面向主梁优化的改进果蝇优化算法研究

针对果蝇优化算法收敛速度慢、易陷入局部最优、收敛早熟等不足,引入了自适应步长、粒子群算法中的粒子速度,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度。将改进果蝇优化算法运用到桥式起重机主梁的轻量化中,并运用有限元软件对优化后的主梁进行力学分析,通过实例验证了算法的优越性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

面向主梁优化的改进萤火虫算法研究

通过对萤火虫算法的学习和深入研究,得知算法在极值点区域容易呈现无规律的振荡现象,从而降低了局部搜索的能力;为了解决这个难题,引入了振荡权重函数,以此来增强局部搜索能力,提高算法精度。同时为了使全局与局部的搜索能力相对均衡,加快算法的收敛进度,又将模拟退火算法借鉴到算法中;将改进的算法运用到桥式起重机箱型主梁中进行优化并通过ANSYS进行力学分析,实例检验了算法的可行性;最后通过对比优化前后的结果,得出优化后的主梁质量减少6.87%且符合设计要求,对实际工程结构的设计有指导意义。     

搜索空间自适应调整蜂群算法的起重机主梁优化

为了减轻起重机主梁自身重量、实现主梁轻量化,提出了搜索空间自适应调整蜂群算法的主梁优化设计方法.建立了起重机主梁轻量化设计数学模型;以传统人工蜂群算法为基础,提出了蜂群搜索空间随迭代次数自适应缩减方法,直至最终锁定最优值区域;充分利用混沌系统的遍历性和随机性,使用混沌搜索蜜源代替停滞蜜源,不仅跳出了局部极值,而且实现了蜜源进化,有效提高了算法收敛速度和寻优精度.使用搜索空间自适应调整的混沌蜂群算法和传统算法求解主梁优化数学模型,改进算法优化的主梁面积比企业主梁截面积减少了2.77％,而传统算法只减少了2.42％;对优化后主梁进行有限元分析可知,主梁优化后依然满足约束条件,符合设计使用要求.     

基于整数编码遗传算法改进的起重机主梁优化

轻量化是起重机的发展趋势之一,利用优化技术减轻主梁质量是其关键而有效的方法之一。首先,综合考虑主梁设计模型中变量的离散性与连续性以及各类约束,对传统主梁优化模型进行了补充与改进;然后,对传统的整数编码遗传算法进行了改进,保留了选择、交配、变异操作产生的群体,扩大了搜索空间,能够处理新的主梁优化模型中设计变量取值区间不同、变量间有约束的情况;最后,以浙江省某企业的QD型起重机为实例,利用改进的整数编码遗传算法对主梁进行了优化求解,同时通过与现有算法的比较,优化模型的有效性和算法的收敛稳定性得到了验证。     

基于改进引力搜索算法的桥式起重机主梁优化

介绍了一种新型群体智能优化算法——引力搜索算法,针对其局部搜索能力较弱的问题将常系数和权值引入算法,改进了其位置更新公式和惯性质量公式。应用改进的算法、基本算法和遗传算法优化目标函数,利用MATLAB分析结果检验了改进引力搜索算法的可行性和优越性。将万有引力搜索算法运用到桥式起重机主梁的轻量化设计中,通过有限元分析得到优化后的主梁在保证强度刚度等参数符合设计要求的情况下,截面面积比优化前减少了19.14%。     

基于改进果蝇算法的桥式起重机金属结构优化设计

以通用桥式起重机箱形主梁金属结构为研究对象,针对现阶段桥式起重机金属结构在优化方法方面存在的易陷入局部最优、搜索时间较长等问题,在研究果蝇算法及传统优化算法搜索方式的基础上,将果蝇算法进行了适当的改进,利用果蝇算法高效的全局寻优能力,并结合传统优化算法的稳定性,提出了一种新的具有较高搜索效率的优化方法,将该方法运用到50 t/20 m双梁桥式起重机主梁金属结构轻量化设计之中。计算结果表明,该方法可以加速优化算法的收敛速度,具有良好的优化性能,证明了文中所提方法适合进行起重机金属结构轻量化设计,为起重机金属结构的轻量化研究提供了一种新的高效的设计手段。     

