基于多工况的车门结构多目标优化设计方法研究

车门结构的单一工况优化设计常难以满足车门设计要求。本文基于车门垂直刚度和一阶模态两工况,提出一种车门结构多工况多目标优化设计方法。以车门垂直刚度、一阶频率和车门质量为优化目标,通过均匀拉丁方试验设计和响应面方法得出车门垂直刚度和一阶频率的近似数学模型,并在此基础构建车门结构多目标优化模型。最后采用多目标遗传算法对其进行求解,最终优化结果在车门质量减少的情况下,垂直刚度和一阶频率均达到设计要求,达到预期优化效果。     

基于响应面方法的航空发动机装配系统的多目标性能优化

将响应面方法应用于复杂的航空发动机装配生产系统的性能优化中,获取系统的最大平均生产率和最小在制品水平,并解决以平均生产率和在制品水平为目标函数,以系统单机加工速度和缓冲区总大小为决策变量进行多目标性能优化问题。解决多目标优化问题的方法是利用线性加权法将多目标转换为单目标,然后应用响应面方法进行优化。实验结果表明:响应面方法能够很好地解决复杂的航空发动机装配生产线的性能优化问题,并为决策者提供多种情况下的最优解。     

泡沫铝填充薄壁圆管吸能特性优化

为获得最大比吸能(Specific Energy Absorption, SEA)的泡沫铝填充薄壁圆管结构,以动态显式有限元分析为基础,结合响应面法(Response Surface Method,RSM),建立结构的SEA优化函数;利用MSC Dytran进行碰撞仿真,得出薄壁构件的SEA随构件薄壁厚度和截面直径变化的规律;以最大SEA为优化函数,对泡沫铝填充薄壁圆管的直径和壁厚进行优化. 轨道列车吸能装置的实际应用表明,该方法在降低吸能装置质量且优化模型不超出原模型最大压缩力的条件下,可以提高结构的变形能和SEA.     

基于响应面法和遗传算法的多自由度微陀螺性能优化

为了兼顾微陀螺的灵敏度和带宽,实现其性能优化,将特征提取、响应面法与遗传算法相结合,提出了一种基于灵敏度和带宽最优化的优化设计方法。该方法基于特征提取确定设计变量及约束条件。通过BBD(Box-Behnken Design)方法采样,结合最小二乘法构建微陀螺灵敏度和带宽的响应面近似模型,运用多目标遗传算法对响应面模型进行优化。通过计算Pareto前沿最优解获得一系列优化方案,可同时将灵敏度和带宽分别提升19%和12%,也可在灵敏度不变的前提将带宽拓展78%,可根据实际需要选择不同的优化方案。对原设计和优化方案进行仿真对比,验证了优化设计结果的正确性。采用该方法对多自由度微陀螺的性能进行分析和优化,能在大大提高优化效率的同时有效提高灵敏度与带宽,为微陀螺的优化设计提供一种新思路。     

基于显式有限元技术的梁截面抗撞性优化

本文基于显式有限元技术,采用响应面法,以结构的比吸能为优化函数,以提高吸能原件的抗撞性为目的,对正方形截面的金属薄壁梁进行了形状优化．经过数值分析,得出了正方形截面梁的比吸能关于壁厚和截面边长的变化规律,这些规律可以用于实际吸能原件的设计,并为进一步研究奠定了基础．     

基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法

为了减小开关磁阻发电机S RG转矩脉动,提高发电机系统运行效率及发电机功率密度,提出一种基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法.搭建1 kW四相8/6极SRG多目标优化设计模型;采用响应面法RSM搭建SRG优化目标的响应面模型;基于模糊逻辑搭建了模糊推理系统,完成了在SRG优化过程中对NSGA-Ⅲ算法内...     

无约束多目标优化问题的算法

本文就无约束多目标优化问题给出一种随机型搜索算法——模拟退火法，并在微机上进行了试算，效果良好     

动态多目标优化进化算法研究进展

动态多目标优化问题(Dynamic multi-objective optimization problems, DMOPs)已成为工程优化的研究热点, 其目标函数, 约束函数和相关参数都可能随时间不断变化, 如何利用搜索到的历史最优解对新的环境变化做出快速响应, 是设计动态多目标优化进化算法(Dynamic multi-objective optimization evolutionary algorithm, DMOEA)的重点和难点. 本文在介绍DMOEA的基础上, 分析了近年来基于个体和种群级别的环境响应策略, 多策略混合等的DMOEA主要研究进展, 并介绍了DMOEA的性能测试函数, 评价指标以及在工程优化领域中的应用, 分析了DMOEA研究中仍面临的主要问题, 展望了未来的研究方向.     

基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法

低资源型的汉越神经机器翻译中,数据稀疏问题是影响翻译性能的主要原因,目前缓解该问题的途径之一是通过语料扩充方法生成伪平行数据,并用于机器翻译模型的训练,伪平行数据生成方法主要有基于词的替换、单语数据回译和枢轴翻译3种.目前的研究集中于3种方法的单独使用,缺少方法间融合利用方面的研究工作,针对此问题,提出了融入双语词典的正反向枢轴方法,利用英语作为枢轴语言,在汉到英到越正向枢轴的基础上,融入利用稀有词构建的汉-英和英-越双语词典,将汉语单语数据通过模型翻译成英语数据,再利用英-越模型将其翻译成越南语数据,其次进行越到英到汉反向枢轴翻译将越南语单语数据翻译为汉语,以此在2个方向上生成汉越伪平行数据,并利用语言模型对生成的伪平行数据进行筛选.汉-越翻译任务上的实验结果表明,提出的融入双语词典的正反向枢轴方法,能够产生更优的伪平行语料,进而显著提升汉越神经机器翻译任务的性能.     

