基于Kriging-NSGA-Ⅱ的大跨度斜拉桥多目标索力优化研究

文章针对大跨度斜拉桥的索力优化问题,提出了一种基于Kriging-NSGA-Ⅱ的多目标索力优化方法。以Kriging回归算法为基本模型建立了大跨度斜拉桥的结构代理模型,采用基于强度的非支配排序和动态交叉变异算子改进NASA-Ⅱ算法,求解考虑主梁弯曲应变和挠度双目标控制下的索力优化问题,并以某大跨度斜拉桥为工程背景验证了该方法的可行性。研究结果表明:Kriging模型对结构响应面的拟合良好;改进NSGA-Ⅱ算法可以实现对双目标索力优化问题的求解:优化后主梁弯曲应力和挠度得到明显改善。

基于动态算子遗传算法的光网络阻塞率的快速计算

给出了基于分层图模型的光网络中链路阻塞率的计算公式,提出了一种改进的遗传算法,通过动态调整交叉和变异两算子,在全局搜索的情况下,调大变异算子的值,控制交叉算子的值;在收敛到局部进行搜索时,控制变异算子,提高交叉算子值,提高局部搜索能力,得到了一种快速的光网络阻塞率的计算方法,通过模拟显示:与普通遗传算法相比可以提高计算速度60%,并降低网络的阻塞率。

基于最小欧式距离(1+1)小生境遗传算法的无功优化

针对电力系统无功优化存在的问题,提出了利用最小欧氏距离下(1+1)竞争小生境遗传算法,克服了小生境遗传算法中小生境难以确定的不足,改善了遗传算法容易陷入局部收敛和早熟的缺点。通过对IEEE30节点测试系统进行无功优化计算,验证了该算法全局搜索能力强、效率高。

基于遗传算法优化模糊神经网络的倒立摆智能控制

提出了一种利用遗传算法来优化模糊神经网络的倒立摆智能控制,利用RBF神经网络与模糊推理过程具有函数等价性.设计了基于模糊系统的RBF网络结构。同时采用改进的遗传算法优化了神经网络的参数和权值。其中利用一种动态的交叉率和变异率.有效地加快了收敛的速度。最后,利用Matlab软件对倒立摆进行仿真.仿真结果表明.该控制具有较好的通用性和控制效果。