基于拉丁超立方体的改进白骨顶鸡算法

针对白骨顶鸡算法求解工程问题时收敛速度慢,易陷入局部最优等不足,提出一种基于拉丁超立方体的改进白骨顶鸡算法。使用拉丁超立方体抽样增强初始种群的均匀性和多样性;引入非线性决策因子和自适应动态边界机制,提高算法全局搜索和局部开发能力;利用柯西变异对最优解进行扰动,帮助算法跳出局部最优。在16个基准函数、高维函数和工程问题进行仿真,其结果验证,该算法收敛速度和寻优精度良好,在工程问题上具有可行性和有效性。

分层拉丁超立方体抽样方法及应用

为了提高样本数据的质量,文章提出了一种新的抽样方法——分层拉丁超立方体抽样,给出了该抽样方法的定义以及实现算法,证明了在相应条件下该抽样方法的估计精度比分层随机抽样方法更高,可以更有效地缩减蒙特卡罗方差。同时,还通过数值模拟比较了分层拉丁超立方体抽样与分层随机抽样在用蒙特卡罗方法估计定积分时的效果,数值模拟结果验证了上述结论的正确性。

拉丁超立方体抽样遗传算法求解图的二划分问题

图的二划分问题是一个典型的NP-hard组合优化问题,在许多领域都有重要应用.近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想.基于理想浓度模型的机理分析,利用拉丁超立方体抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在分析图二划分问题特点的基础上,结合局部搜索策略,给出了一个解决图二划分问题的新的遗传算法,称之为拉丁超立方体抽样遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图二划分问题的仿真模拟比较,可以看出新的算法提高了求解的质量、速度和精度.

基于拉丁超立方体抽样和免疫机制的改进遗传算法

针对遗传算法求解问题中保持群体多样性能力不足、早熟以及求解成功率低等缺点,依据拉丁超立方体抽样方法对遗传算法中的交叉算子进行重新设计;结合免疫机制定义染色体浓度、提供选择依据,提出了一种新遗传算法。利用旅行商问题以及最大子团问题为实例对新算法进行了验证,实验结果表明新算法在解的质量、收敛速度等各项指标上均好于经典遗传算法和佳点集遗传算法,说明了新算法的优越性与可行性。

基于拉丁超立方体抽样的六自由度机械臂工作空间分析

针对六自由度机械臂史陶比尔RX-90的工作空间求解问题,提出一种基于拉丁超立方体抽样的统计计算方法。用D-H法对机械臂建立数学模型,采用连杆坐标系变换的方法求出其运动学正解。对比了蒙特卡罗法和拉丁超立方抽样(LHS)的优缺点,根据机械臂笛卡尔空间和关节空间的映射关系,设计LHS法分析其工作空间,在计算机输出设备显示工作空间的点云图并且得到各坐标轴取值范围。通过MATLAB机器人工具箱仿真验证了求解结果的正确性和有效性,为后续机械臂轨迹规划及优化、动力学分析、运动精度控制、系统优化等研究方向提供了参考依据。

船体总纵极限强度可靠性分析的拉丁超立方抽样法(英文)

本文将拉丁超立方抽样法与条件期望和对偶变数方差减缩技术组合用于分析船体总纵极限强度可靠性。在一系列不同的极限状态函数条件下 ,对随机抽样法和拉丁超立方抽样法以及是否使用方差减缩技术进行了比较研究。使用组合方法获得了稳定的结果和较大的方差减缩。最后 ,基于极限强度 。

一种基于拉丁超立方体抽样的多目标进化算法

传统多目标进化算法(MOEA)在解决具有复杂Pareto解集的多目标优化问题(CPS_MOP)时存在严重的退化现象.为此,本文提出两种进化模型——基于个体的进化模型和基于种群的进化模型.并在此基础上,设计两类基于拉丁超立方体抽样(LHS)的MOEA(LHS-MOEA).LHS-MOEA采用LHS局部搜索开采目前较优秀的区域,采用进化操作在可行解空间中探测新的搜索区域,从而有效克服退化现象.实验结果表明,LHS-MOEA求解CPS_MOPs的效果较好,比经典算法NSGA-II具有明显的优势.

