基于差异进化算法的爆破震速参数识别与优化

爆破震动衰减特性研究通常采用经典的萨道夫斯基公式实现。如何根据不同爆破条件合理选择公式中的场地系数K和衰减指数α是确定爆破控制参数的关键。实际工程分析中,通常采用可监测参数反演识别方法获取K和α值。以大连地铁2号线201标段接收井横通道爆破作业为背景,基于差异进化(DE)算法中缩放因子F和交叉概率Cr贡献值的合理选择,研究萨道夫斯基公式K和α的反演问题。首先,通过对算法中F和Cr不同取值对萨道夫斯基公式计算结果的影响分析,得到各向震速条件下收敛最小的F和Cr值;然后,根据F和Cr取值反演K和α参数。工程实践表明,基于DE算法反演识别得到的K和α值代入萨道夫斯基公式,计算得到的垂向、纬向、经向速度及合速度与实测速度变化趋势一致,并处在合理误差范围之内。

基于混合差异进化优化算法的电力系统无功优化

无功优化是电力系统实现电压和无功功率最优控制和调度的基础,阐述了一种基于混合差异进化算法的新无功优化方法。混合差异进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,且为缩短计算时间、避免陷入局部最优,在算法中嵌入了加速操作和种群迁移操作。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其他算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。

面向复杂物流配送场景的车辆路径规划多任务辅助进化算法

在现代社会中,复杂物流配送场景的车辆路径规划问题(Vehicle routing problem,VRP)一般带有时间窗约束且需要提供同时取送货的服务.这种复杂物流配送场景的车辆路径规划问题是NP-难问题.当其规模逐渐增大时,一般的数学规划方法难以求解,通常使用启发式方法在限定时间内求得较优解.然而,传统的启发式方法从原大规模问题直接开始搜索,无法利用先前相关的优化知识,导致收敛速度较慢.因此,提出面向复杂物流配送场景的车辆路径规划多任务辅助进化算法(Multitask-based assisted evolutionary algorithm,MBEA),通过使用迁移优化方法加快算法收敛速度,其主要思想是通过构造多个简单且相似的子任务用于辅助优化原大规模问题.首先从原大规模问题中随机选择一部分客户订单用于构建多个不同的相似优化子任务,然后使用进化多任务(Evolutional multitasking,EMT)方法用于生成原大规模问题和优化子任务的候选解.由于优化子任务相对简单且与原大规模问题相似,其搜索得到的路径特征可以通过任务之间的知识迁移辅助优化原大规模问题,从而加快其求解速度.最后,提出的算法在京东物流公司快递取送货数据集上进行验证,其路径规划效果优于当前最新提出的路径规划算法.

基于差异进化算法反演参数的隧道稳定性分析

在隧道和地下工程弹性问题的位移反分析中,当基本未知数多于三个时,在各参数可能的变化范围内找到一组使误差最小的最佳参数的优化反分析方法是当前岩土工程反分析研究的热点问题。论文结合一种新型的优化算法(差异进化算法),依托摩天岭1#斜井隧道工程施工,跟踪施工进行了典型断面围岩位移监测,以现场量测位移作为基础信息求得了斜井隧道全局最优值的最佳力学参数组合。根据以上采用差异进化算法求得的反演参数,对摩天岭1#斜井隧道单层衬砌支护稳定性进行了三维数值模拟分析,分析表明,摩天岭1#斜井隧道III级围岩段喷15 cm厚钢纤维混凝土支护后,斜井隧道围岩最小应力明显降低,围岩位移明显减小,因此建议摩天岭1#斜井洞身段III级采用15 cm厚度的钢纤维喷射混凝土单层衬砌。以上研究直接指导了摩天岭隧道单层衬砌设计和施工。

用模拟退火差异进化算法进行匹配场反演

分析了模拟退火算法与差异进化算法单独应用于匹配场反演时的局限性,构造一种结合两种算法优点的混合算法。模拟退火算法对差异进化算法的种群进行扰动,保留了差异进化算法的并行特性;在差异进化算法中引入模拟退火算法的重要性抽样思想,增强其逃离局部最优的能力,差异进化算法对目标函数梯度信息的利用仍然保留。仿真研究表明,混合算法在寻优时间与效率上达到了较好的平衡。

基于差异进化算法的前馈神经网络在大坝变形监测中的应用

针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。

用差异进化算法进行海洋环境参数反演

提出了用差异进化算法进行浅海环境参数匹配场反演 ,利用仿真数据对算法的有效性进行了评估 ,并与遗传算法、模拟退火算法进行了比较 ,最后采用亚洲海实验 ( ASIAEX2 0 0 1 )

