基于改进稳态遗传算法的桥梁有限元模型修正

由于测试误差和结构参数的不确定性,有限元模型修正的局部最优解和全局最优解均有可能是真实解。为了同时获取模型修正的局部最优解和全局最优解,文章提出一种改进的稳态遗传算法(ISSGA)。该算法通过一种双角度算子来判定目标函数的可行解,并通过定义可行解的伴侣解不断优化解的位置,实现目标函数局部最优和全局最优解的寻找。通过两个测试函数和一座混凝土箱梁桥模型修正案例,验证了ISSGA算法的精度、稳定性和计算效率,并明确了算法中各个参数的取值依据。结果表明:ISSGA可同时获得目标函数的局部和全局最优解;双角度算子可有效避免局部最优解的遗漏;ISSGA算法为获得模型修正合理解提供了可能。

一种基于Zernike矩和稳态遗传算法的遥感图像匹配方法

该文提出了一种基于稳态遗传算法和Zernike矩的遥感图像匹配方法。将稳态遗传算法快速而有效的全局寻优特点应用于遥感图像的匹配定位。考虑到旋转畸变,采用遥感图像的Zernike矩作为相似性量度,实现遥感图像的匹配。实验结果表明,该算法可以克服图像的旋转畸变,在保证一定的匹配精度下,具有较高的匹配效率。

稳态遗传算法在给水管网状态及参数估计中的应用

针对给水管网水力建模过程中如何提高节点流量及管道摩阻系数的准确性,提出利用稳态遗传算法对给水管网系统进行状态及参数估计,给出给水管网状态及参数估计的数学模型及利用稳态遗传算法求解该模型的具体方法步骤;根据管网运行工况实时模拟的需要,采用系统类聚法确定监测点的分布与数量,并用实验管网对模型及计算方法进行了验证。计算结果表明,该模型正确可行,采用的求解方法具有很好的精度及较快的收敛速度。

基于稳态繁殖的遗传算法在水库优化调度中的应用

针对遗传算法用于求解水库优化调度时收敛局部最优解的问题,以葛洲坝水库为例,提出了基于稳态繁殖的遗传算法,并与基本遗传算法做了比较。结果表明,该方法避免了个别种群迅速繁殖及早熟现象,扩大了搜索空间,更好地保持了种群多样性,并使收敛速度加快。

基于增强稳态遗传算法的模型修正多解识别

为避免在模型修正中采用传统优化方法给出的单一方案可能无法代表真实结构的问题,首先,提出了一种能识别出模型修正多个解的增强稳态遗传算法(enhanced steady-state genetic algorithm,ESSGA);然后,通过数值仿真对该算法性能进行了验证;最后,采用基本稳态遗传算法(steady-state genetic algorithm,SSGA)和该算法对南中环桥进行模型修正,并对修正结果进行对比。结果表明:ESSGA算法在优化多峰二元函数时,能高效精确地搜索到更多峰值;南中环桥模型修正后找到了4组解方案,频率响应与试验值误差均不超过7%,位移响应与试验值误差均不超过2%。与SSGA算法相比较,ESSGA算法能够找到更多参数方案且全局最优解目标函数更小,从中选择合适的解集作为最佳方案,得到更精确的基准有限元模型。

CTSP问题稳态小生境算法的研究及仿真实现

提出了一种求解中国旅行商问题(CTSP)的稳态小生境遗传算法SNGA。SNGA算法在稳态遗传算法的基础上采用物种保存小生境替换策略,在改善算法的在线性能、离线性能和计算量的同时,有效的维持了群体的多样性,从而可避免群体出现早熟现象,增强群体在进化后期产生优良模式的能力。在具体实现中,SNGA算法采用链表染色体编码,这样就可以对染色体进行快速的基本遗传算子以及倒位算子的遗传操作,进一步提高算法的实现性能。此外采用C++语言和基于COM的MapObjects组件技术实现了基于上述算法的仿真软件GISCTSP,并对国家基础地理信息系统(NFGIS)1400万中国行政中心数据文件res1_4m进行了仿真分析。