基于概率精英差分和自适应黄金正弦的鲸鱼优化算法

针对鲸鱼优化算法收敛速度慢和寻优精度低的缺点,提出一种基于概率精英差分和自适应黄金正弦的鲸鱼优化算法。基于最大最小思想优化拉丁超立方体抽样来初始化鲸鱼种群,使初始种群分布更加均匀,拥有更好的全局搜索能力;提出融合余弦自适应算子的黄金正弦算法改进鲸鱼的螺旋更新,加快收敛速度,提高收敛精度;设计概率精英差分变异方法并进行贪婪选择,优化算法流程,增强算法跳出陷入局部最优的能力。选取4个单峰测试函数、4个多峰测试函数和5个多最优解的多模态测试函数与主流优化算法进行对比实验,实验结果表明,该算法具有更高的寻优精度、更快的收敛速度以及更优的全局搜索能力,通过消融实验验证了该算法改进策略的有效性。

基于改进实例学习算法的风电机组齿轮箱状态监测

风电机组齿轮箱的运行过程是复杂的非线性过程,采用实例学习(IBL)算法建立模型可有效对其进行状态监测。针对实例学习模型对训练数据质量敏感的特点,提出综合考虑多种性质的两步主动学习样本选择方法。首先提出一种基于拉丁超立方体抽样思想的网格划分初始样本选取方法,并基于z-score方法剔除其中的离群点。然后第一步基于信息性和代表性的综合得分选出候选样本来避免离群点影响,第二步基于多样性使第一步的候选样本稀疏化,从而避免冗余点影响。最后,基于指数加权移动平均控制图对实例学习回归模型输出的残差进行分析,并根据故障率对风电机组齿轮箱实现状态监测。利用某风电机组实际故障数据进行验证。结果表明:所提出的方法能选出优质样本,模型精度在验证集上较未改进前有所提升,且运算效率提升约50%,可实现齿轮箱异常的早期预警。

期权定价的蒙特卡罗模拟方差缩减技术研究

蒙特卡罗模拟的方差缩减技术作为模拟效率改进的重要途径,在金融衍生证券的定价分析中得到了广泛的应用和发展,特别是在控制变量、对偶变量、分层抽样、拉丁超立方抽样、矩匹配和重要性抽样技术方面。从方差缩减的效率来看,所有的蒙特卡罗模拟方差缩减技术都能显著地提高期权定价的模拟效率,其中基于最优漂移率的重要性抽样技术与沿着最优分层抽样方向进行的分层抽样技术的组合,要比普通的蒙特卡罗模拟具有极其明显的效率提高效果。

LHS抽样遗传算法

文献[1]研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用拉丁超立方体抽样(LHS)的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献[2]中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。

基于RBF和LSGRG的滤芯托架注塑成型质量控制与优化

针对汽车用复杂交错薄壁格栅的滤芯托架体积收缩率大和生产能耗高的问题,采用有限元仿真分析方法,建立了复杂交错薄壁格栅的滤芯托架仿真分析的有限元模型,对塑件的体积收缩率和注塑过程中的最大锁模力进行了优化,以提高塑件成型质量和降低生产能耗。首先,基于最优拉丁超立方抽样(OLHS)方法和径向基函数(RBF)神经网络模型建立预测模型并对模型精度进行了验证;其次,通过分析20组计算数据并结合工程经验发现体积收缩率和最大锁模力呈相互冲突的关系,且对成型质量和能耗有较大的影响,为此采用大规模广义降阶梯度(LSGRG)技术对预测模型进行多目标寻优并得到最优的工艺参数组合,经过LSGRG方法优化的最大锁模力降低了10.30%,体积收缩率降低了27.61%,优化效果显著。最后,在注塑机上应用优化后的注塑工艺参数生产出了复杂交错薄壁格栅的滤芯托架,产品质量符合要求。提出的基于RBF神经网络模型和LSGRG技术的联合多目标优化方法可为同类型塑件的成型质量控制与优化提供借鉴。

不同抽样算法对Sobol敏感性分析影响的研究

敏感性分析Sobol方法是其十分重要的一个分支.Sobol方法的数值解产生主要依赖蒙特卡洛方法.随机数的产生是蒙特卡洛方法的基础.随机数的生成最为主要的一类方法是伪随机数生成器,但由于伪随机数生成器所产生的随机数的均匀性不够好,因此会影响抽样质量,从而影响所计算的敏感性系数的收敛性与准确性.该文使用准随机和拉丁超立方体随机抽样器替代蒙特卡洛方法中的伪随机抽样器,并比较它们的抽样结果,以及最终所得的敏感性系数准确性及收敛性,最后发现准随机抽样相较另外两种抽样方式有明显优势.