基于差异进化算法的人工神经网络快速训练研究

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中神经网络已被广泛应用于智能控制系统优化,信号及信息处理、模式识别等领域。而遗传算法则是模拟生物的进化现象(选择、交叉、变异等),来表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。由于神经网络和遗传算法目标相近而方法各异,因此将两种方法相互结合,必能达到取长补短的目的。将近年来提出的遗传算法的一种——差异进化算法DE(DifferentialEvolution)与原有的LM算法相结合,构造了DE-LM算法,并通过实例验证了它具有收敛速度快和不易陷入局部最小的特点。

基于差异进化算法的围岩参数识别

引入了一种新型智能优化算法差异进化优化算法,建立采矿巷道围岩参数的识别方法.基于正交设计和均匀设计方案进行巷道开挖的数值试验,建立围岩力学参数与监测位移的映射关系回归模型.以计算位移和监测位移的误差为适应值,采用差异进化优化算法进行参数识别.在探讨差异进化算法原理和参数识别步骤基础上,将该方法应用于金山店铁矿进路巷道分析.分析结果表明该算法具有优良的全局快速收敛性,是具有较强适应性的新型巷道参数识别方法,具有良好应用前景.

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。

基于差异进化算法的并行容错无功优化

容错是应用分布式并行计算系统时必须解决的一个关键难点。在基于广域网络的新型计算环境下实现基于进化算法的电力系统优化应用时,需要对大量个体进行频繁的迭代评估,现有的各类容错技术难以实现对此类应用的高效容错。文中结合进化算法概率性搜索、个别个体失效不会影响系统整体性能的特点,提出以父代个体取代未按时返回的子代个体的方式实现容错,并结合基于差异进化算法的无功优化问题对所提出的方法进行了仿真分析。IEEE118节点系统测试表明该方法能以优化性能的降低为代价实现高效容错。在该容错手段支持下,可通过采用更大范围网络计算资源基础上更大的群体规模,取得一致性更好、更接近全局最优的解。

基于差异进化算法的医学图像配准方法

基于互信息的医学图像配准是一种目标函数的优化问题,但传统优化方法往往由于目标函数收敛到局部极值而导致错误的结果.该文将差异进化算法引入到医学图像配准中,利用其收敛特性避免互信息测度优化陷入局部极值,实现了多模态医学图像的配准.实验数据表明,以互信息测度为目标函数的医学图像仿射配准中,差异进化算法优于Powell算法和模拟退火算法.

领导者引导与支配解进化的多目标矮猫鼬算法

面对现实中日益复杂的多目标优化问题,需要发展新型多目标优化算法应对挑战。提出一种基于领导者引导与支配解动态缩减进化的多目标矮猫鼬优化算法(MODMO)。领导者引导机制通过引入动态权衡因子以调控侦察猫鼬探寻土丘的搜索半径,同时以非劣解集构建外部存档并根据非支配排序层级确定出领导者,进而引导侦察猫鼬向多目标前沿面推进以改善算法的收敛性;支配解动态缩减进化策略是为克服非劣解外部存档维护过程中的解冗余问题而构建,其以支配关系和拥挤距离动态筛选支配解并存入外部存档,以支配解信息融入种群进化实现多目标潜在前沿的挖掘并增强算法的多样性。在ZDT、DTLZ与WFG基准函数上,与5种代表性比较算法的实验结果表明MODMO算法在收敛性与多样性上均具有显著优势。

基于差异进化的克隆选择算法

针对免疫算法在全局优化过程中多样性不足的问题,将差异进化引入克隆变异操作中,提出了一个新的改进的克隆选择算法——基于差异进化的克隆选择算法(DECSA),算法将差异进化和克隆超变异相结合,促进了抗体与抗体之间的信息融合,使得子代抗体继承父代抗体的信息的同时,携带着不同父代个体信息,丰富了抗体种群的多样性,实现了在同一父代抗体周围的多个方向同时进行全局和局部搜索。对13个标准测试函数的测试结果及与已有的算法的比较表明,该算法表现出较好的局部搜索和全局搜索能力。