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。     

基于混合策略改进的鹈鹕优化算法

针对鹈鹕优化算法求解精度低、稳定性不足、易陷入局部最优等问题,文章提出一种混合策略改进的鹈鹕优化算法（IPOA）。首先,为了增强种群的随机性和多样性,扩大种群的搜索范围,引入反向折射学习机制;其次,利用正余弦算法和鹈鹕算法融合,改进鹈鹕搜索猎物的方式,增强算法的局部搜索与全局搜索能力;然后,采用Levy飞行机制对鹈鹕位置进行更新,从而提高算法的搜索能力以寻找最优值;最后,引入自适应t分布变异算子,使用算法的迭代次数作为t分布的自由度参数来增强鹈鹕种群的多样性,避免算法陷入局部最优。通过12个标准测试函数对改进算法与海鸥优化算法、黑猩猩优化算法、鲸鱼优化算法、蛇群优化算法和基本鹈鹕优化算法进行测试比较,结果表明,IPOA具有更好的收敛速度和稳定性。最后将改进鹈鹕算法应用于压力容器设计优化问题,进一步证实改进后的算法具有较好的求解性能。     

基于改进烟花算法的桥式起重机主梁轻量化设计

介绍了烟花算法,并针对烟花算法寻优精度低、易陷入局部最优等缺陷对算法进行改进。引入反向学习策略优化种群,采用自适应因子改进爆炸半径,使用新的变异方式及交叉选择操作改进算子位置,且使用锦标赛选择策略选取优良个体。将改进算法引入桥式起重机主梁轻量化设计中,通过实例验证了算法的可行性。优化效果较明显且符合主梁约束条件。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

基于小生境技术的改进鲸鱼优化算法北大核心CSCD

针对标准鲸鱼优化算法全局搜索能力不足、收敛速度慢等问题,采用小生境技术和引入自适应权重对鲸鱼优化算法进行改进。首先,引入小生境技术中的竞争选择策略,通过比较距离添加共享函数计算适应度来提高鲸鱼算法的寻优能力,避免WOA算法陷入局部最优,解决算法早熟现象;其次,采用自适应参数作为位置权重调整鲸鱼算法的位置公式,提高算法的收敛速度和寻优精度。将该算法引入单峰和多峰模态基准测试函数中,仿真实验表明,在保证算法收敛速度的同时,所提出的改进鲸鱼优化算法有效地提高了搜索能力和寻优精度。     

基于DOE和狼群算法的桥起主梁轻量化研究

通过对起重机传统优化设计方法的学习和深入研究得知,传统优化方法优化效果不明显、优化目标单一且运算效率低等缺陷,为了提升优化效果深入了解并学习DOE分析方法和狼群算法。提取主梁多个重要参数利用DOE分析合理安排实验提取出对主梁性能和质量灵敏度影响较大的主要参数,同时提高算法精度和局部寻优能力将自适应步长和Metropolis接受准则引入到基本狼群算法中,形成了改进狼群算法并应用其进行寻优得到最佳数据组合,。将改进的狼群算法于16T桥起的主梁中进行优化,在满足生活实际的前提下,使其实现轻量化。并运用有限元分析法对进行实例验证,通过验证优化前后主梁力学性能,得出优化后的主梁符合要求,对实际工程结构的设计有指导意义。     

改进狼群算法在桥起主梁优化中的应用

通过对狼群算法的学习和深入了解得知,传统优化方法的优化效果不明显,优化目标单一且运算效率低,而狼群算法对多目标、高维函数求解效果明显。但算法在极值点区域存在震荡现象,容易陷入局部搜索。因此将自适应惯性权重、自适应步长以及自适应视野引入到基本狼群算法中,形成了改进狼群算法。将改进的算法应用于桥起主梁中进行优化,在满足安全生产的前提下,使其达到减重的效果,并应用ANSYS进行力学分析,实例检验了改进算法的可行性,得出优化后的主梁截面积减少12.1%,对实际工程结构的设计有指导意义。     

