number of jumps. We show that genetic algorithms outperform the previously known Knuth and Szwarcfiter's exhaustive search algorithm when applied to some classes of orders in which no polynomial time algorithms exist in solving the jump number problem. Values for various parameters of genetic jump number algorithms are tested and results are discussed.     

基于存档策略的多目标优化的遗传算法及其收敛性分析

设计了一种用遗传算法求解多目标优化问题的有效方法——基于存档策略的多目标优化的遗传算法,并讨论了此算法的收敛性.首先给出档案的定义,设计出基于支配关系下的带有存档策略遗传算法,并通过算例检验了算法的有效性;然后引入了两档案间的距离的概念,在此距离定义的基础上证明了算法在概率意义下是收敛的.     

基于模矢搜索和遗传算法的混合约束优化算法

近年,免梯度方法又开始引起大家的注意，由于不需要计算函数的梯度．特别适合用来求解那些无法得到梯度信息或需要花很大计算量才能得到梯度信息的问题．本文构造了一个基于模矢搜索和遗传算法的混合优化算法．在模矢搜索方法的搜索步，用一个类似于遗传算法的方法产生一个有限点集．算法是全局收敛的.     

A Continuous Genetic Algorithm Designed for the Global Optimization of Multimodal Functions

Genetic algorithms are stochastic search approaches based on randomized operators, such as selection, crossover and mutation, inspired by the natural reproduction and evolution of the living creatures. However, few published works deal with their application to the global optimization of functions depending on continuous variables.A new algorithm called Continuous Genetic Algorithm (CGA) is proposed for the global optimization of multiminima functions. In order to cover a wide domain of possible solutions, our algorithm first takes care over the choice of the initial population. Then it locates the most promising area of the solution space, and continues the search through an intensification inside this area. The selection, the crossover and the mutation are performed by using the decimal code. The efficiency of CGA is tested in detail through a set of benchmark multimodal functions, of which global and local minima are known. CGA is compared to Tabu Search and Simulated Annealing, as alternative algorithms.     

积分——水平集求全局最优的遗传算法实现

Chew Soo Hong,Zheng Q uan提出了一个积分——水平集求全局最优的概念性算法及M on te-C ar-lo随机投点的实现途径,并在很多实际问题中得到了很好的应用,但这一实现算法的收敛性是个未解决的问题.利用近年来广泛应用的遗传算法,给出了这一算法的另一种实现途径,并从理论和数值两个方面验证了算法的可行性.     

基于二叉树的遗传算法求解设施平面布局优化

针对设施布局优化问题,使用二叉树的顺序遍历结构,结合设施顺序、相互关系及位置等因素形成新的染色体编码形式.以设施相邻性和随机原则相结合产生初始解,针对染色体的三段编码分别进行遗传操作,运用动态原则和反馈机制改进算法的惩罚函数.通过典型案例验算表明,本论文提出的算法在寻优效果和执行效率上有一定地改善.     

一种改进的遗传k-means聚类算法

在经典的k-means聚类算法中,聚类数k必须事先给定,然而在现实中k很难被精确的确定.本文提出了一种改进的遗传k-means聚类算法,并构造了一个用来评价分类程度好坏的适应度函数,该适应度函数考虑的是在提高紧凑度(类内距)和分离度(类间距)的同时使得分类个数尽可能少.最后采用两个人工数据集和三个UCI数据集对k-means聚类算法(KM),遗传聚类算法(GA),遗传k-means聚类算法(GKM)和改进的遗传k-means聚类算法(IGKM)进行比较研究,比较的指标有类间距、类内距和分类正确率.研究证明改进的遗传k-means算法能够自动获取最佳聚类数k并且保持较高的正确率.