遗传算法在多目标优化应用中的对比研究

多目标优化应用研究在过程工程领域越来越受重视。本文首先给出了多目标优化问题的一般形式,指出多目标问题求解任务：引导搜索向整个的Pareto优化范围;Pareto优化前沿上保持解集的多样性。在简要论述遗传算法求解多目标技术的基础上,对应用了遗传算法求解多目标的两种方法进行了对比研究,并给出了线性加权遗传算法和一种多目标遗传算法的计算框图。指出线性加权法求解Pareto最优解时不能不能很好地处理非凸区域、均匀分布的权重值不能生成均匀分布的Pareto前沿等局限性,以及多目标遗传算法生成种群多样性及Pareto最优解均匀分布的优点,并用实例进行了验证说明。     

模拟退火算法与遗传算法结合及多目标优化求解研究

多目标优化问题是目前遗传算法应用研究的一个重点。本文针对经典遗传算法在多目标优化计算中,难以获得足够的比较均匀的Ｐａｒｅｔｏ优集的不足,提出一种热力学遗传算法,研究热力学中熵和温度的概念,并综合利用约束交叉、适应度共享技术来进行目标函数的优化计算。实验结果显示,这种改进型遗传算法能得到一个较好的Ｐａｒｅｔｏ优集。     

AN ANALYSIS OF MULTIOBJECTIVE EVOLUTIONARY ALGORITHMS FOR OPTIMIZATION PROBLEMS WITH TIME CONSTRAINTS

Many multiobjective optimization problems in the engineering field are required to be solved within more or less severe time restrictions. Because the optimization criteria, the parameters, and/or constraints might change with time, the optimization solutions must be recalculated when a change takes place. The time required by the optimization procedure to arrive at the new solutions should be bounded accordingly with the rate of change observed in these dynamic problems. This way, the faster the optimization algorithm is to obtain solutions, the wider is the set of dynamic problems to which that algorithm can be applied. Here, we analyze the performance of the nondominated sorting algorithm (NSGA-II), strength Pareto evolutionary algorithm (SPEA2), and single front genetic algorithms (SFGA, and SFGA2) on two different multiobjective optimization problems, with two and three objectives, respectively. For these two studied problems, the single front genetic algorithms have obtained adequate quality in the solutions in very little time. Moreover, for the second and more complex problem approached, SFGA2 and NSGA-II obtain the best hypervolume in the found set of nondominated solutions, but SFGA2 employs much less time than NSGA-II. These results may suggest that single front genetic algorithms, especially SFGA2, could be appropiate to deal with optimization problems with high rates of change, and thus stronger time constraints.     

大规模含整变量多目标优化的一种新方法

将基于目标希望水平的含整变多目标交互式优化方法用于研究大规模含整量多目标优化问题，针对具有块角约束结构的大规模含整变量优化问题，运用拉格朗日分解技巧，提出了一种比较实用的大规模含整变量多目标交互式分解协调优化方法。     

用GA求解动态联盟中伙伴选择的多目标优化模型

描述动态联盟中的伙伴选择问题,针对以活动网络形式组织的新产品开发项目,建立 伙伴选择的多目标优化模型,实现项目失败风险最小化和项目完工时间最小化,并利用带自 适应移动线技术的遗传算法,求得问题的整个非劣解集合,仿真结果证明了算法的有效性.     

多目标约束优化免疫算法研究及其应用

基于生物免疫中抗体应答抗原的机理,提出具有动态性能的多目标约束优化算法,解决一般性的多目标约束最优化问题.该算法的关键在于如何充分模拟免疫应答的机制构建算子模块,以及如何提出约束条件处理和聚类新方法有效解决优化问题.其特点是稳健性及记忆细胞集保存优良抗体并用聚类算法限制其规模,抗体群规模动态调节及抗体应答的对象是抗原群,群体具有自我调节多样性和自适应环境的能力且能并行处理复杂优化问题.仿真事例比较验证该文算法的有效性及能处理高维优化问题.     

分析化学多目标优化计算机辅助诊断乙型肝炎

本文在多目标优化的基础上，将统计模式识别技术和医药诊断相结合，通过对六项医学化验指标的分析，对急性乙型肝炎的三种不同状态作出状粘。文章详细讨论了通过自学习确定权函数过程和应用计算机辅助诊断的方法，并给出满意的结果。     

一种基于多目标优化的神经网络快速学习算法

本文根据多目标优化理论、认知科学和神经科学等学科的最新成果，提出了一种基于多目标优化的神经网络快速学习算法．实验结果表明，该学习算法可以解决目前神经网络普遍存在的学习时间长、容易陷入局部极小和网络结构优化难等问题.     

一种分布式数据库查询优化算法

Ｃｈｅｎ和Ｙｕ提出了一种新的等联接操作结果估算模型，借助于它来估算ｊｏｉｎ缩减器带来的收益。本文在此基础上分析了收益之和与ｊｏｉｎ缩减器执行次序的关系，提出了复杂度为Ｏ（ｎ＾２）的优化算法。该算法除考虑采用局部收益最大的ｊｏｉｎ操作做为首选操作外，还考虑了算法产生的操作序列在一定的条件下具有全局上的优化特征：任意两个相邻ｊｏｉｎ操作构成的子序列是最优的。