基于二次奇异值分解法的张拉整体结构找形分析

为解决给定张拉整体结构的可行力密度找形问题,本文提出一种基于二次奇异值分解的优化设计方法.该方法需事先根据结构的几何对称性对构件进行合理分组,并在此基础上重组平衡矩阵,通过奇异值分解法求解线性齐次方程组以获得满足要求的可行初始力密度.同时引入了切线刚度矩阵特征值的计算方法来检验张拉整体结构的稳定性.最后,基于空间十二杆张拉整体结构不同分组的计算结果,利用木棒和弹力绳模拟拉压单元制作模型,验证了结构形态的合理性及本文算法的有效性.     

面向几何坐标的张拉整体结构找形算法

提出一种可满足给定几何坐标的张拉整体结构找形方法.从结构平衡方程的2种不同形式出发,借助平衡矩阵奇异值分解与力密度矩阵特征值分解后得到的正交向量,分别构造自应力及几何坐标,并引入节点坐标作为约束条件,给出基于构件自应力与节点坐标非线性迭代的求解技术及其算法流程.结果表明,只需给出结构拓扑连接关系及若干已知节点坐标,找形算法便可用于寻找满足给定几何外形的张拉整体以及新的非规则张拉整体形式.     

一种空间六杆张拉整体结构找形分析与设计

本文提出了一种求解张拉整体结构初始形态的可行预应力找形的新方法.根据已知结构的单元类型和几何拓扑关系,分别采用谱分解和奇异值分解的方法将结构体系的平衡矩阵和力密度矩阵分解,在此基础上进行循环迭代直至满足对应矩阵最小秩缺失的必要条件,以此寻找合适的节点坐标和力密度.基于空间六杆张拉整体结构算例结果,利用棉绞线和PVC管模拟拉压单元成功制作模型进行了结果验证.本文的算例分析和模型结果证实了该空间六杆张拉整体结构体系的合理性,为新型复杂张拉整体结构的构型研究提供了一条新的途径.     

基于奇异值分解张拉整体结构找形方法

张拉整体结构是由一组不连续的受压单元包含于连续受拉单元组成的稳定自平衡结构,为了寻找自平衡状态下的构型,引入奇异值分解的方法,将寻找张拉整体结构的自平衡构型问题转化为最小奇异值的判定。通过广义节点坐标和构件之间的连接关系建立结构的数学模型;引入力密度的概念,对张拉整体结构进行受力分析,列写包含平衡矩阵的平衡方程;对平衡矩阵进行奇异值分解,利用分解获得的最小奇异值判断平衡方程是否有解,对张拉整体结构是否存在自平衡构型进行初步判定,再依据获得的力密度的均匀性(同组构件力密度大小相等)和正负属性(杆的力密度小于0,索的力密度大于0)对结构自平衡状态进一步判断;通过实例分析对该找形方法的可行性进行了验证,结果表明:该方法可以找到张拉整体结构自平衡构型。本文为寻找自平衡张拉整体结构提供了一种思路。     

求解多目标背包问题的改进人工鱼群算法

作为一种新的群智能算法,在求解多目标背包问题时,人工鱼群算法存在盲目搜索、收敛速度慢和求解精度低等问题.针对这些问题,本文结合人工鱼位置全局最优信息,对人工鱼的移动策略进行自适应改进,提出一种改进的人工鱼群算法.对多目标背包优化问题实验仿真表明,本文改进的人工鱼群算法收敛速度和搜索到的非劣解的精度均优于粒子群算法和遗传算法.     

