混合算法在轻钢结构优化设计中的应用

结合粒子群优化（PSO）算法快速的全局收敛性和蚁群优化（ACO）算法较强的寻优能力,提出了一种融合PSO算法和ACO算法的混合算法。首先利用PSO算法较强的全局搜索能力,产生各粒子的最优位置值;然后对ACO算法的蚂蚁总个数进行调整,在保证算法全局搜索能力的同时,避免陷入局部最优;最后利用改进的ACO算法对最优位置值做进一步优化。将该混合算法应用于轻钢结构优化设计中,建立优化设计模型。以轻钢门式框架为例,利用该模型进行优化分析,并与文献[11]中改进模拟退火算法的优化结果进行对比。结果表明,混合算法经过61次迭代后能够求出较好的全局最优解,合理可行。     

基于FA-IACS算法的车辆路径问题优化

针对传统蚁群系统算法在解决有容量约束的普适性车辆路径优化中易陷入局部最优和收敛速度慢等问题,提出了一种改进的蚁群系统算法.采用改进的距离启发函数因子调整蚂蚁状态转移概率,利用改进编码方式的萤火虫算法作为搜索机制,改善蚁群系统的全局搜索能力,应用信息素震荡程序探索新路径的信息素,避免陷入局部最优.结果表明,该算法提高了全局搜索能力,能够节约寻找最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

基于FA-IACS算法的车辆路径问题优化

针对传统蚁群系统算法在解决有容量约束的普适性车辆路径优化中易陷入局部最优和收敛速度慢等问题,提出了一种改进的蚁群系统算法.采用改进的距离启发函数因子调整蚂蚁状态转移概率,利用改进编码方式的萤火虫算法作为搜索机制,改善蚁群系统的全局搜索能力,应用信息素震荡程序探索新路径的信息素,避免陷入局部最优.结果表明,该算法提高了全局搜索能力,能够节约寻找最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

求解TSP问题的快速蚁群算法

针对蚁群算法求解旅行商问题时存在收敛速度慢并容易陷入局部最优的问题,提出了一种改进的蚁群算法。改进算法采用信息素挥发因子自适应调整机制,调节算法收敛速度,保证算法的全局搜索能力。同时根据公共路径降低蚁群算法运算时间,诱导蚁群寻找更优解。实验结果表明,改进算法在迭代次数相对较少的情况下求得的平均解与已知最优解偏差为0.46%,最优解与已知最优解偏差为0.23%,在收敛速度及求解精度上均取到了较好的效果。     

基于改进蚁群算法的三维路径规划

基于蚁群算法的三维路径规划大多存在规划速度慢、准确度不高等问题,提出了一种基于改进启发函数和自适应修正挥发系数的蚁群算法,设计了一种新的启发函数,提高了三维路径规划的准确度;提出自适应调整挥发系数,避免搜索陷入局部最优,同时加快了算法收敛速度。最后进行了仿真实验,结果证明了该方法的可行性和有效性。     

基于云模型的小生境MAX-MIN相遇蚁群算法

针对基本蚁群算法在解决大规模优化问题时易限于局部最优解、收敛速度慢的突出缺陷,本文在阐述基本蚁群算法和云模型理论的基础上,提出了一种利用云模型定性关联规则来有效限制基本蚁群算法陷入局部最优解的方法;随后借助最优解保留、相遇搜索和信息素自适应控制策略以及自然界的小生境思想对基本蚁群算法进行了系列改进,以提高改进后蚁群算法的全局收敛性能。同时,为了避免蚁群在搜索过程中易出现停滞现象,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间。仿真实验结果验证了本文所提改进蚁群算法的可行性和有效性。     

基于改进蚁群算法的物流配送路径优化

建立了带约束条件的物流配送问题的数学模型,运用蚁群算法解决物流配送路径优化问题,将遗传算法的复制、交叉和变异等遗传算子引入蚁群算法,以提高算法的收敛速度和全局搜索能力;改进了信息素的更新方式,以提高蚁群算法的自适应性,使得算法在执行过程中能根据收敛和进展情况,相应地调整信息残留程度,从而提高收敛速度或全局搜索能力;引入了一种确定性搜索方法,加快启发式搜索的收敛速度.经过多次对比实验表明,使用改进的蚁群算法优化物流配送线路,可以有效而快速地求得问题的最优解或近似最优解     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

智能交通系统中车辆路径优化问题的研究

针对智能交通系统中的车辆路径优化问题,运用蚁群算法进行求解,并对状态转移概率公式的选择做出了调整,进一步对信息素挥发因子进行改进,从而改进了基本蚁群算法到一定阶段后容易陷入局部最优的缺点,提高了算法的运算速度。实例求解表明,改进蚁群算法在车辆路径优化问题中,可以快速有效地得到近似最优解。     

基于人工智能算法的采摘机器人最优路径规划研究

在复杂多变的工作环境,特别是在多丘陵等特殊地理位置,快速选择最优路径,避开障碍物,完成作业,需要进行采摘机器人的路径规划.基于改进蚁群算法对拣选机器人路径进行规划,搜索效率较低,存在早熟收敛的可能,基于此,提出基于人工智能算法的采摘机器人最优路径规划方法.构建环境模型,为减少初始寻路时间,提高搜索速度,增强全局优化能力...     

