基于分布式猴群算法的传感器优化布置方法研究

建立了针对具有较多自由度的大型结构传感器优化布置的分布式猴群算法。通过引入双重编码的方式, 克服了原猴群算法只能解决连续变量的缺陷;针对单个猴群全局搜索能力较弱的问题, 提出了一种将初始化产生的大量猴子个体按照指定的方式分配到多个猴群进行同步并行搜索的方法;考虑原猴群算法能够跳出局部最优的特点以及和声算法较强的局部搜索能力, 提出将每个猴群得到的初步最优解作为初始和声记忆库, 采用基本和声算法进行二次搜索的方法, 来获取传感器的最终布设方案。文末以大连国贸大厦为例, 进行了参数敏感性分析以及传感器优化布置方案的选择, 结果表明分布式猴群算法具有较强的全局寻优能力, 非常适用于具有较多自由度的大型结构传感器优化布置。     

基于自适应猴群算法的传感器优化布置方法研究

针对猴群算法中爬过程和望过程的搜索方式较为机械,以及跳过程的方式较为单一的问题,提出了一种用于传感器优化布置的自适应猴群算法。采用双重编码的方式,克服了原猴群算法只能解决连续变量优化问题的缺陷;对爬过程和望过程进行了改进,使其能够自适应选择这两个搜索方式以提高算法的局部搜索能力和效率;提出了两种全新的跳过程,即反射跳和变异跳,来增强算法的全局搜索能力。文末以大连国贸大厦为例,进行了参数敏感性分析以及传感器优化布置方案的选择,结果表明自适应猴群算法的搜索效率较原猴群算法有了大幅提高,能较好地解决传感器优化布置问题。     

基于自适应引力算法的桥梁监测传感器优化布置

针对桥梁健康监测中传感器布置优化问题,提出了一种基于自适应引力算法的传感器优化布置方法。以模态置信准则为基础,构造满足传感器优化布置的适应度函数;针对引力搜索算法开发能力不足,对衰减因子α进行了自适应改进。搜索初期α较小,粒子以较大步长进行全局搜索,增强了算法的搜索效率;搜索后期α较大,粒子以较小的步长进行局部搜索,提高了算法的搜索能力,避免落入局部极值点。改进后的自适应引力算法通过双重编码的方式,使算法可以解决离散型的传感器布置问题;以马水河大桥为例,验证算法的可行性。结果表明,改进后的算法有很好的寻优能力,能够准确高效的确定传感器优化位置。     

利用分布式狼群算法进行三维传感器优化布置的方法研究

考虑传感器优化布置中的模态置信准则MAC只能对三维传感器的某一方向进行优化,而不能确保在三个方向同时实现优化布置的问题,提出将节点的三个平动自由度作为一个单元,通过节点的Fisher信息阵来获取结构所布置传感器的Fisher信息阵,并借鉴传统一维模态置信准则的思想,构建了一种全新的三维模态置信准则TMAC。为提高算法的求解效率,提出了一种分布式狼群算法,采用双重编码方式,克服原狼群算法只能求解连续变量优化的问题;采用狼群分组的方法,通过组内狼个体的信息交流,提高了算法的搜索效率。文末以中佛罗里达大学建立的基准模型为例,进行了参数敏感性分析以及三维传感器优化布置方案的选择,结果表明:分布式狼群算法的搜索能力较原狼群算法有了大幅提高,能较好地解决传感器优化布置问题。     

基于分级免疫萤火虫算法的桥梁振动传感器优化布置研究

针对结构健康监测系统设计的振动传感器优化布置问题,在基本萤火虫算法的基础上引入等级划分策略和免疫机制,提出了一种分级免疫萤火虫算法。采用二重结构编码,弥补了基本萤火虫算法只能用于连续优化问题的不足;建立等级划分制度,使不同等级种群内部形成独立的搜索空间,维持了种群多样性,并让优质个体得以保留;引进免疫机制,进行萤火虫的选择、记忆、交叉和变异,增强了算法的全局搜索能力和局部寻优能力;文末利用足尺Benchmark桥梁模型,对算法参数进行了敏感性分析,并开展了振动传感器优化布置方案的选择。结果表明,与基本离散型萤火虫算法相比,分级免疫萤火虫算法的计算效率和寻优结果均有显著提升,能够很好地解决振动传感器优化布置问题。     