基于改进粒子群算法的天线索网预应力优化

为了解决天线反射面索网张拉时预应力求解问题,利用索网结构空间几何特性对其进行简化处理,从整体中提取部分索段并加设相应的边界条件.在平衡矩阵法的基础上,采用与禁忌搜索法相结合的混合粒子群算法,将简化后结构由形找力的问题转化为数学上的约束优化问题,同时改进粒子群进化算法来解这一优化问题.采用该算法对三向网格形式的天线抛物面索网结构进行了预应力的优化确定,并将优化的预应力值作为初始力导入索网结构有限元模型中进行非线性有限元分析,索网结构的节点位移量和相应的物理模型型面测量的精度均方根为0.219 mm,验证了算法是可行和正确的. 关键词：     

基于改进人工鱼群算法的传感器优化布置

针对结构健康监测中传感器位置优化的问题,提出了一种改进的人工鱼群算法。改进算法采用整数对人工鱼进行编码,改进人工鱼距离的衡量方式,并改进算法的追尾和觅食行为,实现结构传感器位置的最优选择。以一个平面桁架结构为例进行数值模拟分析,验证所改进算法的有效性。仿真结果表明:相比于传统的人工鱼群算法,改进的人工鱼群算法具有更强的寻优搜索性能,收敛速度更快,精度更高,适用于解决土木工程结构中传感器位置的优化问题。     

基于人工鱼群与Levenberg-Marquardt混合算法的Jiles-Atherton磁滞模型参数提取

准确高效地提取J-A磁滞模型参数,是利用该模型模拟磁性元件磁滞特性的首要任务。针对现有J-A模型参数提取方法存在的求解精度低且仿真耗时的问题,提出了一种基于人工鱼群算法与L-M算法混合的J-A模型参数辨识方法。首先,根据人工鱼群算法全局搜索能力强的特点,将其运用于J-A模型参数全局最优解所在区域的定位当中;在满足切换过渡准则后,人工鱼群算法终止迭代并切换至L-M算法;此时,L-M算法利用其局部寻优能力强的优势,将人工鱼群算法提供的最优解作为初始值,快速收敛于全局最优解。仿真及实验结果表明,所提混合算法不仅求解精度较高,同时收敛速度更快。     

基于量子天牛须搜索的张拉整体结构预应力优化研究

为快速求解给定的大型张拉整体结构在特定分组方案下的最优预应力，提出一种基于量子天牛须搜索的优化方法.该方法根据平衡矩阵分析理论，由奇异值分解法确定自应力模态数，根据结构构件的范数值获得几何对称约束，以达到减少自应力模态组解空间的目标；根据算法流程建立预应力优化模型，接着通过量子天牛须搜索算法求解各组自应力模态组合系数，以获得满足结构稳定性要求的最优初始预应力.同时，引入切线刚度矩阵特征值来检验张拉整体结构的稳定性.最后，采用该方法对平面和空间张拉整体网架结构求解最优初始预应力，验证了该方法的有效性.     

运用变异算子随机搜索求解全局优化问题

通过改进遗传算法,提出一种求解全局优化问题的变异基随机搜索方法．该法以变异算子作为唯一的遗传算子,利用生物变异原理进行局部搜索,同时为使算法具有一定的全局搜索性能引入随机初始化技术．它具有较强的局部搜索能力,可在有限时间内取得较好解．仿真实验证明,本算法在求解全局优化问题上的有效性,并表明其局部收敛能力与求解结果均优于传统遗传算法．     

基于改进人工鱼群算法的含风电场电力系统最优潮流计算

将风电场看作PQ节点并考虑风电场输出功率随机性和负荷随机性,提出含风电场的电力系统最优潮流计算方法。分析基本人工鱼群算法原理及其缺陷,提出改进人工鱼群算法(IAFSA);提出人工鱼群的视野和步长的取值方法,对初始种群的生成、行动方式和终止判据进行改进;并基于动态调整罚函数将带约束的有功最优潮流问题转化为无约束优化问题,实现含风电场的电力系统最优潮流计算.实例分析结果表明:基于改进人工鱼群算法比基于基本人工鱼群算法和遗传算法进行含风电场电力系统最优潮流计算具有更优全局收敛性和更快计算速度.     

基于约束优化问题的人工鱼群算法及其改进

在人工鱼群算法基础上,对人工鱼群算法进行改进,结合遗传算法提出的适应度函数来解决约束优化问题.具体表现在改进了人工鱼的觅食行为,另外引入了吞噬行为以便加快收敛速度,得到更优的适应度值.仿真结果表明改进的人工鱼群算法在解决约束优化问题时,具有收敛速度快、适应度值优、全局寻优性能强等优点.改进的人工鱼群算法较之基本人工鱼群算法具有更好的性能.     

