基于NSGA-II遗传算法的磁流变悬置多目标优化

磁流变悬置集总参数优化是设计高性能发动机悬置的关键。为克服以往悬置优化中优化目标单一、优化目标选取不合理、未考虑实际加工可行性等问题,建立单自由度磁流变悬置隔振系统数学模型,提出倍程区间灵敏度分析法,对各集总参数灵敏度进行分析,并以此为依据选取优化变量。以发动机常用转速激振频率段的力传递率积分为优化目标,采用改进型非支配排序遗传算法(NSGA-II)进行多目标优化。在一定范围内将结构尺寸进行离散化处理,计算各组离散尺寸对应的集总参数值,以离散集总参数与集总参数Pareto非劣解之间的综合距离为准则筛选最优解。     

变压器经济运行区间划分的节电降耗

开展变压器经济运行是节电降耗的重要途径,而变压器经济运行区间是开展变压器经济运行的重要概念。本文阐释变压器经济运行区间的概念和求解原理;并以实际某变电站为例,说明经济运行区间的求解方法及其应用;同时给出取得的节电降耗效果和经济效益。     

运营桥梁结构间接辨识的统计估计方法

建立了运营桥梁结构系统辨识的数学模型,以及对于运营桥梁结构参数实现间接辨识的点估计及区间估计的方法.引入系统辨识理论,定义了运营桥梁结构的数据、模型类、准则要素;基于车辆响应,通过对准则优化的实现,实现了基于车辆响应对结构参数的间接辨识;分别基于半解析解、数值解、加入白噪声的半解析解以及数值解对结构的频率和刚度,进行了...     

含区间不确定性参数的机翼气动弹性优化

提出了一种具有区间不确定性的机翼颤振优化方法.采用拉丁超立方方法建立仿真试验表,基于MSC.Nastran平台进行颤振仿真分析.获得仿真数据之后,应用Kriging方法构造了包含区间不确定性参数的机翼颤振分析代理模型,并进行有效性检验.基于建立的代理模型并按照区间序数关系,将不确定性优化目标和约束条件转化为确定性表达形式,从面形成区间不确定性的结构优化设计方法.该方法将区间法优化和代理模型相结合,同时综合有限元仿真和遗传算法的优点,计算效率较高且应用范围较广.以某复杂机翼结构为例进行了含区间不确定性的颤振优化计算.分析结果表明了所提方法的正确性和可行性.     

基于域敏感指向分析的区间运算在软件测试中的应用

静态分析由于并不执行源代码,导致无法获取变量在实际运行中的取值,进而对一些和变量取值相关的缺陷检测带来了一定困难.利用符号执行和区间运算技术,虽然可以模拟程序实际执行时变量的可能取值范围,但对于结构体、数组等,由于不能对其成员进行独立描述,导致数据流无法支持域敏感分析,对和其成员变量相关的缺陷的检测难以实现,产生很多漏报.基于域敏感指向分析的区间运算模型,在域敏感指向分析模型的基础上对其进行了改进,将复杂数据类型拆分成独立的成员变量进行分析,并提出一种关联抽象取值集的类型系统,该系统可以保守的描述程序在动态执行时变量的可能取值.结合赋值语句的抽象语法定义,给出了该类型系统在数据流计算时的具体推导算法,并将其应用在缺陷检测系统(DTSGCC和DTSCPP)中.选用DTSCPP作为实验平台,对6个C++开源工程进行了测试,并对其数据进行了统计分析,结果表明该方法可以减少漏报,且测试效率与非域敏感版本相当.     

考虑心理行为的区间二元语义动态群决策方法

针对当前属性值为区间语言信息的群决策方法的不足,提出了一种考虑决策者心理行为的区间二元语义动态多属性群决策方法。定义了一种更接近决策者思维习惯的区间二元语义新的距离公式;引入时间度概念,结合考虑专家评价的综合一致性,建立优化模型求解时序权重;并基于前景理论,构建前景偏差值最小化的权重优化模型;采用基于新距离测度的交互式多属性决策（TODIM）方法计算方案的综合总体优势度,以此对方案进行排序。并以供应链协同合作伙伴的选择与评价为例,验证了所提方法的有效性和合理性。     

区间数信息下的多属性群决策研究

随着决策系统的不断扩大以及复杂化,评价指标以实数值描述稍显欠妥。研究属性权重为实数值、区间数信息下的多属性群决策问题,建立集结区间数信息的非线性规划模型,采用模拟植物生长算法集结各方案中多位专家给出的区间数偏好,并利用得到的偏好区间数构成群决策偏好矩阵。结合已知权重,引入投影理论得到各方案的综合评价值,从而选出最优决策方案。算例结果表明,模拟植物生长算法不仅计算简便、灵活,并且尊重每个专家的意见,较好地保留了信息的完整性,显示出人工智能算法在信息集结方面的有效性。     

一种基于对等网络的云资源多属性区间查询算法

设计了n元属性组来描述云资源, 并为属性组中的每个属性都划分区间。为解决云资源的多关键字高效查找问题, 对不同属性的不同区间的任意组合都建立索引。针对云资源属性变动时导致索引更新时网络开销太大的缺点, 提出依据索引中属性的个数对全部索引进行归类存储。仿真实验表明, 在云资源的属性发生变动时, 该算法在更新索引时在网络中产生的信息个数是一个常数n, 数目远远小于其他的多关键字区间查询算法, 查找资源时网络开销不仅小而且稳定。     

改进的BPSO的特征基因选择方法及其在结肠癌检测中的应用研究

在一些大型的智能机械设备环境中,由于故障数据种类不断增加,形成了一个强冗余数据干扰的环境,这样的环境下,由于故障冗余关联规则的存在造成挖掘耗时。在充分研究关联挖掘算法的基础上,提出一种基于预测决策同态理论的强冗余数据挖掘算法,该算法通过对冗余关联中的数据以非同态信息增益惩罚因子构建同态区间,对区间内庞大的冗余关联数据进行关联约束,保证关联数据在距离较近的同态区间内,在邻近区间中采用预测决策方法进行故障的最终确认。实验证明,这种方法能够提高冗余环境下故障数据挖掘的准确率,其计算成本不高,鲁棒性较强。     

一种区间型数据的离散化方法

随着数据挖掘和知识发现等技术的迅速发展,出现了很多数据离散的算法,但是,已有的离散化方法大多是针对固定点上的连续属性值的情况,实际应用中大量存在着连续区间属性值的情况。针对这一问题,提出了一种连续区间属性值离散化的新方法。通过区间数的相似度来描述对象间的相似关系,定义相似度阈度确定离散关系,来实现对区间数据的离散化,经过分析相似度在算法中的作用,提出了一种新的变量——关联度,改进了算法。采用多组数据对此算法的性能进行了检验,与其他算法做了对比试验,试验结果表明此算法是有效的。