基于小生境遗传算法的生态景观格局空间结构优化

为了提高传统建筑景观的直观性,提高居民的满意度,并且实现绿色环保的设计,提出基于小生境遗传算法的生态景观格局空间结构优化,优化目的主要包括建筑成本、绿化带等公共设备。对景观格局优化的目标进行分析,主要包括提高生物多样性、维持能量、物质的流通、维持景观格局的稳定性、提高生活环境品质;实现景观规划的优化,包括确定生态廊道、不同高度城市风速模拟、不同高度城市温度场空间扩散模拟;实现基于小生境遗传算法的优化,并且对优化结果进行测试。测试结果表明,人们对于大部分建筑景观评价因子都表示比较满意,说明人们对景观优化之后的空间布局认可,证明所提算法能够优化建筑景观空间,提高居民满意度。     

基于遗传算法的非线性车辆座椅支撑系统优化设计

座椅支撑系统是整车行驶平顺性优劣的重要影响因素之一.对座椅支撑系统建模优化,可提高座椅的乘坐舒适性.采用单自由度非线性座椅模型并在该模型的基础上进行座椅支撑的优化设计.非线性座椅支撑系统参数优化设计过程中,由于考虑了4种工况,每计算一次适应度值都要调用不同工况的路面进行非线性随机响应计算以得到4种工况下的驾驶室加速度响应,而且目标函数无导数等有效信息提供,因此普通的优化算法对此类优化问题解决能力较差.借助于小生境自适应遗传算法,取得了较好的优化结果.经过优化,座椅支撑系统的非线性刚度与阻尼参数值更匹配,减小了座椅支撑系统的振动传递率,座椅支撑系统在该刚度和阻尼参数匹配下达到了较优的减振效果,从而提高了座椅的乘坐舒适性,为开发相关的非公路车辆减振座椅提供了理论参考.     

小生境遗传算法在传感器优化布置中的应用

桥梁结构健康监测系统中,传感器优化布置问题十分重要。采用小生境遗传算法,并结合正交试验设计方法研究了某两跨连续非对称悬索桥主梁位移传感器布点的优化计算。     

岩体随机不连续面产状数据划分方法研究

动态聚类算法从本质上讲是单目标组合优化算法,一般需要事先给定目标分类数和初始聚类中心,且初始聚类中心的选择对数据划分结果影响较大。为了解决该问题,提出将产状数据的划分问题转化为多目标优化问题,并采用小生境Pareto遗传算法进行求解。针对聚类问题的特殊性,采用基于链表的编码方案,并建议相应的遗传操作算子;通过引入小生境技术和Pareto支配集理论,仅通过一次求解可由Pareto支配集给出对应于不同目标组数的最优分组结果,而且不用事先给定目标组数以及初始聚类中心。最后,将算法应用于三峡船闸高边坡岩体实测不连续面产状数据的划分,得到较为符合实际的优势结构面分组。     

多关节测量臂的小生境混沌优化校准

多关节测量臂是一种便携式的坐标测量设备,它由一系列的旋转关节组成。为了提高多关节测量臂的测量精度和可重复性水平,必须对其运动学参数进行校准。首先,利用小生境的混沌优化算法提出了一种新的运动学校准方法以及一种混合目标的运动学校准函数,它考虑了诸如单点测量实验、容积性测量实验等多种性能测量实验的实验结果,然后,采用Levenberg Marquardt(L-M)算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。实验结果表明:使用NCOA算法校准后,测量误差的标准差始终优于LMA算法,并且校准前后多关节测量臂的测量精度提高了40倍。采用L-M算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。     

智能组卷系统的研究

本文研究智能组卷系统,针对传统遗传算法极易未成熟收敛和后期搜索效率低的情况,引入小生境技术,提出优化的混合遗传算法,改进了组卷策略等关键技术,实验结果表明,新算法在全局搜索性能和收敛速度上有显著提高。     

基于INTLBO-SVR的低压断路器热脱扣时间预测

热脱扣时间是低压断路器的关键指标,利用断路器生产过程中可检测数据可以实现热脱扣时间的预测。针对支持向量回归(SVR)进行热脱扣时间预测,参数的选择对预测的精度和泛化性能影响较大问题,提出一种基于隔离小生境教学算法(Isolated Niche Teaching-Learning-Based Optimization Algorithm,INTLBO)优化支持向量回归的热脱扣时间预测方法。该方法针对教学算法易陷入局部最优的缺点,采用隔离机制的小生境技术对其进行改进,然后利用INTLBO寻优找到最优的SVR参数。根据低压断路器生产历史数据,建立基于INTLBO-SVR的热脱扣时间预测模型。仿真结果表明,与TLBOSVR和常规SVR等方法相比,INTLBO-SVR模型具有较好的预测性能。     

基于种群划分与变异策略的粒子群优化算法

粒子群算法因其形式比较简洁，参数设置灵活，操作简便易行，并且能够快速收敛，从而引起广泛关注。但是传统的粒子群算法也有缺陷：收敛速度慢以及容易陷入局部最优等。针对这些问题，本文借鉴小生境的方法，在进化初始阶段，对种群进行划分，将初始种群分为子种群，对不同的子种群进行不同的变异策略；在进化过程中，针对不同的子种群，设置不同的惯性权重因子ω，用来增强全局搜索能力与局部搜索能力。实验结果表明，本文提出的算法较传统的粒子群算法具有较快的收敛性以及找寻的全局最优解更接近真实解集，收敛精度比较高。     

智能组卷系统的研究

本文研究智能组卷系统,针对传统遗传算法极易未成熟收敛和后期搜索效率低的情况,引入小生境技术,提出优化的混合遗传算法,改进了组卷策略等关键技术,实验结果表明,新算法在全局搜索性能和收敛速度上有显著提高。