基于静动力试验的铁路连续刚构-拱桥模型修正

为提升大跨度铁路连续刚构-拱桥有限元模型预测精度,同时针对传统有限元模型修正中只采用全局最优解而忽略可能更接近实际情况的局部最优解问题,提出一种基于距离机制的改进稳态遗传算法(DSSGA),利用实测静动力数据对其初始有限元模型进行模型修正。首先,介绍桥梁基本信息、初始有限元模型和静动力试验及其试验结果;其次,介绍DSSGA算法的理论以及其结合Kriging代理模型的基本修正流程,并通过测试函数验证DSS-GA算法的优化效果;最后,通过灵敏度分析选择待修正结构参数,利用拉丁超立方设计构建Kriging代理模型并检验其精度,利用静力位移、试验模态参数构造目标函数,对该桥进行模型修正。结果表明:与标准稳态遗传算法(SSGA)相比,DSSGA算法能够提供目标函数在搜索域的全局最优解和更多组局部最优解,有效避免SSGA算法角度机制所产生的解集不完整的局限性,且全局最优解的目标函数值更小,具有更高的搜索效率。经过模型修正,所有测点的位移相对误差控制在10%以内,频率相对误差控制在5%以内,修正后模型的预测精度大幅度提升。修正后的模型可作为该桥的基准有限元模型,用于后续桥梁健康监测与状态评估。

基于多种群遗传算法的相关能量分析中个体结合策略探究

相关能量分析(correlation power analysis,CPA)是侧信道攻击中的经典有效方法之一,基于假设能量消耗与实际功耗的相关系数恢复密钥.在密码算法并行实现场景下,CPA“分而治之”的思想恢复密钥会导致低信噪比,有效信息无法被充分利用,大大降低攻击效率.基于简单遗传算法的CPA借助遗传算法的启发式搜索特性,可以充分利用有效信息,提高攻击效率,但遗传算法存在固有缺点,容易早熟收敛,这种现象在S盒较大数量较多的场景下更严重.基于多种群遗传算法的CPA在单个种群恢复密钥失败时,保留最优个体,并继续新的单种群进化,得到的最优个体与前面保留的最优个体通过“组合”得到更优的个体,一定程度可以缓解早熟收敛的问题,本文中“原始方法”就是这种方法的代称.本文针对多个种群进化结束得到的优秀个体的结合方式进行探究,引入三种新的多种群优秀个体结合策略,分别是:小组赛、投票法和二次进化.小组赛将每两个优秀个体分成一组再“组合”.投票法以适应度为权重进行投票,使得适应度高的个体决策权更大.二次进化保留多个单种群进化结束得到的最优个体,构成初始种群,并以稳态遗传方式进行再次进化.以AES-128算法为例,通过不同噪声标准差下的仿真实验和真实实验将这三种方法与原始方法进行成功率和计算代价的比较,发现二次进化是其中效果最好的,在噪声标准差为3的实验中,二次进化方法在190条波形时密钥恢复成功率达到91%,计算代价0:63×10^(6),此时原始方法的成功率仅60%,计算代价1:60×10^(6).

基于多级影响图的复杂机动动作最优航迹控制模型

驾驶员是人—机—环系统的核心环节,从驾驶员操纵角度控制机动动作过程中的风险对于保证飞行安全具有重要意义。提出考虑驾驶员偏好的机动动作最优航迹控制模型,使用多级影响图建模驾驶员机动动作偏差修正过程,构建以控制量变化率为优化参数的航迹控制模型,使用小生境稳态遗传算法对优化模型进行求解。仿真实验部分构建了斤斗动作的最优航迹控制模型,对初始状态存在偏差的两组斤斗动作的控制量变化率修正序列及控制量进行了分析。

复杂机动动作最优航迹控制模型及操纵特性分析

为了提高驾驶员对机动动作的控制能力,从驾驶员操纵角度避免机动动作过程中的风险,提出以控制量变化率作为优化参数的机动动作最优航迹控制模型.将机动动作划分为彼此相连的轨迹片段,轨迹片段划分合理,则每个轨迹片段具有相同的控制量变化率,控制量变化率不但能够给出机动动作控制量的输入,更重要的是能够反映机动动作过程中驾驶员操纵的快慢程度.使用小生境稳态遗传算法(niching steady-state genetic algorithm,niching SSGA)对最优航迹控制模型进行求解,求解结果为机动动作最优控制量变化率序列,以该序列对应的控制量作为机动动作的输入,能够实现一个标准的机动动作.仿真实验部分以典型纵向机动动作斤斗及横侧向机动动作桶滚为例进行分析,研究了两类动作的最优控制量变化率序列,并对两类动作的操纵特性进行了分析.

