注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

协同多目标攻击空战决策的启发式粒子群优化算法

利用协同多目标攻击战术的特定知识,并结合粒子群算法,提出了一种用于空战决策的启发式粒子群算法。该算法利用粒子群算法对解空间探索能力强,容易跳出局部最优陷井及启发式算法局部搜索能力强的优点,快速、高效地对全局最优值进行搜索。该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验结果表明。本文算法对最优空战决策方案的搜索性能明显优于普通粒子群算法及其他两种遗传算法。     

基于六模糊控制器的自适应遗传算法

遗传算法的性能主要取决于算法对满意解的搜索和优化的能力。本提出的自适应遗传算法可以自动均衡搜索和优化关系。该算法采用六个模糊控制器对符号编码遗传算法的遗传操作实施动态参数控制。对旅行商(TSP)问题的求解结果表明该算法在解决类似于TSP的组合优化问题时具有比标准遗传算法更好的性能。     

Karman型四边夹紧正交异性矩形薄板的中等大挠度

利用Galerkin方法分析了Von-Karman型四边夹紧正交各向异性矩形板。所设的位移函数为梁振型函数，它不仅能精确地满足边界条件，而且具有正交的特性，从而把复杂的非齐次非线性偏微分方程组化为一组非线性代数方程组，通过非线性方程组的线性化和可调节参数的修正迭代解法找出问题的解。实践证明，梁振型函数收敛很快，只须取出级数的前几项即可满足精度要求。最后求出了不同复合材料的挠度和应力值并同已有的结果进行了比较。     

欧拉-伯努利梁平面超大挠性变形问题变分法求解

对于欧拉-伯努利悬臂梁平面超大挠性变形问题,由于其复杂的非线性几何方程,以位移为基本变量进行求解时,通常只能采用如多重打靶、微分求积等数值方法求得梁上离散点的位移值。本文研究了欧拉-伯努利悬臂梁平面超大挠性变形问题变分法求解理论。通过假设多项式形式的梁的曲率试函数以及常数中心线应变,基于欧拉-伯努利悬臂梁的基本假设,推导出了相互耦合的位移函数的精确表达式,并基于变分法理论和三角函数级数展开,推导出欧拉-伯努利梁的非线性控制方程组。利用迭代法对非线性控制方程组中的未知参数进行求解,最终得到欧拉-伯努利悬臂梁的位移函数的解析表达式。利用有限元计算结果对提出的变分法求解理论进行验证,并分别计算了欧拉-伯努利悬臂梁在自由端集中力及位移约束情况下的大变形。算例表明,基于本文的变分法求解理论,利用6个未知参数,即能够精确预测欧拉-伯努利悬臂梁在自由端集中力及位移约束下的超大挠性变形,该研究成果为欧拉-伯努利悬臂梁的超大变形问题提供了新的求解方法。     

遗传算法在DH106动力箱可靠性优化设计中的应用

本文考虑随机因素的影响，建立了DH106动力箱可靠性优化设计的模型。采用惩罚函数法将约束优化转化为无约束优化。将遗传算法用于DH106动力箱可靠性优化设计的求解，利用交叉和变异来搜索，在较大程度上避免了优化搜索停止在局部优化解上，优化效果十分明显。     

关于遗传算法模糊控制的研究

在控制对象的数学模型由于受非线性的时变的影响很难精确确定时，模糊控制是一个比较好的方法，但模糊控制规则易受人的因素的影响而归纳得不完善，并且不能自学习影响了模糊控制的效果。遗传算法可以搜索整个空间，不易陷入局部最优解，不受搜索空间的性假设的约束。可以解决非常困难的寻优问题，本文提出关于遗传算法的模糊控制，使控制规则得到优化，从而改善了控制性能。仿真实例表明这种方法是可行的。     

用正则化方法快速求解中长基线网络RTK模糊度

提出了采用选权拟和的正则化新方法,利用参考站坐标准确已知的条件作为约束,设计出正则化矩阵,使法矩阵的病态性得到了改善,只用几个历元的数据求解,能较准确得到模糊度的浮点解,在此基础上结合LAMBDA方法可以快速地确定整周模糊度。以4条中长基线的实测数据为例,新方法用3个历元的单频L1数据就能求解出整周模糊度,且成功率为100％。与现有方法相比,新方法可采用单频GPS数据实现中长基线GPS网络RTK的整数模糊度快速解算。     

柔索的非线性变形分析

根据柔索应变与位移非线性几何关系以及自重作用与温度影响下的平衡方程,采用欧拉坐标系统精确地求得了各点位移和张力的一般解.由柔索的非线性变形问题建立的非线性代数方程组应用改进Powell混合算法编制的高精度DNEQNF程序直接进行求解.算例中对柔索两端点在同一水平线上承受自重或集中力两种情形进行了计算,并与其他学者用不同...     