非线性有限元法分析张拉整体结构初始形态

目的确定自应力平衡的张拉整体结构的初始形态,明确几何和预应力态的选取原则.方法利用力法和位移法原理,针对张拉整体结构的初始平衡形态建立非线性有限元基本方程,并编写其初始形态分析程序.结果结合张拉整体结构的刚度特点,解决了程序迭代计算的收敛性问题.并应用初始形态分析程序计算确定了张拉整体三棱柱的初始形态.结论基于虚功原理迭代方程编写的初始形态分析程序可以有效确定张拉整体结构的初始形态.通过算例分析提出了张拉整体单体给定预应力态及初始几何选取的合理建议.     

一种新颖的人工鱼群算法

为了克服基本人工鱼群算法(AFSA)收敛速度慢、求解精度不高和易陷入局部最优的不足,提出了一种新颖的人工鱼群算法(AO-AFSA).该算法结合人工鱼与粒子群(PSO)中的粒子都具有个体学习能力和社会学习能力,模拟粒子群中粒子的速度位置更新公式去分别修改人工鱼群算法中人工鱼的觅食行为、聚群行为、追尾行为的更新公式.并采用5个典型的测试函数进行仿真实验,分析算法的寻优精度、收敛速度以及稳定性.测试结果表明改进后的算法能够较快地收敛至全局较优解,有更强的稳定性,并具有较好的寻优性能.     

一种集群智能粒子滤波算法

将集群智能思想引入粒子滤波,提出一种新颖的基于人工鱼群算法的粒子滤波器.该算法利用人工鱼群算法中觅食行为和聚群行为的交替,使得先验粒子不断向高似然域移动,从而改善粒子分布,提高估计精度．此外,利用Kullback信息描述聚群行为产生的粒子分布与似然分布的差别,通过迭代发现Kullback信息是递减的,从而证明该算法是合理的．仿真实验证明,这种算法是一种有效的粒子滤波算法,其滤波性能优于扩展卡尔曼滤波和常规粒子滤波．     

变步长和拥挤度因子的自适应人工鱼群算法

为了改进传统的人工鱼群算法会随着迭代的深入而导致算法易陷入局部最优的问题,以及固定的参数导致算法收敛慢和求解精度不高的问题,提出了一种改进的人工鱼群算法.首先结合迭代次数,为移动步长引入一个权值; 然后以每条人工鱼的视野范围所构成的子群为小生境,结合子群最优解与当前人工鱼状态,为拥挤度因子引入一个变异策略.数值实验结果表明,本文提出的算法收敛速度快、精度高、鲁棒性强,优于传统的人工鱼群算法和文献[4]提出的算法.     

混合人工鱼群算法在约束非线性优化中的应用

为了解决具有约束的非线性优化问题,本文将增广拉格朗日乘子法和鱼群算法相结合用于非线性问题的全局优化,即用人工鱼群算法寻找增广拉格朗日函数的近似最优解,并将该近似解用于拉格朗日乘子和惩罚因子等参数的更新．同时,简要分析了人工鱼群算法的随机收敛性．仿真结果证明,与自适应惩罚遗传算法相比,该混合算法在解决约束优化问题中具有优越性和有效性．     

人工蜂群算法及应用新探简

人工蜂群算法是群体智能算法中新的分支.本文针对人工蜂群算法的建模思想和算法的框架结构设计方法进行了分析和研究,并针对实际问题编程完成问题的求解.实践表明,人工蜂群算法具有较高的灵活性和适应性.     

基于人工鱼群的交通诱导系统最优查询研究

与齐齐哈尔市公安交通警察支队交通控制中心合作开发,并以齐齐哈尔市路况为实际进行凋研,将改进的人工鱼群算法应用于交通路径诱导系统数据库优化查淘中,算法提高了最优路径查询的效率。对人工鱼群算法进行了改进,引入贝叶斯变异算子和十字交叉变异算子,避免了算法局部寻优能力差和收敛速度慢等弊端。仿真实验表明算法是正确有效性的。