基于SHO-NSGA混合算法的飞机油舱管路自动布局方法

针对飞机油舱内部管路路径规划问题,提出一种基于改进斑鬣狗算法的飞机油舱管路自动布局方法。为了提高斑鬣狗算法的全局搜索能力以及收敛速度,在种群进化过程中引入扩散搜索机制对迭代过程中最优解进行扩散,以达到提高全局搜索能力的目的;在算法迭代后期引入深度包围机制,使其在最优解中随机搜索以提高算法的收敛速度。采用栅格法构建敷设空间数学模型,以管路路径最短为优化目标,以管路路径不与障碍物发生干涉、管路折弯角度及管路折弯半径为约束,建立管路布局优化数学模型。进一步,考虑管路的支臂布局问题,以支臂总长和支臂姿态作为支臂布局双目标优化函数,运用遗传算法NSGA-Ⅱ对管路支臂布局方案进行编码生成初始个体,设计交叉、变异规则,求解管路支臂布局的Pareto解集,进而获得管路支臂布局方案。最后,通过数值算例及管路敷设仿真验证所提方法的有效性。     

一种动态邻域的多目标粒子群优化算法

针对粒子群算法在多目标优化问题中存在收敛性差,容易陷入局部最优等缺陷,提出了一种改进的粒子群优化算法。该算法在原有的粒子群算法上增加了两个操作:一是引入了一种变异算子,该变异算子为正态分布随机变异算子,可以使粒子在邻域内随机变异,使其在精英解集中搜索;二是在个体最优位置选取时,对未进入过精英解集的粒子进行变异,使其在新的可行域中寻找,从而加快粒子的收敛速度。经过测试函数验证,该算法可以加快粒子的收敛速度,使粒子更快找到最优解,提高解的收敛性。     

求解带时间窗车辆路径问题的改进型烟花算法

针对带时间窗车辆路径问题,为寻求组合优化问题最优解,构建总运输成本最小数学模型。由于烟花算法搜索半径不能自适应调整,算法后期易陷入局部最优,故对爆炸算子进行改进,使最优烟花搜索半径自适应调整,增强后期局部搜索能力;同时利用分布式信息共享机制避免算法早熟并引入变异火花增强种群多样性。利用标准测试集进行验证后,结果表明该算法在求解带时间窗车辆路径问题时不仅具有可行性和有效性,并且收敛速度快、搜索质量高。     

基于改进粒子群算法的复合材料机翼结构布局优化设计

采用粒子群算法对复合材料机翼结构进行布局优化求解.针对粒子群算法的早熟收敛现象,采用了两种改进措施:根据粒子的浓度变异粒子以增加粒子种群多样性;将变尺度混沌优化方法结合到粒子群算法中用以变异搜索最优粒子.算例结果表明,文中所提优化方法是可行有效的.     

基于改进遗传算法的函数优化及其性能分析

工程应用中,常涉及到最优化问题.对很多问题进行数学建模后,都可以抽象为一个数值函数的优化问题.实践表明,遗传算法求解最优化问题的计算效率很高.提出了一种对简单遗传算法的编码方式、选择算子、交叉算子及变异算子都进行改进的算法,仿真试验表明,改进算法的函数优化计算在搜索效率和收敛速度方面都有很大提高.     

基于改进差分进化的起重机主梁优化设计

基于改进差分进化算法提出一种起重机主梁结构的快速优化设计方法.将疫苗接种的思想应用于差分进化,加速优良模式的繁殖,修复被交叉、变异破坏的模式,从而加快收敛速度.引入超变异算子维持种群的多样性,提高全局寻优能力.实验结果表明,新算法计算量小,收敛速度快,全局寻优能力强.     

基于混合GSA-GA的起重机主梁优化设计

主梁作为双梁桥式起重机金属结构中的主要构件,它的重量在整个系统中占很大比例,过多的自重会增加企业的制造成本,在满足性能的情况下造成资源浪费.为了减轻主梁的重量,分析了主梁的重量与主梁横截面面积的关系,建立了起重机主梁的数学模型.利用遗传算法中的遗传算子来解决主梁优化中引力搜索算法容易陷入局部最优解,收敛速度慢的问题,提高了引力搜索算法的性能.优化结果表明,混合了引力搜索的遗传算法的收敛速度比标准的引力搜索算法优化率提高约3.93％左右.改进的算法使目标函数的横截面积从初始数据减少了约12.35％,并且优化分析结果符合设计标准.采用混合GSA-GA优化算法对起重机主梁在实际工程设计中具有重要的指导意义.