算法的优化:基于适应度方差的涡流搜索方法

研究了算法的优化方法。为克服涡流搜索(VS)方法在优化运行时可能会陷入局部最优的问题,提出了一种基于适应度方差(FV)的涡流搜索(VS)方法,简写为FVS算法。该方法每次迭代时计算一次全体备选解适应度值的方差大小,如果适应度方差小于某一设定阈值,则调整涡流搜索方法备选解产生的位置,使方法产生的备选解能够跳出局部最优的限制。将这种基于适应度方差的涡流搜索方法与原始涡流搜索方法和其他几种优化算法对8个测试函数进行了寻优对比,结果验证了这种FVS方法的有效性。     

一种聚类优化的传感器布置方法研究EI北大核心CSCD

复杂结构试验/理论振型的匹配是模态参数型修正过程的重要内容。以测量并获取用于模态参数识别的最佳信息为目标,实现布置在结构上有限数量的传感器能有效避免信息冗余,提出了一种聚类优化的传感器布置方法。根据结构模态中各自由度振型的动力相似性,应用k-means聚类算法对自由度进行自动集结并分类。采用有效独立法分别从各聚类自由度中搜索出模态分辨率最高的传感器位置作为实际的测量位置。最后通过一个悬臂梁、一个悬臂薄板的数值分析和一个旋转滤光轮组件的模态测试试验对该优化布置方法进行验证。分析结果表明,这种方法能有效选出独立敏感性测点,并且具有较高的搜索效率。     

满足“一刀切”要求的木工板排样优化研究

 针对木工板手工排样效率低和材料利用率低问题,提出木工板“一刀切”排样优化算法．在剩余矩形填充算法中添加启发式分块原则,改进的剩余矩形填充算法满足“一刀切”工艺要求．采用遗传算法对矩形件进行排样优化,以提高木工板利用率,降低企业生产成本．为提高算法的优化精度,使用基于指数变换的非线性动态适应度函数,引入精英保护策略,应用部分填充交叉（partially matched crossover）算子．结合剩余矩形填充“一刀切”算法对遗传种群进行解码计算原料利用率,并作为适应度函数值,进行迭代搜索最优解．排样实例表明木工板“一刀切”排样优化算法能够很好地解决多品种大规模木工板排样问题．     

一种聚类优化的传感器布置方法研究

复杂结构试验/理论振型的匹配是模态参数型修正过程的重要内容。以测量并获取用于模态参数识别的最佳信息为目标,实现布置在结构上有限数量的传感器能有效避免信息冗余,提出了一种聚类优化的传感器布置方法。根据结构模态中各自由度振型的动力相似性,应用k-means聚类算法对自由度进行自动集结并分类。采用有效独立法分别从各聚类自由度中搜索出模态分辨率最高的传感器位置作为实际的测量位置。最后通过一个悬臂梁、一个悬臂薄板的数值分析和一个旋转滤光轮组件的模态测试试验对该优化布置方法进行验证。分析结果表明,这种方法能有效选出独立敏感性测点,并且具有较高的搜索效率。     

基于距离系数-有效独立法的大型空间结构传感器优化布置

为解决利用有效独立法进行大型空间结构传感器优化布置时产生的信息冗余问题,提出了以距离系数修正信息矩阵的距离系数-有效独立法。将该方法应用于某高拱坝的传感器优化布置,并与现有的三种优化布置方法得出的方案进行全面的比较。结果表明：距离系数-有效独立法应用于精细网格划分的大型空间结构的传感器优化布置时,可有效避免测点间的信息冗余问题并保证模态识别的精度,是一种适合大型空间结构的较为理想的传感器优化布置算法。     

采用贪婪遗传算法实现图像阈值的自动选取

将贪婪思想引入到遗传算法中设计了贪婪遗传算法,以最大类间方差函数作为遗传算法中适应度的评价函数,利用贪婪算法局部搜索能力强和遗传算法全局搜索能力强的特点,实现图像阈值的自动选取。与基本遗传算法相比,本文算法具有更强的寻优性能,从而加快了收敛速度。实验表明基于贪婪遗传算法的阈值自动选取方法具有计算耗时少的特点,更适用于实时图像处理系统。     

A novel pattern extraction method for time series classification

Multivariate time series classification is of significance in machine learning area. In this paper, we present a novel time series classification algorithm, which adopts triangle distance function as similarity measure, extracts some meaningful patterns from original data and uses traditional machine learning algorithm to create classifier based on the extracted patterns. During the stage of pattern extraction, Gini function is used to determine the starting position in the original data and the length of each pattern. In order to improve computing efficiency, we also apply sampling method to reduce the searching space of patterns. The common datasets are used to check our algorithm and compare with the naive algorithms. Experimental results are shown to reveal that much improvement can be gained in terms of interpretability, simplicity and accuracy.     