钢管混凝土受压构件优化设计

给出了钢管混凝土受压构件优化设计的数学模型、并且利用复形法进行了优化设计,给出了求钢管混凝土受压构件最优解的计算框图。     

内置CFRP圆管方钢管高强混凝土纯弯构件力学性能的试验

目的了解内置CFRP圆管的方钢管高强混凝土纯弯构件的静力性能,研究不同CFRP配置率和含钢率对纯弯构件的承载能力的影响．方法对5个内置CFRP圆管的方钢管高强混凝土纯弯构件和3个方钢管高强混凝土纯弯构件进行静力试验,分析试验结果,绘制荷载-跨中挠度曲线,钢管碳纤维P-ε曲线．结果受弯构件内置了CFRP圆管约束内部核心混凝土后,有效地改善了该构件的力学性能（承载力提高率可提高10％左右、延性提高5％-12％）;试件的荷载跨中挠度全过程曲线可分为弹性阶段、弹塑性阶段、强化段．结论内置CFRP圆管可有效地改善方钢管高强混凝土纯弯构件的力学性能．     

基于人工免疫-蚁群算法的平面QoS路由模型

人工免疫算法具有快速随机的全局搜索能力,但系统中的反馈信息利用不足且有大量无为的冗余迭代。蚁群算法具有分布式并行全局搜索能力,但初期信息素匮乏。本文提出一种基于人工免疫-蚁群算法的混合算法,采用人工免疫算法生成信息素分布,利用蚁群算法求优化解。将该算法用于求解包含带宽、时延和最小代价约束条件在内的平面QoS路由模型问题,进行计算机仿真。结果表明,该算法是一种收敛速度和寻优能力都比较好的优化方法。     

多层楼房仓中采用钢管混凝土结构的探讨

根据多层楼房仓结构设计中存在的一些问题，结合钢管混凝土框架结构的优点及在实际工程中的应用情况，分析了在楼房仓中应用钢管混凝土结构的优越性及可行性。     

圆钢管再生混凝土短柱计算方法

为了对圆钢管再生混凝土短柱的计算公式进行研究,建立了圆钢管再生混凝土轴压短柱有限元模型,并验证了模型的正确性.使用四种规范对13根圆钢管再生混凝土短柱有限元模型进行了计算分析,结果表明:规范ACI(2005)、规范ASIC(2005)和规范AIJ(1997)对于圆钢管再生混凝土轴压短柱的计算结果偏安全,但精确度较低;规范(GB 50936-2014)的计算结果不仅偏安全,而且计算精确度较高,但此规范未考虑骨料取代率的影响.对规范(GB 50936-2014)中的公式进行了修正,提出了修正系数θ,并验证了修正系数的正确性.     

基于蚁群算法的智能交通最优路径研究

针对车辆智能交通最优路径问题,提出一种实时规划的蚁群算法。在该算法搜索过程中加入针对具体问题的局部搜索寻优算法,在启发函数中引入搜索方向,改进信息素更新策略,限制信息素轨迹量。利用智能交通道路模型对改进算法进行比较分析。实验结果表明,改进后的蚁群算法能够有效地解决车辆实时路径诱导问题,实现车辆实时路径诱导,具有良好的收敛性和寻优性。     

基于新规范的哑铃型拱肋徐变效应分析

针对钢管混凝土拱桥由于钢管内混凝土徐变导致的拱肋下挠和截面应力重分布问题,基于《公路钢管混凝土拱桥设计规范》(JTG-T D65-2015),考虑哑铃型拱肋截面的截面特性,计算新规范下的徐变系数,通过对一座152米钢管混凝土拱桥建立全桥的有限元模型,并与按原JTG D62-2004路桥规范中的徐变系数计算所得出的结果进行对比分析。结果表明:针对钢管混凝土的JTG-T D65-2015规范的徐变系数比针对普通钢筋混凝土的JTG D62-2004规范的徐变系数小。按JTG-T D65-2015规范计算的由徐变引起的拱肋下挠值比按JTG D62-2004规范计算所得值小10%左右,徐变引起钢管截面应力增大和混凝土截面应力减小,按JTG-T D65-2015规范计算得到的钢管应力增大值比按JTG D62-2004规范计算所得到的值小10%-15%左右。     

钢管混凝土柱-钢筋混凝土环梁节点设计方法

介绍了钢管混凝土柱-环梁中节点（环梁节点）在静载和低周反复荷载作用下的设计方法,其可靠性得到试验数据的证实。结果显示,在地震区推广应用钢管混凝土柱一钢筋混凝土环梁节点的结构体系具有较强的可行性。     

基于蜂群单阈值分割的SRC板材缺陷分类方法

针对传统单阈值板材缺陷分割算法易陷入局部最优、早熟以及收敛速度慢等缺点,提出了一种基于改进蜂群算法的单阈值分割算法.为了提高缺陷分类准确率并减少运算量,将稀疏表达分类器(SRC)运用到板材缺陷分类过程中.改进算法每次迭代都会同时进行全局和局部搜索,且侦查蜂随机全局选取蜜源以加快收敛速度,搜索半径可以根据时变搜索参数进行自适应调整,SRC可将缺陷分类问题转换为求最稀疏系数解的过程.结果表明,本文算法可以准确快速地计算出最佳分割阈值,并将分类准确率提高到90%以上,具有一定的可靠性与可行性.