城市深基坑支护工程中的遗传优化模型研究

文章在研究分析城市深基坑支护工程众多因素的关系和特性的基础上,建立了城市深基坑支护体系的遗传优化数学模型,提出了一种适用的基于遗传算法的两层协同演化模型。该模型为解决多因素优化问题提供了一种新的思路。     

利用协同演化方法实现深基坑支护的分布式优化

基坑支护优化是一个多层次、多参数的复杂系统,常规方法很难体现其层次性.针对深基坑支护问题的层次性和层次性问的相互影响,提出了一种新的协同优化算法:协同演化优化算法.该将现有的协作优化和协同演化结合起来,充分利用了协同演化的层次性和协作优化的并行性.分析了应用于深基坑支护复杂系统设计的协同演化优化算法,讨论了优化子系统间的存在的耦合关系和处理方法,最后以锚固式排桩支护和截水帐幕的并行协同设计,验证了算法的有效性.     

利用层次性协同演化方法优化深基坑支护问题(英文)

介绍了应用于深基坑支护复杂系统设计的协同优化算法。针对深基坑支护问题的层次性和不同层次设计间的相互影响,将现有的协作优化算法和协同演化算法结合起来,构建了一种新的协同优化算法:协同演化优化算法。分析了协同演化优化系统中子系统优化间存在的冲突和处理方法。最后以锚固式排桩支护和截水帐幕的并行协同设计,验证了算法的有效性。     

基于粒子群算法协同优化基坑支护问题

城市深基坑支护的优化设计存在着层次性且不同层次间的设计相互影响,为此设计了一种协同智能优化算法:协同演化优化算法,并在协同演化优化中运用粒子群算法来加快演化速度,简化优化过程。分析了协同演化优化系统中子系统优化间存在的冲突和处理方法。最后以锚固式排桩支护和截水帐幕的并行协同设计,验证了该算法的有效性。     

基于演化策略算法的作业车间调度优化

提出一种基于工件操作次序的二维实数编码方法,采用演化策略算法求解作业车间调度问题。设计一种基于三点交叉互换的重组算子用于生成子代个体,并采用个体编码基因随机重新生成的方法设计变异算子。实验结果证明,演化策略算法能有效优化作业车间调度问题,与遗传算法和粒子群优化算法相比,其优化性能更好,并且基于三点交叉互换重组算子的演化策略算法的性能好于基于两点交叉和基于四点交叉互换重组算子的演化策略算法。     

协同演化算法在基坑支护工程优化设计中的应用

提出一个用于基坑支护工程优化设计的协同演化模型,并给出相应的协同演化算法．利用基坑支护系统各子系统之间既相互独立又相互联系的特点,提供了问题空间与外空间不断演化的协同机制,实现了基坑支护方案和细部结构的协同优化设计．通过一个简化的基坑支护参数优化问题——“锚杆 排桩”支护体系的应用实例,说明文中的模型和算法对于基坑支护工程的优化设计是有效且适用的．     

基于复杂适应理论的SaaS平台自适应演化技术研究*

针对产业链协同SaaS平台业务功能动态定制的特点,在研究云平台业务功能个性化定制架构的基础上,分析了产业链协同SaaS平台业务功能自适应演化的需求,基于复杂适应系统理论建立了自适应演化模型,提出了基于角色及业务驱动的演化模型执行策略,采用基于遗传算法的演化策略实现主体的最优演化,采用基于.NET的反射机制实现了演化主体的动态配置,设计和实现了基于.NET的反射处理接口,实现了自适应主体在系统运行过程中的动态调用。最后,通过报表主体的动态添加和表单主体在不同企业联盟中的自适应演化,验证了技术的可行性和有效性。     

基于协同演化遗传算法的文本特征获取方法

信息过滤技术是解决“信息过载”和“信息迷向”问题的有效手段。为高效地确立用户的信息需求模型,提出利用协同演化的遗传算法解决多主题多文本的特征获取问题。协同演化遗传算法根据种群中个体进化速度、效果的不同,采取相互评价、相互学习、群体进化的协同演化策略,使得个体在其它种群、个体的指导下,不断获得较好的基因,从而实现文本特征的抽取。实验验证了方法的有效性。     

模拟电路的多目标优化与演化设计

对模拟电路设计中涉及的多个目标进行了定义与量化,并针对这些目标提出一种面向模拟电路演化设计的多目标遗传算法,该方法利用非支配排序和适应值共享策略来提高搜索方向的空间均匀性,引入基于电路构造指令的编码方案来支持电路自动生成和提高电路演化的效率,并且该编码方案也同样适用于数字电路。利用协同演化的适应值评估策略来增强种群的学习能力,提高演化效率。实验结果表明,该方法可以设计出更实用、简单的模拟电路。     

