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。     

基于分段进化的遗传算法在机翼气动外形设计上的应用

与传统的优化方法相比,遗传算法以其极强的鲁棒性、随机搜索特性以及优化结果的全局性等特点而在工程优化中得到越来越广泛的应用.标准遗传算法中使用的二进制编码类似于生物染色体的组成,使算法易于用生物遗传学理论加以解释,同时也使交叉、变异等遗传操作易于实现.此外,使用二进制编码还有助于充分发挥算法隐含的并行性.本文对传统遗传算法加以改进,在二进制编码下引入分段进化的概念,再配以高效的交叉、变异算子,充分发挥二进制编码固有优势的同时在很大程度上提高了算法的优化效率,并与Euler方程数值解法相结合,对机翼外形进行了气动优化设计.优化后机翼的升阻比有了显著提高,表明建立的优化模型是合理有效的.     

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。     

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。     

结构后屈曲分析中的混合Newton-Lanczos算法

本文提出一种适于结构非线性后屈曲分析的混合Newton-Lanczos算法。与当前流行的弧长法不同,本文提出的算法采用传统的载荷增量法进行逐步求解,可求出给定载荷下的结构变形且适于任意外加载荷。对于临界载荷附近的迭代应用了Lanczos法求解方程及相应变载技巧。文中给出的若干数值计算结果表明了该算法在结构非线性后屈曲分析中的适用性。     

基于拟合求解数字图像相关亚像素位移算法

数字图像相关方法是一种非接触式的变形场测量方法。虽然目前该算法能取得较高的计算精度,但是通常存在计算量较大、计算时间较长的问题。为了提高算法的计算效率,本文提出了一种基于移动最小二乘算法拟合整像素位移求解亚像素位移的数字图像相关方法。因为采用移动最小二乘算法有效利用了局部特征,所以可以采用相对简单的多项式拟合求解复杂的周期型余弦变形,同时计算结果具有较高的精度。计算结果的平均误差为0.0238pixel,标准误差为0.0791pixel,与常用的空间相关亚像素位移计算结果精度相当。实验结果验证了本文算法的正确性和有效性。通过与等计算精度的NR算法对比分析,结果表明本文算法在亚像素位移计算阶段具有更高的计算效率。计算效率至少提升了58.1倍,最多提升了437.8倍。     

基于改进遗传算法的多无人机协同侦察航迹规划

针对多无人机在复杂的战场环境中如何高效侦察多种类型目标的问题,提出了一种基于改进遗传算法的多无人机协同侦察航迹规划算法。首先,根据战场环境中不同类型目标的侦察要求,建立了以整体时间代价最小为目标函数的航迹规划模型。然后,改进了遗传算法的编码、交叉和变异等操作,来实现异质型目标分配与航迹规划的集中一体化求解。最后,为了提高算法的收敛速度,在交叉和变异操作过程中,加入了适应度更新策略。仿真结果验证了该算法的可行性,而且在4架无人机观测3种类型共10个目标的仿真条件下,相较于使用双染色体编码和多重变异算子的基于对立的遗传算法,时间代价降低了5.79%,收敛速度提高近12倍,有效提高了航迹规划的精度及效率。     

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。     

基于非结构/混合网格模拟黏性流的高阶精度DDG/FV混合方法

间断Galerkin有限元方法(discontinuous Galerkin method, DGM) 因具有计算精度高、模板紧致、易于并行等优点, 近年来已成为非结构/混合网格上广泛研究的高阶精度数值方法. 但其计算量和内存需求量巨大, 特别是对于网格规模达到百万甚至数千万的大型三维实际复杂外形问题, 其计算量和存储量对计算资源的消耗是难以承受的. 基于“混合重构”的DG/FV 格式可以有效降低DGM 的计算量和存储量. 本文将DDG 黏性项离散方法推广应用于DG/FV 混合算法, 得到新的DDG/FV混合格式, 以进一步提高DG/FV混合算法对于黏性流动模拟的计算效率. 通过Couette流动、层流平板边界层、定常圆柱绕流, 非定常圆柱绕流和NACA0012 翼型绕流等二维黏性流算例, 优化了DDG 通量公式中的参数选择, 验证了DDG/FV 混合格式对定常和非定常黏性流模拟的精度和计算效率, 并与广泛使用的BR2-DG 格式的计算结果和效率进行对比研究. 一系列数值实验结果表明, 本文构造的DDG/FV混合格式在二维非结构/混合网格的Navier-Stokes 方程求解中, 在达到相同的数值精度阶的前提下, 相比BR2-DG格式, 对于隐式时间离散的定常问题计算效率提高了2 倍以上, 对于显式时间离散的非定常问题计算效率提高1.6 倍, 并且在一些算例中, 混合格式具有更优良的计算稳定性. DDG/FV 混合格式提升了计算效率和稳定性, 具有良好的应用前景.      