基于一种混合智能算法的有限元模型修正多解问题

为了使有限元模型修正结果更加符合结构实际情况,将传统的提供单一修正结果转变为提供多个修正结果,然后由决策者根据现场情况、类似工程经验等非参数信息来决定最终采用的修正模型;并且针对这一问题,将优化速度快的稳态遗传算法和优化精度高的梯度下降算法相结合,提出了一种混合智能算法.最后分别采用数值算例和ASCE-Benchmark模型修正过程验证了所提算法的寻找多解能力和优化精度.结果表明,本文所提算法可以寻找到定义域内的全部极值,且相比于稳态遗传算法具有更高的精度,ASCE-Benchmark算例中,两个修正后的有限元模型与实测结果之间的频率误差均有明显下降.

线性约束非线性函数全局优化算法的研究

提出了一种适于处理线性约束条件下非线性规划问题的λ编码稳态遗传算法(λSSGA).首先对线性可行域进行凸分析后将原优化问题I转化为一个仅包含可行域极点信息的等价问题II.问题II具有小边界的约束条件,通过采用特定的凸交叉算子、交换变异算子和倒位算子可以保证算法在遗传操作的过程中不会产生无效的编码,而且能在概率意义上保证λ编码模式在整个可行解空间上充分可达.其次从理论上推导出了得到线性可行区域全部极点的方法,证明了问题I和问题II的等价性.仿真结果表明λSSGA算法在具有较快的收敛速度和精度的同时,还可以有效地维持群体的多样性,得到问题全局的最优解.

入侵检测系统中基于PCA和C-SSGA的双向数据压缩

针对入侵检测数据中的冗余特征和冗余实例,提出一种基于主成分分析和混合稳态遗传算法的双向数据压缩方法.利用主成分分析对特征进行压缩,有效地去除特征之间的冗余性;用混合稳态遗传算法进行实例压缩,大大缩减了实例的数量;提出一个基于神经网络的入侵检测系统模型,该模型具有多分类、易于更新系统及快速适应新型入侵的特点.在KDD CUP’99上的实验表明,提出的方法是有效的,可以用于处理大数据集的压缩问题.

遗传算法与其变型求解管径优选问题的比较

在优化配水管网的管径设计方案时,为了缩短计算时间、简化参数选择过程,需要选取速度快,参数敏感性低的算法。该文比较分析了标准遗传算法、稳态遗传算法和子群遗传算法进行管径优化计算时的求解速度和其速度对参数的敏感性。依据经典的管径优化问题框架,编写测试程序,利用3种算法对纽约隧道管网算例进行了多次管径优化计算。比较了不同的种群大小、重组率和变异率下3种遗传算法获得已知最优解时的水力计算次数和参数局部敏感性。结果表明:子群遗传算法达到已知最优解的平均水力计算次数少,不同的参数选取对其平均水力计算次数的影响较小。该算法求解速度快,参数敏感性低,推荐在管网设计时选用。

震后路网抢修排程与应急物资配送集成动态优化研究

地震对交通系统造成的巨大破坏,阻碍了应急物资配送。为提高应急效率,降低灾害损失,需对受损路网实施抢修,而受损路网抢修的关键是确定受损路段的抢修顺序。本文综合考虑震后路网抢修与应急物资配送,从交通系统优化角度出发,建立震后路网抢修排程与应急物资配送集成动态双层规划优化模型,并根据模型特点,设计一种稳态混合遗传算法对模型进行求解。最后,以汶川大地震为背景,德阳市旌阳区为研究对象,设计算例对模型和算法的可靠性和有效性进行验证,并与路网抢修排程静态优化模型进行比较。结果表明:本文所建模型所给出的路网抢修方案优于路网抢修排程静态优化模型,路网抢修绩效平均提升15.9%,所设计的算法具有良好的收敛性和稳定性,能够为震后应急提供建议和帮助。