基于演化设计的遗传算法在分子对接中的应用

将自然界的物种动态模型引入到遗传算法当中,反映出物种的真实进化状态,开发了基于演化设计的遗传算法。算法采用自适应策略克服了确定交叉和变异概率值的问题,利用小种群策略和最优保留策略保证了种群的多样性,改善了算法的寻优能力,进而提高了计算效率。运用该遗传算法求解分子对接优化模型,给出基于演化设计的分子对接程序。对接实例表明,算法能有效应用于分子对接问题中。     

求解大规模优化问题的改进麻雀搜索算法

针对麻雀搜索算法在求解大规模优化问题时存在收敛速度慢、寻优精度低和易陷入局部极值的缺点,提出一种基于精英反向学习策略的萤火虫麻雀搜索算法(ELFASSA).首先,通过反向学习策略初始化种群,为全局寻优奠定基础;其次,利用萤火虫扰动策略提高算法跳出局部最优的能力并加速收敛;最后,在麻雀位置更新后引入精英反向学习策略以获取精英解及动态边界,使精英反向解可以定位在狭窄的搜索空间中,有利于算法收敛.通过选取10个高维标准测试函数进行仿真实验,将其与麻雀搜索算法(SSA)及4种先进的改进算法进行性能对比,并与3种单一策略改进的麻雀搜索算法进行改进策略的有效性分析,仿真结果表明, ELFASSA算法在收敛速度和求解精度两方面明显优于其他对比算法.     

基于禁忌搜索的流式计算平台负载均衡策略

针对大数据流式计算平台原生的调度机制存在计算负载分配不均衡、资源利用率低的问题,提出异构环境下基于禁忌搜索算法的负载均衡策略,并将其应用于Apache Flink平台。首先,通过构建作业拓扑模型将流式计算作业的拓扑结构抽象为有向无环图（directed acyclic graph,DAG）,并将每个任务槽（task slot）抽象为节点,为计算节点的性能评估奠定基础;其次,通过建立性能评估模型将有向无环图中带性能权值的节点导入性能评估模型,进行归一化处理得到节点性能的优劣;再将评估参数传入禁忌调度算法（tabu search for schedule,TBS）进行作业路径优化,从而得出最优作业路径;最后,使用Flink平台提供的CustomPatitionerWrapper接口将数据分配到最优作业路径包含的节点中,完成计算负载的均衡分配,从而提升Flink平台的整体性能。实验结果表明：通过禁忌调度算法优化后的负载均衡策略与原生的Flink平台相比,平均计算延迟降低了10~20 ms,资源利用率显著提高,平均吞吐量提升约15%,有效证明了负载均衡策略的有效性和优化效果。     

混合改进策略的黑猩猩优化算法及其机械应用

针对黑猩猩优化算法存在易陷入局部最优、收敛速度慢、寻优精度低等缺陷,提出混合改进策略的黑猩猩优化算法(SLWChOA).首先,利用Sobol序列初始化种群,增加种群的随机性和多样性,为算法全局寻优奠定基础;其次,引入基于凸透镜成像的反向学习策略,将其应用到当前最优个体上产生新的个体,提高算法的收敛精度和速度;同时,将水波动态自适应因子添加到攻击者位置更新处,增强算法跳出局部最优的能力;最后,通过10个基准测试函数、Wilcoxon秩和检验以及部分CEC2014函数进行仿真实验来评价改进算法的寻优性能,实验结果表明,所提算法在寻优精度、收敛速度和鲁棒性上均较对比算法有较大提升.另外,通过一个机械优化设计实验进行测试分析,进一步验证了SLWChOA的可行性和适用性.     

铝电解生产智能优化制造研究综述

铝电解行业具有战略基础地位,面临着诸多挑战性难题,包括原料来源复杂使得工况难以稳定优化运行、多目标协同优化难度大、控制决策智能化水平和数据利用率低以及铝电解企业在内外环境的不确定性影响下难以实时做出正确决策等.为了解决上述问题,本文提出构建一种集铝电解智能分布式感知系统、系列槽智能协同优化控制系统、大型槽智能优化控制系统、智能安全运行监控系统和虚拟制造系统于一体的铝电解智能优化制造系统的方法.同时提出了铝电解制造系统的未来发展目标和愿景功能,并给出了相关研究方向.最后给出了技术发展规划,提出中短期规划和中长期规划"两步走"战略,并对铝电解生产智能优化制造系统发展前景作出展望.     