GA-BPSO混合优化中红外光谱特征波段筛选的润滑油添加剂种类识别技术

针对各种设备润滑油中微量多品种添加剂种类识别问题,提出二进制粒子群算法结合遗传算法(GA-BPSO)混合优化中红外光谱特征波段筛选方法. 首先建立K近邻算法(KNN)和随机森林算法(RF)的润滑油添加剂种类识别基础分类模型;然后通过GA-BPSO混合优化算法在光谱全波段范围内筛选特征波段区域,消除干扰及无效信息,压缩庞大光谱数据集,降低搜索空间维度;再以模型识别准确率作为评价标准,用优选出的特征波段在基础分类模型上构建高性能增强分类模型. 选取硫化异丁烯(T321)、烷基二苯胺(T534)和硫化磷酸胺盐(T307) 三种润滑油添加剂作为测试对象,以不同配比混合在基础油中,采集配制样品的中红外光谱数据,并划分为训练集与测试集,分别导入基础分类模型与增强分类模型进行训练及测试. 结果显示,GA-BPSO优化筛选特征波段,使KNN的有效波段长度削减至原来的16.4%,识别准确率从70%提高到89.58%;RF的有效波段长度削减至原来的15.8%,识别准确率从85%提升至97.5%. 对比研究发现,GA-BPSO混合特征波段优选方法明显优于GA和BPSO单独使用时的筛选结果,在极大地减轻运行负担的同时,有效提高了模型多种类同步识别的准确率和稳定性.      

基于遗传算法和参数化建模的非线性结构优化

提出了一种对存在接触关系的非线性结构(装配体)进行优化设计的新方法。该方法将遗传算法与结构几何及有限元参数化建模方法相结合，在通用CAE软件的二次开发编程环境中实现对带接触的结构装配体进行结构尺寸和形状优化设计。文中利用该方法对某浮动式闭气结构的重要结构参数和关键构件形状实施了优化设计，使其闭气性能得到大幅度提高，体现了本文方法在解决这类优化问题中的优势。本文的方法有利于拓宽结构优化技术在机械设计领域的应用范围。     

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.     

An improved genetic algorithm and its applications to the optimisation design of an aspirated compressor profile

Genetic algorithm (GA) is a widely used method for numerical optimisation owing to their good global search ability; however, their local search ability has an obvious shortcoming. To improve local search ability, this paper introduces a simplex method and combines it with a GA to form an improved genetic algorithm (IGA). In the IGA, at each generation of the original GA, high‐fitness individuals are selected as vertices of a simplex, and then a one‐dimensional search within the simplex is conducted to obtain the most‐fit individuals while replacing the inferior ones. Typical test functions show that the IGA can effectively improve the optimisation effect over that of the original GA. To further verify the IGA's practicability, an aspirated compressor profile is optimised with profile, suction flow rate and suction flow location as coupled design parameters. The results again show that the IGA has a better optimising effect than the GA. In addition, it is also verified that coupling the profile and suction flow parameters results in a design that outperforms the uncoupled design; therefore, designing an aspirated compressor blade by arranging suction flow on a conventional blade without considering suction flow is not a good method. Copyright © 2015 John Wiley & Sons, Ltd.     

遗传算法改进及其在岩土参数反分析中的应用

本文的主要目的是开发基于实数编码的杂交遗传算法来识别土体的本构参数。该杂交遗传算法在经典遗传算法框架下开发,融合两个新开发的交叉算子,形成了一个新的杂交策略。为了保持种群的多样性,在算法中采用了一个动态随机变异算子。另外,为了提高算法收敛性,采用了一个基于混沌的局部搜索技术。分别基于室内试验和现场试验,通过识别土的本构参数来测试新算法的搜索能力和搜索效率。为了测试新开发算法的突出表现,特选用5种经典的随机类算法（遗传算法、粒子群算法、模拟退火算法、差分算法和蜂巢算法）,分析同样的案例进行比较。结果表明,在收敛速度和最优解的准确度方面,新改进的算法可以很好地处理岩土工程的参数反演。     

自适应免疫遗传算法

遗传算法(GA)是基于自然遗传规则随机搜索技术的一种进化算法,但是随着实际结构的大型化和复杂化,它往往出现过早收敛的现象。在研究了算法的编码方式、控制参数和算子操作之后,就其全局收敛性的不足,提出动态自适应策略以改进其性能,在基本遗传算子的基础上,采用了免疫遗传算子和保优策略。其中免疫算子可以防止交叉变异中的个体退化,自适应策略则保持了种群的多样性,以此保证遗传算法尽快收敛到全局最优解,称之为自适应免疫遗传算法(AIGA)。随后以经典的十杆桁架结构优化问题作为例子说明算法的优越性,结果表明AIGA在随机结构优化中计算有效、结果可靠。     

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.     

离散变量结构优化设计的相对差商-遗传算法

将相对差商法(RDQA)和遗传算法(GA)结合起来,提出一个离散变量结构优化设计的有效解法———相对差商-遗传算法。3个算例结果显示出其优于相对差商法与遗传算法:(1)大大提高了遗传算法搜索全局最优解的能力及计算效率;(2)间接证明了相对差商法具有足够的逼近全局最优解的能力。     

改进单向搜索遗传算法的工程结构优化设计

本文基于规范规定的约束条件和各项技术标准要求，建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种新的遗传算子单亲遗传算子，用于对遗传算法的改进。并提出一种离散变量结构优化设计的单向搜索算法与遗传算法结合在一起解决问题。优化设计结果表明，这种改进单向搜索遗传算法的收敛特性得到了很好的改善，即发挥了单向搜索算法局部搜索能力强的特点，又发挥了遗传算法全局性好的特点。该方法是一种有效的工程结构优化设计方法。