混沌遗传组合算法在复杂曲面零件加工定位中的应用

针对复杂曲面零件加工时难以精确定位的问题,利用数控机床对毛坯测量,然后将测量值和CAD模型理论值进行匹配计算,从而将标准零件模型嵌入到毛坯中,实现工件的定位.对于求解转换矩阵这一非线性问题,设计了混沌遗传组合算法,该算法可有效减小遗传算法陷入早熟的概率,有助于搜索到全局最优解.最后通过试验证明该算法可实现对转换矩阵的求解,将理论模型嵌入到零件毛坯中,使加工余量得到优化.     

基于翼型反设计的遗传算法

遗传算法有时收敛太慢或收敛困难.在翼型反设计问题中,算法的计算效率很重要.给出了翼型的非均匀B样条曲线表示,设计了遗传操作算子,引入一种简单、易实现、高效率的随机逼近算法--Simultaneous Perturbation Stochastic Approximation(SPSA)算法,将SPSA算法作为一种快速局部优化方法和遗传算法的整体搜索策略结合起来,为翼型反设计提出了一种快速高效优化算法.并用该算法分别对NACA2412和NACA0016翼型进行了反设计,取得了令人满意的结果.     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

求解织物热湿耦合方程的控制体-时域递归展开算法

为求解织物热湿传递耦合方程,给出了一种基于控制体积法和时域递归展开的求解织物热湿传递耦合方程的算法。首先,在时域对方程变量和参数进行级数展开,然后使用控制体积法对方程空间域进行离散,从而化连续性的非线性微分方程组为一系列的递归形式的线性代数方程组。文中给出了问题的求解步骤和算例。结论表明该方法的预测结果具有不依赖时间步长的特点。     

求解非对称线性方程组的松弛混合算法

求解大型稀疏非对称线性方程组的混合迭代算法通常会由于系数矩阵的谱分布较广而导致收敛失败。本文通过在迭代多项式中加入变化的松驰因子定义了一类松驰混合算法。选择适当的松驰因子可以显著地改善算法的收敛效果。     

求解装箱问题的遗传算法

本文提出了两种求解装箱问题（ＢｉｎＰａｃｋｉｎｇ）的遗传算法。一种是简单遗传算法,它采用等长度字符代码编码方法,使用常规的遗传操作算子。另一种是混合遗传算法,它综合运用解装箱问题的ＦＦＤ（ＦｉｒｓｔＦｉｔＤｅ－ｃｒｅａｓｉｎｇ）近似算法和简单遗传算法。试算结果表明,由这两种遗传算法所得到的装箱方案较一些近似算法所得到的装箱方案都要好。     

求解约束优化的一种混合遗传算法

对于一类约束优化问题 ,基于罚函数和单纯形方法 ,本文提出了一种混合遗传算法 ,数值算例表明该算法是有效的     

硫化罐温度和压力的两级控制

推导了Ｈａｍｍｅｒｓｔｃｉｎ模型描述的一类多变量非线性系统的加权最小方差自校正控制器算法，并将该算法应用在硫化罐温度和压力控制上。为提高该算法应用在工程上的可靠性，本文提出了两级控制思想──即先用本文推导的算法和常规多变量ＰＩＤ控制算法分别计算控制值，若两者计算结果差别不大，则认为自校正算法收敛，自校正计算控制值可直接输出；若两者计算结果差别较大，则认为自校正算法可能发散，这时可根据两种算法对控制值进行调整，然后输出调整后的控制值。实际运行结果表明，这种控制器具有较强的鲁棒性和较好的控制效果。     

叶片非线性瞬态响应计算方法与参数选择

在计算叶片的岛撞击响应时，为提高计算精度及降低计算成本，需要为待解的非线性动力方程组制定一个合理的求解方案，这包括选择系数矩阵的算法与非线性动力方程组的解法，以及选择主要计算参数，本文介绍了当使用ＡＤＩＮＡ程序计算平板叶片在冲载荷下的非线性瞬态响应时，对计算方法与计算参数的选择，算例说明了时间步长的重要影响作用。     

基于多GPU的大型线性和非线性方程组的求解(英文)

在处理工程问题时,常常需要对线性或非线性方程组进行求解。对于实际应用中经常遇到的大型方程组进行求解则需要相当长的时间。使用图形处理器(GPU)代替传统的CPU,将多块GPU通过操作系统进行协调,并将PBi-CGstab方法和Inexact Newton方法进行适合多GPU并行的改造以此作为多GPU求解器的核心算法,加速求解大型线性和非线性方程组。本文的多GPU求解器在成倍扩展了单GPU求解器允许的计算规模的同时取得了令人满意的加速比。