Heron环境下基于实例重分配的传输负载优化策略

作为新一代大数据流式计算框架,Heron忽略了任务实例之间不同通信方式的差异以及节点资源利用率不均衡的问题导致系统性能下降。针对这一问题,设计了节点资源限制模型、通信开销优化模型和实例数据流关系模型,并在此基础上提出了Heron环境下基于实例重分配的传输负载优化策略(transmission load optimization strategy based on instance reallocation in Heron,TLIR-Heron)。该策略包括节点资源限制算法和实例重分配算法,通过判定实例重分配条件并执行重分配算法将节点间数据流转换为节点内数据流,从而降低通信开销。实验结果表明,在三组拓扑测试下,TLIR-Heron相较于Heron默认调度策略能够降低节点间通信开销和系统的计算延迟,并提升了计算节点资源利用的均衡性。     

自适应多策略花朵授粉算法

针对花朵授粉算法极易陷入局部最优解且寻优精度不高的问题,提出自适应多策略花朵授粉算法(self-adaptive flower pollination algorithm with multiple strategies,SMFPA)。利用锚点策略提高种群的多样性,采用摄动策略改善全局勘探能力,采用局部搜索增强策略提升其开采最优解的能力。为验证SMFPA的性能,比较5种算法在解决12个测试问题上的寻优结果,实验结果表明,在寻优速度以及寻优精度方面,SMFPA算法表现更优。通过比较算法在管柱设计问题上的寻优结果,进一步评估SMFPA的寻优性能。     

混合动力电动汽车能量管理控制策略及仿真

研究电动汽车能量管理优化控制问题,混合动力电动汽车(HEV)能量管理系统,由于动力效率决定于发动机性能控制。针对传统方法燃油利用率低,车辆驾驶控制方式影响了优化。为了提高能源优化效率及优化驾驶控制,提出了一种燃油经济性和驾驶性能全局优化的能量管理控制策略。首先在系统中加入驾驶性能变量,并在代价函数中加入驾驶性能限制,然后把HEV能量管理问题建模为多步决策过程问题,运用动态规划(DP)原理,得到了全局优化的能量管理控制器。将该控制器模型嵌入高级车辆仿真器ADVISOR的并联车辆模型中,与传统规则的控制策略进行仿真对比。仿真结果表明,新的控制策略使燃油经济性提高了约16%,并且使驾驶性能控制在良好的范围内,能有效提高HEV能量管理的效率和实用性,为优化设计提供了依据。     

城市轨道交通车站序列瓶颈系统优化分析

针对城市轨道交通车站进站设施瓶颈疏解缺乏系统的定量分析、成本模糊的问题,提出车站瓶颈定量分析模型,并在此基础上提出一种新优化策略。首先,建立乘客进站流程图,基于串联和并联混合的排队网络构建系统优化模型;其次,在现有优化策略基础上提出一种新的控制优化策略——变更设施序列,即交换安检设备和自动检票闸机的物理顺序;最后选取上海莘庄地铁站并根据两种优化策略给出具体优化方案,进行仿真实验。3种优化方案均有效减少了乘客排队时间,但总成本差异很大。到达率一定时,与无优化方案相比,优化方案1增加1台安检设备,减少了92.5%的等待时间,总成本增加了3.2%;优化方案2交换安检设备和闸机顺序,减少了80.3%的等待时间,总成本下降了50.4%;而优化方案3即方案1和2的叠加,几乎完全消除了乘客排队等待时间,但总成本却增加29.6%。结果分析表明,该模型能够很好地模拟瓶颈疏解成本,新策略在降低总成本上明显优于传统策略。     

融合多向学习的混沌麻雀搜索算法

对于原始麻雀搜索算法（SSA）在迭代过程中表现出的种群多样性减小,易陷入局部最优等问题,提出一种融合多向学习的混沌麻雀搜索算法（MSSA）。利用Hénon混沌映射初始化种群,增加麻雀种群的多样性,扩大可行解的搜索范围,为全局寻优奠定基础;采用多向学习策略增加麻雀跟随者探索未知领域的机会,平衡算法的局部开发性能和全局搜索能力;当算法陷入局部最优时,引用遗传算法中的变异策略依据动态的变异概率对当前最优个体进行扰动变异;将MSSA算法应用到无线传感器网络节点覆盖优化问题。数值实验结果与Wilcoxon秩和检验结果均表明MSSA算法在收敛精度与收敛速度等方面具有更明显的优势。