基于差分进化算法和 NSGA-Ⅱ的混合算法

本文提出的改进的DE-NSGAⅡ算法,利用差分进化算法的变异交叉操作代替NSGA-Ⅱ算法的交叉算子,将快速非支配排序机制与剪枝方法相结合用于父代种群的生成与非支配集的更新.为保证初始种群均匀分布,该混合算法采用拉丁超立方体抽样技术生成初始种群.然后在参数取值固定的前提下,将该混合算法与NSGA-Ⅱ算法、AMGA-Ⅱ算法进行横向对比.为了进一步提升该混合算法的优化性能,该混合算法采用了参数自适应策略,并且基于此策略纵向比较了该混合算法在不同参数组下的优化性能.经过一系列对比发现:合理的参数选择能使该混合算法表现出良好的综合性能.

计及不确定性因素基于多场景的主动配电系统短期供电能力评估

主动配电系统的供电能力受配电网络的拓扑结构、元件故障、负荷水平及分布式能源资源出力波动性等诸多不确定性因素的影响。准确评估主动配电系统的供电能力,对于主动配电网的优化调度及安全运行有重要的指导意义。该文首先从分析不确定性因素对主动配电系统供电能力的影响入手,针对不确定性因素进行建模;其次,基于场景生成及缩减技术,形成供电能力评估的多场景;再次,定义了一系列概率评估指标,针对多场景下主动配电系统的短期供电能力进行评估,以指导主动配电系统的优化运行,发掘配电网的供电能力,提高配电网的综合效益;最后,采用改进的IEEE 14节点算例,对该文所提的模型和算法进行了验证,算例验证表明该文所提模型及算法的正确性和有效性。

固体火箭发动机粘弹性药柱结构可靠性分析

基于Monte-Carlo粘弹性随机有限元法,分析了药柱结构的可靠度。针对直接Monte Carlo法效率较低的问题,在确定粘弹性有限元的基础上,采用拉丁超立方体抽样(LHS)技术进行随机抽样,以提高计算的收敛速度。考虑泊松比和松弛模量的随机性,结合药柱的破坏判据,研究了工作内压作用下固体火箭发动机药柱结构的可靠度及其变化趋势。算例结果表明,该方法精度高、通用性强,适合于工程应用。

圆截面RC桥墩曲率极限状态和延性的概率分析

从变形能力的不确定方面研究了圆截面钢筋混凝土桥墩曲率极限状态和曲率延性系数。把截面的材料参数和几何尺寸看作随机变量,采用拉丁超立方体抽样模拟法分析了在不同的轴压比、纵筋配筋率和配箍率下桥墩截面无量纲屈服、服务和破坏控制曲率极限状态的概率特性。结果表明,截面的无量纲曲率极限状态近似服从正态分布,轴压比是影响无量纲屈服和服务水平曲率极限状态均值的主要因素;轴压比和配箍率是影响无量纲破坏控制水平曲率极限状态均值的主要因素;无量纲曲率极限状态的变异系数随着截面变形的增加而增加。另外,还分析了桥墩截面在服务和破坏控制极限状态下曲率延性系数的概率分布特征值,通过回归分析提出了用桥墩截面设计参数计算曲率延性系数特征值的近似计算公式。

高墩大跨连续刚构桥收缩徐变效应的概率分析

介绍了结构收缩徐变效应的概率分析方法,分析了高墩大跨连续刚构桥在变形预测方面的不确定特性,明确了其基于概率的时效变形计算及设计准则,确定了重要的统计变量,并在数值模拟中引入旨在提高抽样精度及减少抽样次数的拉丁超立方体抽样。以广西龙滩布柳河大桥为工程背景,进行了相关的概率时效分析,得出了一些有益的结论,为布柳河大桥的施工及监控工作提供有益的指导。

Matlab工具箱在导弹试验设计中的应用

通过一个武器试验的实例,给出了利用Matlab基于模型的标准工具箱进行拉丁超立方体抽样设计的方法,用中心化L2偏差对该方法和均匀设计表的均匀性进行了比较分析,给出了一些关于该方法的结论。

一种改进的基于NSGA-Ⅱ和DE的多目标混合进化算法

为提高非支配排序遗传算法(NSGA-Ⅱ)的搜索精度和多样性,借鉴差分进化中加强局部搜索的策略,提出了一种改进的NSGA-Ⅱ算法(LDMNSGA-Ⅱ)。该算法利用拉丁超立方体抽样技术对解种群进行初始化,保证种群的初始分布能够均匀,采用差分进化中的变异引导算子和交叉算子替换NSGA-Ⅱ的交叉算子,加强局部搜索能力和提高搜索精度,同时保留NSGA-Ⅱ中的变异算子,保留算法多样性。四个经典测试函数的仿真结果表明,该算法LDMNSGA-Ⅱ在解决多目标优化问题中表现出了良好的综合性能。