KS函数在机械优化设计中的应用

利用KS函数的凝聚特性,将常见的多约束机械优化设计问题中的全部或部分约束凝聚为一个近似的、拟合精度仅由一个参数控制的约束,然后再对此缩减后的优化问题,选用适当的约束优化方法求解。应用KSr磨光函数和内点极径扫描法给出的此方法低维可行域几何解释,表明了约束条件集的凝聚结果。实例证明,由于缩减了求解规模,此方法收敛稳定且速度快。     

结构优化中的约束

对优化设计中的约束 ,进行了较广泛而系统的讨论。研究了静力约束与动力学约束的性质 ,论证了 :除固有频率约束的可行域非凸外 ,所有静动约束的可行域皆为有界凸域。对一些有争议的问题 ,阐明了作者的观点。     

人工鱼群算法的非线性约束优化

人工鱼群算法(AFSA)是一种新型的寻优策略,它具有鲁棒性强,全局收敛性好,以及对初值的不敏感性等优点.本文引人了半可行域的概念,并结合人工鱼群算法本身的特点,设计了基于竞争选择和惩罚函数的适应度函数,从而得到了一个利用AFSA算法求解约束优化问题的新进化算法.数值计算证明了算法的有效性.     

一种新的约束优化方法

提出了一种新的约束优化方法,此方法根据设计点附近“定向单元”的函数值信息确定出有效的搜索方向。进而较快地获得最优点。本方法的算法原理简单,易于编程,经三个例题验证,取得了满意的结果,说明了该方法的正确性和可靠性。为优化设计领域提供了一种新的约束优化算法。     

对求解约束优化问题中的变量轮换法的改进

在利用约束变量轮换法优点的基础上,建立了一组新的搜索方法,迭代过程类似于约束变量轮换法,并使约束变量轮换法的效能得到加强。通过实例分析显示,它具有比约束变量轮换法更高的计算精度和稳定性。     

求解带能力约束车辆路径优化问题的改进模拟退火算法

为高效求解带能力约束的车辆路径优化问题,提出一种带有回火操作的改进模拟退火算法.解析多约束条件下的路径优化特点,构建了结构简单且功能模块相对独立的模拟退火框架,以便相关约束及其算法的耦合嵌套.在此基础上,改变较优解在迭代过程中的接受规则,引入回火操作使全局搜索与局部搜索实现平衡;设计强制的随机邻域变换策略,以提高多约束...     

对求解约束优化问题中的变量轮换法的改进

在利用约束变量轮换法优点的基础上,建立了一组新的搜索方向,迭代过程类似于约束变量轮换法,并使约束变量轮换法的效能得到加强。通过实例分析显示,它具有比约束变量轮换法更高的计算精度和稳定性。     

考虑库存费用的多约束排产优化研究

本文针对面向订单的企业生产计划这个多目标决策问题,研究了怎样在排产优化中使库存既能发挥调节供需平衡的作用又能尽量减少维护费用的问题。本文对考虑库存费用的多约束排产优化问题进行了描述并且提出了求解该问题的一种分层遗传算法（HGA）。本文详细介绍了此混合算法的原理,并通过通过一实际订单的优化计算及与普通遗传算法得到的结果进行比较,证明了本文提出的HGA对上述条件下排产优化问题的有效性。     

基于微粒群的约束优化

针对微粒群算法在处理约束优化问题时,难以兼顾约束与优化之间关系的问题,提出了一种泛学习微粒群算法(ULPSO),通过引入微粒不可行历史最优,使得微粒的学习更具多样性和有效性,增强了算法的搜索智能.通过对常用的13个基准函敷的测试对比分析,表明该算法求解约束优化问题的计算具有快速性、稳定性和有效性.     

混合粒子群优化算法求解多车辆拖动货物问题

为确定码头卜集装箱运输到目标位置的顺序和运输的车辆,提出了多车辆拖动货物问题,该问题需要考虑空间约束对车辆调度过程的影响.针对该问题,建立了整数规划数学模型,证明了该问题为NP完全难题,提出了四种解的编码方式,并利用模拟退火算法与粒子群优化算法结合的混合粒子群优化算法进行求解.将计算结果与模拟退火算法、粒子群优化算法进行了比较,结果表明,使用混合粒子群优化算法并采用先到先服务规则的两部分编码方法计算得到的解最好.     

