基于D-S证据理论的知识融合及其应用

知识融合是上世纪末提出的一种新概念,它不但能够融合数据、信息,而且还可对方法、经验,甚至人的思想进行融合.针对企业失败预警问题,提出了一种基于D-S(Dempster-Shafer)证据理论的新的知识融合方法,该方法主要包括数学建模、知识融合以及结果分析与决策三个步骤.给出了基于D-S证据理论知识融合方法的具体实现:提出了一种数学建模方法,将信息熵的概念引入到基础概率分配的确定中;针对企业失败预警问题,推导了基于D-S证据组合理论的知识融合公式;提出了一种简洁的融合结果分析与决策方法.最后通过对具有典型企业风险特性的两个上市公司进行分析和处理,验证提出的基于D-S证据理论的知识融合方法的有效性.结果表明,该方法能有效降低企业失败预警方法的不确定性.      

机翼低速风洞试验颤振模型优化设计方法

对于机翼的低速风洞颤振试验模型设计中涉及学科多、难度高、工作量大、周期长等问题,把具有很好的全局和局部寻优能力且收敛速度很快的遗传/敏度混合优化算法应用于模型设计过程;详细说明了遗传/敏度混合优化算法的优化设计原理、设计过程,以及应用范围;论述了机翼颤振模型设计的基础理论和设计思路;根据实际问题的物理模型,并通过对机翼颤振模型设计原理的分析,建立了优化设计的数学模型;通过优化设计方法的实际应用,完成了设计工作,提高了设计效率,保证了设计精度,该设计方法所得到的设计结果与计算得到的设计要求之间的误差在5%以内;在此基础上建立了完整的机翼颤振模型工程优化设计方法,使该方法能够应用在模型设计的很多方面,为工程设计提供了一种有效的手段.      

遗传算法在软件测试数据生成中的应用

测试数据生成是软件测试中的关键环节,它的实现对于软件测试过程的自动化具有重要意义.本文阐述了用遗传算法作为核心搜索算法来生成软件结构测试数据的方法和技术,其中讨论了编码策略、评价函数构造及插装等问题的解决方案,并重点说明了如何对遗传算子进行改进,使算法在解决本问题时更加有效.实验数据证明该方法是高效的.     

作业排序问题的加工周期算法分析

JSSP(Job Shop Scheduling Problem)问题可分解为2个部分:一部分是求解加工周期;一部分是寻找具有最小加工周期的序.目前关于研究加工车间的作业排序问题JSSP的文献都把注意力集中在如何设计一种算法快速地找到一种排序使得所有工件的总加工周期最小,却很少对求解总加工周期的算法进行讨论.本文给出了几种不同的求解总加工周期的基本算法和数据结构,并较详细地分析了各个算法的时间复杂性及结果的差异性,对于求解较大规模加工车间的作业排序问题有一定的参考价值.      

T型尾翼动气动弹性优化设计

T型尾翼构型复杂,操纵面多,在动气动弹性的有限元建模和颤振特性设计中,需要修改的参数多,颤振分析复杂,设计人员面临很大的困难.通过在设计过程中引入优化方法,能够有效的解决这些问题.依据遗传算法和敏度优化算法的特点,针对固有振动和颤振优化设计的不同要求,将两种优化方法进行混合和递进应用,形成不同的优化设计方法.建立固有振动频率和颤振阻尼对结构参数的敏度公式,设计两种不同优化问题的数学模型.将优化方法应用于某T型尾翼的结构动力学优化设计,提高了设计速度,保证了设计精度,固有振动频率误差保证在3%以内.在保证质量最小的要求下,使颤振速度得到提高,并为实际结构的设计提供一定指导.      

基于生产成本的作业调度

提出了一个基于净现值的调度指标，该指标充分考虑到影响调度决策的各项费用．如在制品库存费用、机床工时费、直接工人的工资、工件提前或拖期完工造成的损失等。然后以遗传算法为工具，研究了作业调度问题，设计了一种很实用的算法。该算法采用基于工序的编码方法把调度编码成染色体，并通过遗传操作来搜索最佳染色体。解码算法根据工序在染色体中的次序和最短加工时间一紧迫度规则得到调度。仿真结果表明该方法是可行的。并有一定的优越性。     

基于基因算法与博弈论的气动高升力优化

A multi-objective evolutionary optimization method (combining genetic algorithms(GAs)and game theory(GT))is presented for high lift multi-airfoil systems in aerospace engineering.Due to large dimension global op-timization problems and the increasing importance of low cost distributed parallel environments,it is a natural idea to replace a globar optimization by decentralized local sub-optimizations using GT which introduces the notion of games associated to an optimization problem.The GT/GAs combined optimization method is used for recon-struction and optimization problems by high lift multi-air-foil desing.Numerical results are favorably compared with single global GAs.The method shows teh promising robustness and efficient parallel properties of coupled GAs with different game scenarios for future advanced multi-disciplinary aerospace techmologies.     

HFCVD系统热丝参数遗传优化

在热丝化学气相沉积金刚石系统中，衬底温度是影响金刚石成膜质量的关键因素之一。为了沉积大面积优质金刚石膜，必须对衬底表面温度的大小及均匀性实施有效控制。中通过应用遗传算法对热丝参数进行优化设计，保证了衬底在半径为Rs＝10cm的范围内具有较均匀的温度场，从而为大面积生长优质金刚石膜提供了可能。     

用遗传算法精确计算圆度误差

提出了一种应用遗传算法计算满足最小区域法的圆度误差的新思路,并对传统的遗传算法提出了一些改进。采用实数值编码,其计算结果精确度非常高,理论上可以获得全局最优解;保留上一代种群中适应度最好的个体到下一代,可以确保解的收敛性;对基于实数值编码的繁殖算子、交叉算子、变异算子给出了具体的操作方法。仿真结果表明,用改进的遗传算法求解圆度误差,简单明了,收敛速度快,在计算机上容易实现。     

遗传算法在含连续/离散变量结构优化中的应用

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题。本文探讨了如何将遗传算法应用于含连续／离散设计变量的结构优化问题。着重讨论了连续／离散混合变量的编码方法和减少适应度函数计算次数的ｍ ｉｃｒｏ ＧＡ 技术。将遗传算法应用于数学考题和十杆结构尺寸／材料混合变量优化问题。两个算例表明,遗传算法能比较有效地解决含连续／离散混合设计变量的优化问题。