基于差异进化算法的土层多参数动态反分析

为得到更加真实准确的深基坑施工过程各土层参数值,确保深基坑工程质量和安全稳定性,以大连某地铁车站深基坑工程为研究背景,根据现场地下连续墙水平位移实测数据,采用正交设计法对各土层参数进行敏感性分析,然后,基于差异进化多参数反分析方法,对深基坑各土层参数进行静态和动态位移优化,最后,根据地下连续墙体水平位移现场监测数据,对数值模拟结果进行辅助验证。研究结果表明:动态反分析的土层参数值更接近土层真实值,利用动态反分析得到的土层参数进行数值模拟分析,其结果比静态反分析模拟结果更接近实际监测数据,从而验证了该方法的合理性和正确性,为后续深基坑稳定性研究和变形预测提供技术支持。

基于差异进化算法的隧道渗流反分析与工程应用

针对隧道开挖引起的渗流场变化问题求解渗流参数,将围岩视为多孔连续介质,利用C++语言基于变分原理自主开发了有限元渗流计算SEEP程序,并通过算例验证程序的正确性,在此基础上利用差异进化算法编制了相应的渗流参数反分析程序SBAP。结合大连金州至普兰店区间隧道工程,利用单位距离隧洞涌水量和测点孔隙水压值对该工程不同地层的水平渗透系数和竖向渗透系数进行反演。将反演得到的参数带入到SEEP程序中计算,通过计算结果和实测结果对比证明差异进化算法能较好的应用于渗流反分析当中,为类似地下工程渗流参数的确定和隧道涌水量的预测提供一定的依据。

解决动态多中心问题的自学习差异进化算法

为解决动态环境下的多中心优化问题,提出自学习差异进化算法。通过评估特定个体检测到环境变化,自学习算子将群体引至新的环境,并保持群体的拓扑结构不变,以继续当前的进化趋势。采用邻域搜索机制加快算法的收敛速度,引入随机个体迁入机制增加群体多样性。实验以周期动态函数为测试对象,比较自学习差异进化算法与部分智能优化算法的性能,结果表明,新算法有更快的收敛速度和更好的环境适应能力。

基于混沌差异进化算法的有功优化仿真研究

差异进化(differential evolution,DE)算法在求解电力系统有功优化的问题上易陷入局部最优,因此在其基础上引入混沌算法的Logistic映射,形成混沌差异进化(chaotic differential evolution,CDE)算法。该算法在迭代后期,使固定取值的搜索步长和交叉算子在一定范围内随机取值。为验证算法的实用性,利用Matlab软件,将DE和CDE在IEEE30节点测试系统上进行电力系统有功优化仿真。仿真结果表明,CDE算法扩大了搜索范围并且增加了种群多样性,能获得搜索质量更高的最优解,即考虑阀点效应的燃料费用更低。通过此次仿真,既可加深学生对有功优化的认识和理解,又可提高学生运用仿真技术为改进算法提供理论依据与评价的能力。

基于改进差异进化算法的有功优化仿真研究

在电力系统有功优化这个复杂的全局优化问题上,差异进化(Differential Evolution,DE)算法可以增加其种群多样性但搜索效率低,于是在其基础上提出了一种改进的差异进化算法(Improved Differential Evolution,IDE)。IDE算法保留了DE算法的三大步骤:变异、交叉以及选择,优化了传统的变异策略,同时引入了Logistic映射改变系统参数,使固定取值的搜索步长和交叉算子在一定范围内随机取值,以此扩大种群搜索范围,加快收敛速度;IDE算法最后运用了考虑系统约束的非贪婪选择,以确保算法在可行域里探索最优解。为验证算法的实用性,利用Matlab软件,将DE和IDE算法在IEEE30节点测试系统上进行目标函数为电网功率损耗的有功优化仿真。仿真结果表明,IDE算法增加了种群多样性,加快了收敛速度并且提高了搜索效率。通过此次仿真,加深了学生对电力系统有功优化以及DE算法的认识和理解,同时引导学生利用计算机技术改善算法的搜索性能并且求解优化问题。

基于差分进化算法的减速器齿轮参数优化设计

根据上海道路循环工况,利用载荷的随机连续性和20CrMnMo材料的低载强化特性进行减速器齿轮有限寿命的轻量化设计。基于线性损伤理论,分别计算编制载荷谱和连续载荷谱在低载强化效应下的疲劳损伤,将疲劳损伤约束在一定范围内为选取条件,以齿轮体积最小为优化目标,建立了齿轮有限寿命的轻量化优化模型,通过差分进化算法求解得到优化后的齿轮参数。实验结果表明,设计的模型可快速准确优化齿轮参数,在采用连续载荷谱和考虑低载强化效应时,优化的齿轮参数最小。优化的模型可移植性好,可直接迁移到其他变速系统零件的轻量化设计。