基于拉普拉斯分布与鲍德温效应的教与学算法及其应用

教与学优化算法(TLBO)是一种进化能力非常强大的算法,近年被广泛应用于各种优化问题。但是,在TLBO算法进化的后期,随着进化迭代次数的增加和求解范围的缩小,种群的多样性逐渐降低,从而导致陷入局部最优和过早收敛。基于此,提出一种基于拉普拉斯分布和鲍德温学习效应的教与学优化算法(LBTLBO)。该算法利用拉普拉斯分布的扰动来拓展探索空间,采用鲍德温学习效应识别出更多有前途的解,使算法更具有竞争性。实验结果表明,与原始TLBO、基于拉普拉斯分布的TLBO、基于鲍德温学习的TLBO以及改进版本的TLBO进行比较,LBTLBO提高了解的精度,具有很强的竞争力。最后,将LBTLBO应用于无人机航路规划问题,并进行了仿真实验,结果显示,与上述改进版本的TLBO相比,LBTLBO能获得更加准确的路径与收敛速度。

新型U型梯子梁设计及应用前景分析

传统梯子梁由于焊接部位复杂,焊接缺陷较多。针对传统梯子梁生产过程中产品质量不稳定、使用时存在较大安全隐患的问题,设计出一种新型U型矿用梯子梁,以适应现代煤矿生产的需要。对全自动生产线的技术难点进行分析,结合梯子梁的焊接工艺,利用ANSYS软件分析了新型U型梯子梁的位移与残余应力,为开发新型梯子梁生产线提供理论基础。