用于车间作业调度的粒子群优化算法

设计了两种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式.同时选择一些典型的Job-Shop调度问题作为算法的试验对象,试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果,在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

基于多元函数粒子群的齿轮箱检测优化方法

针对机车齿轮箱检测获取的多源信号具有数据量大、相关性低和可靠性差等问题,提出一种新型智能优化算法为多元函数粒子群优化算法。研究了粒子种群的异众比率和适应度对惯性权重的影响,在传统粒子群算法的基础上提高了算法的收敛速度及效率,以正则化模态差的适应度函数作为测点数量的评价指标,根据齿轮箱模态振型分析,实现了齿轮箱的多传感器检测优化。以齿轮断齿故障为试验对象,通过与传统检测方法比较分析,准确获取了齿轮箱输入轴转频39.5 Hz,第三级啮合频率90.5 Hz以及2～5倍频成分,快速识别了故障齿轮的位置。实验结果表明了该方法能够增强结构参数的识别率,有效提高了故障诊断的准确性,同时为机车故障预警和安全服役提供了关键技术基础。     

改进遗传算法的ERT有限元模型拓扑结构优化

为了提高电阻层析成像逆问题精度,利用基于区间算法与粒子群算法的改进遗传算法,优化有限元模型拓扑结构.以模型每一层半径为变量(最外层除外),分别以有限元平均质量、敏感场均匀分布时模型均方根值的倒数以及两者的乘积为适应度函数,并引入三角形最长边与最短边的比值作为惩罚函数.仿真与实际实验结果表明,相比传统按等间隔原理剖分的有限元模型及其改进模型,优化后的模型能有效提高逆问题的精度,且以敏感场均匀分布时模型均方根值的倒数为适应度函数效果最理想.     

机械结构动力优化振型反问题求解的逆摄动方法

通过对振型反问题的研究，提出了振型反问题求解的逆摄动方法，并给出了相应的逆摄动参数ε取值方法。同传统的求解方法如罚函数法和变尺度法等相比。该方法还可避免或减少重分析，提高计算效率，算例表明，这种方法是有效可行的。     

利用可行域的矩形布局求解方法

针对矩形布局求解问题,研究和分析矩形在布局空间中的可行域,提出一种以矩形可行域为依据的布局求解方法,其内容包括矩形可行域的确定、布局空间的分割和确定以及布局子空间的选择等算法。算例表明,该方法可以获得良好的布局方案,是一种行之有效的布局求解方法,具有广泛的实用性。     

基于工作流模型的资源配置优化方法

工作流模型在执行过程中所引用的资源数量可以被优化。当业务实例在工作流模型中的逗留时间受到约束时,假设每一活动的业务实例逗留时间服从负指数分布,给出了以资源单位时间消耗成本最小化为目标的求解最优资源数量的方法。分析了业务实例在工作流4种基本结构的逗留时间分布与在每一活动的逗留时间分布的关系,给出了业务实例在工作流模型中总逗留时间与各资源数量的关系。最后,给出了一个基于工作流模型的资源优化示例。     

设备布局离散优化问题的粒子群算法研究

设备布局设计是制造系统设计的重要组成部分，设备布局是否合理对整个制造系统的总体功效起着非常重要的影响。粒子群优化算法（PSO）是一种新的群智能优化算法，常用于求解连续空间极值问题，近来正逐渐进入组合优化领域。利用多雏实数编码及映射方法将连续PSO算法应用于求解设备环形布局问题，为此类离散优化问题的求解提供了一种新的思路。利用GA中的杂交策略扩展PSO算法，提高了PSO算法性能。通过实例计算和结果比较，说明了该算法能有效地求得设备环形布局问题的优化解，是一种行之有效地算法，有很好的实用价值。     

内点罚函数法在链传动优化设计中的应用

将内点罚函数法应用于链传动的优化设计中 ,先用内点罚函数法建立寻优数学模型 ,找出设计变量、目标函数和约束条件 ,通过迭代得到最优解 ,并举例说明之     

求解大规模车间调度问题的一种分解优化算法

针对以最小化加权拖期和为目标的大规模作业车间调度问题,提出了一种基于操作的分解优化算法.该算法采用迭代优化的框架,从原问题对应的操作集合中依次分解出部分操作,并确定其加工顺序.在每一次迭代过程中,首先用模拟退火算法搜索较优的操作分解方案,并形成子问题.然后用遗传算法求解该子问题.针对随机生成的测试问题,以及某减速器厂实际生产数据的计算实验表明,该算法能够在合理的计算时间内获得满意的优化质量.