桥梁施工安全事故流变-突变规律

结合桥梁施工事故的特点,通过对流变-突变理论的桥梁施工安全事故规律研究,绘制出桥梁施工安全事故流变规律曲线。建立了桥梁施工安全事故流变-突变数学模型,基于该数学模型采用数学软件MATLAB分析了事故致因与流变突变曲线的关系。对该数学模型进行假设性验证分析,得到起始安全度和衰减系数对事故时间的影响。通过支架结构的施工期变形的监测数据和某次支架坍塌事故实例验证流变-突变数学模型是合理的。     

基于模糊偏好的多目标粒子群算法在库存控制中的应用

针对多目标库存控制中决策者对目标偏好的不确定性问题,定义了模糊偏好的效用函数,提出了一种基于模糊偏好的多目标粒子群优化算法的求解方法.该方法在改进的双极偏好粒子群优化算法基础上,引入模糊隶属度函数,给出了模糊偏好效用函数的计算方法;利用该函数对得到的非支配解集进行效用评价,以效用评价值作为选取优化方案的依据.针对连续盘点(r,Q)多目标库存控制模型,仿真实验表明:该方法有效地解决了决策者对库存总成本、年平均缺货率和年平均缺货量目标偏好的不确定性问题,为决策者提供了优化的库存控制方案.     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

基于Matlab的甲壳动物线粒体DNA的点突变检测方法

近年来对基因突变检测的研究越来越受到人们的重视,很多基因突变仅是由于单碱基替换所致,如何快速简便地进行检测、发现该点突变具有重要意义’。甲壳动物的线粒体基因组蕴含了物种进化历程中重要的遗传信息,针对甲壳动物线粒体基因序列,提出一种基于Matlab的检测基因序列点突变的简单方法。仿真实验证明,该方法对甲壳动物线粒体基因序列的突变检测和突变基因位置的定位是有效可行的。     

基于遗传算法的DM-GA组合测试数据生成方法

测试数据生成是组合软件测试的重要部分,生成高质量的测试数据对于软件测试具有重要意义.针对两两组合测试数据生成问题,结合传统遗传算法,加入了精英策略和自适应变异概率,提出了DM-GA( dynamic mutation rates-genetic algorithm)算法,改善了传统遗传算法容易陷入局部最优以及收敛速度慢等不足,并取得了良好的效果.实验结果表明DM-GA算法可以作为一种较理想的两两组合测试数据生成方法.     

受限空间自适应区域栅格化的优化路径规划

针对障碍物分布复杂、存在封闭边界的受限空间,提出一种环境自适应区域栅格化的优化路径规划算法.该算法首先将环境自适应划分为区域栅格,并提出阻碍度指标降低搜索空间的维度以优化区域栅格的划分;然后结合随机变异和定向变异,给出一种可有效平衡搜索效率与精度矛盾的多维变异粒子群优化算法;最后使用最小二乘曲线拟合方法对优化路径予以平滑处理.与非线性递减惯性权值粒子群算法（NDW-PSO）及组合粒子群算法（C-PSO）对比的仿真结果验证了所提出算法的先进性.     

基于多尺度并行免疫克隆优化聚类算法

针对无监督分类问题,提出一种多尺度并行免疫克隆优化聚类算法.算法中,进化在多个子群之间并行进行,不同子群的抗体根据子群适应度采用不同变异尺度.进化初期,利用大尺度变异子群实现全局最优解空间的快速定位,同时变异尺度随着适应值的提升逐渐降低;进化后期,利用小尺度变异子群完成局部解空间的精确搜索.将新算法与其他聚类算法进行比较,所得结果表明新算法具有较好的聚类性能和鲁棒性.     

求解车间调度问题的2阶段混合粒子群优化算法

针对车间调度问题,提出了一种2阶段混合粒了群算法(TS-HPSO).该算法在第1阶段为每个粒子设置较大的惯性系数w,同时去掉了粒子的社会学习能力,从而保证每个微粒在局部范围内充分搜索.第2阶段的混合粒子群算法以第1阶段每个粒子找到的最好解作为初始解,同时以遗传算法中的变异操作保证粒了多样性;为保证算法的寻优能力,对全局gbest进行贪婪邻域搜索.计算结果证明了本算法的有效性.     

一种改进的约束优化差分进化算法

提出一种改进的差分进化算法用于求解约束优化问题.该算法在处理约束时不引入惩罚因子,使约束处理问题简单化.利用佳点集方法初始化个体以维持种群的多样性.结合差分进化算法两种不同变异策略的特点,对可行个体与不可行个体分别采用DE/best/1变异策略和DE/rand/1策略,以提高算法的全局收敛性能和收敛速率.用几个标准的Benchmark问题进行了测试,实验结果表明该算法是一种求解约束优化问题的有效方法.     

MAGA-WNN模型在明胶浓度软测量中的应用

胶液浓度的测量在明胶的生产过程中是一项很重要的任务,为解决明胶浓度胶液手工检测中存在的滞后时间长、测量误差大等实际问题,将软测量技术应用到明胶的浓度测量中。通过对明胶生产工艺的分析,采用小波神经网络建立软测量模型,利用混合变异自适应遗传算法对模型参数进行优化。用现场采集并归一化后的120组数据做仿真实验,其中80组作为训练,40组作为预测。仿真结果表明,该算法迭代67次后误差平方和低于0.01并趋于稳定。证明混合变异自适应遗传算法可增强小波神经网络模型的鲁棒性和提高收敛速度。所以该算法用于明胶浓度的软测量中是可行的。