增强差异演化算法及其应用

针对约束优化问题,提出一种适于约束优化的增强差异演化算法(enhanced differential evolution algorithm for constrained optimization, ECDE).在约束处理上采用不可行域与可行域更新规则的方法,避免了传统的惩罚函数方法中对惩罚因子的设置,使算法的实现变得简单.改进了DE算法的变异操作,对选择的3个父代个体进行操作遍历,产生6个候选解,取适应值最优的为变异操作的解,大大改善了算法的稳定性、鲁棒性和搜索性能.通过4个测试函数和1个设计实例仿真,表明所提出的算法具有较快的收敛速度和较好的稳定性和鲁棒性.     

用于水声目标识别的近邻无监督特征选择算法

针对水声目标数据的特征冗余问题,提出一种新的近邻无监督特征选择算法。首先利用顺序向后特征搜索算法生成原始特征集的子集,然后利用基于代表近邻选取方法的特征评价机制评价特征子集的优越性。使用实测水声目标数据集和声呐数据集进行特征选择和分类实验,在保持支持向量机平均分类正确率几乎不变的情况下,特征数目分别降低了90%和75%。结果表明,该算法选择出的特征子集,在去除冗余特征后有效地提高了后续学习算法的效率。     

Model reduction for LPV systems based on approximate modal decomposition

The paper presents a novel model order reduction technique for large‐scale linear parameter‐varying (LPV) systems. The approach is based on decoupling the original dynamics into smaller dimensional LPV subsystems that can be independently reduced by parameter‐varying reduction methods. The decomposition starts with the construction of a modal transformation that separates the modal subsystems. Hierarchical clustering is applied then to collect the dynamically similar modal subsystems into larger groups. The resulting parameter‐varying subsystems are then independently reduced. This approach substantially differs from most of the previously proposed LPV model reduction techniques, since it performs manipulations on the LPV model itself, instead of on a set of linear time‐invariant models defined at fixed scheduling parameter values. Therefore, the interpolation, which is often a challenging part in reduction techniques, is inherently solved. The applicability of the developed algorithm is thoroughly investigated and demonstrated by numerical case studies.     

基于相对适应度遗传算法的高层结构粘滞阻尼器优化布置

提出基于相对适应度遗传算法的高层结构粘滞阻尼器优化布置方法,综合考虑多种地震波作用与多个不同优化目标。较标准遗传算法,相对适应度遗传算法基于染色体目标函数值相对大小构造适应度函数能充分体现种群中染色体适应度差异,促进种群的有效进化,获得优化问题的全局最优解。在讨论目标函数加权系数对优化结果影响基础上,对目标函数进行归一化处理,并考虑多种地震波作用。通过用该方法对20层框架结构的粘滞阻尼器布置方案进行优化,数值计算结果证明该方法的有效性及可用性。     

基于三支决策的双激素人工胰脏模型预测控制算法研究

目前,关于双激素人工胰脏子系统切换机制的研究较少,并且现有研究在运行效率和群体控制质量上有待提高.以三支决策理论和模型预测控制算法为依托,提出一种基于三支决策的双激素人工胰脏模型预测控制算法.该算法利用三支决策理论设计3个子系统之间的切换规则,该规则通过设计包含经济代价和高低血糖风险的代价矩阵,计算切换到每个子系统的决...     

Constructing efficient substructure-based preconditioners for BEM systems of equations

In this work, a generic substructuring algorithm is employed to construct global block-diagonal preconditioners for BEM systems of equations. In this strategy, the allowable fill-in positions are those on-diagonal block matrices corresponding to each BE subregion. As these subsystems are independently assembled, the preconditioner for a particular BE model, after the LU decomposition of all subsystem matrices, is easily formed. So as to highlight the efficiency of the preconditioning proposed, the Bi-CG solver, which presents a quite erratic convergence behavior, is considered. In the particular applications of this paper, 3D representative volume elements (RVEs) of carbon-nanotube (CNT) composites are analyzed. The models contain up to several tens of thousands of degrees of freedom. The efficiency and relevance of the preconditioning technique is also discussed in the context of developing general (parallel) BE codes.     

改进的思维进化算法在阵列天线综合中的应用

思维进化算法(Mind Evolutionary Algorithm,MEA)采用趋同和异化操作,通过模仿人类思维进化的过程进行寻优,克服了早熟现象,提高了算法的搜索能力.针对基本思维进化算法中产生初始种群的盲目性、补充淘汰临时子群体的单一性以及现有搜索方式易陷入小区域局部收敛的问题,提出了一种多混沌思维进化算法.该算法采用两种不同的混沌序列,提高了种群的多样性,扩大了搜索范围.将多混沌思维进化算法应用于等间距直线阵列天线综合.良好的仿真结果表明了多混沌思维进化算法在阵列天线综合的优越性.