深基坑土钉墙内部稳定性计算新方法——最危险滑裂面复合遗传进化 …

高层建筑深基坑土钉墙内部稳定性分析的关键是如何确定最危险滑裂面的位置并计算与相对应的安全系数，这可归结为一类非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点，作者利用从模拟自然进化过程的遗传进化算法和求解约束优化问题的复杂形法而发展起来的复合遗传算法来搜索最危险滑动面，提出了一种深基坑土钉墙内部稳定性分析的复合遗传进化调优算法，它是一种全局优化分析方法，且比一般的遗传算法寻优效率要高     

一种离散时间系统变结构趋近律

作用于刚性挡土墙侧土压力的计算一直沿用经典的朗肯或库仑土压力理论，这两种理论只能求得极限状态的土压力，而在许多实际情况下，挡土墙的土压力处于非极限状态.本文将潜在滑裂面视为一任意曲线，改进水平层分析法，同时基于摩擦角随位移的变化关系，对平动模式下墙后填土进行分析，推导出非极限状态下主动方向土压力分布、合力大小及作用点的理论公式.以各薄层微元的滑裂面倾角为变量，利用PSO (粒子群算法)对潜在滑裂面进行搜索从而获得土压力最优解.分析了内摩擦角、刚性挡土墙位移量对非极限状态主动方向土压力分布、土压力合力大小、土压力合力作用点高度以及潜在滑裂面的影响.本文提出的计算方法得出的结果与试验数据的大小及变化趋势基本吻合，具有推广应用价值.     

货架分配问题的Memetic求解

针对超市货架分配问题模型,在文化基因算法(Memetic algorithm)的框架下,采用模拟退火算法和局部搜索相结合的策略对种群进行优化,从不同的区域对解空间进行有效的搜索,提高了算法的效率。数值试验表明,Memetic算法在求解此模型时具有很好的效果。     

基于混合遗传算法的车辆优化调度研究

将遗传算法和模拟退火算法结合,设计了一种混合遗传算法（自适应的模拟退火遗传算法）,并根据一般车辆优化调度问题的特性,进行算法的设计,比如染色体的编码方式、遗传算子以及参数的设定等,通过实例进行了仿真实验．结果表明：用这种混合遗传算法求解车辆优化调度问题,具有很好的优化性能．     

基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

基于森林空间收获问题的模拟退火算法邻域搜索技术比较

邻域搜索是当前提高启发式算法求解效率的核心技术之一,然而近期关于该搜索策略的性能却产生了较大争议。模拟退火算法作为一种典型的启发式算法,已广泛应用于一系列的林业规划问题。为此,本研究以模拟退火算法为例,系统评估2种不同邻域搜索技术在森林空间收获安排问题中的应用效果。规划模型以50年规划周期(10个规划分期)内的最大化木材收获为目标函数,以蓄积均衡收获、蓄积期末存量、单位限制模型和绿量限制等为主要约束条件。测试方法以模拟退火算法为原型,以每次优化过程中随机选择的小班数量为标准,共包括1-邻域和2-邻域2种不同的搜索技术。模拟规划数据由3个假设的栅格数据集组成,其共产生了3293个(林分Ⅰ)、29536个(林分Ⅱ)和81625个(林分Ⅲ)0-1型决策变量。研究结果表明:模拟退火算法2-邻域搜索技术能够提高各规划问题的最大目标函数值;但当规划问题的决策变量数(或小班数量)较大时(即林分数量≥3600),单纯增加邻域范围并不能提高规划问题的平均目标函数值。因此,鉴于模拟退火算法的优化结果对规划问题具有较高的敏感性,因此森林经营决策人员应慎重选择模拟退火算法邻域搜索作为相关规划问题的优化求解技术。      

混合遗传算法在输油管道优化运行中的应用

介绍了一种由模拟退火算法和遗传算法结合构成的混合遗传算法.结合实例,对其在输油管道优化运行中的应用进行了研究,结果表明,混合遗传算法具有快速搜索、易收敛和鲁棒性强的特点,用该方法计算得到的动力费用比动态规划法少3.58%,证明了该方法的有效性和实用性.     

模拟退火算法在渔船船型论证中的应用

从系统的角度出发，采用“模拟退火算法”地我国北太平洋远洋拖风渔船型进行了全局优化，同时对模拟退火算法的全局最优机理进行了阐述，最后给出了与局部搜索算法－－模矢搜索法进行比较的算例。     

基于机器视觉的生猪目标提取算法设计与实现

[目的]本文旨在研究如何及时、准确获取生猪的活动信息。[方法]基于遗传算法和模拟退火算法对OTSU算法的阈值进行计算,并通过使用灰度直方图减少遍历迭代次数。再利用python广播机制,进一步提升了矩阵运算速率。[结果]使用改进的遗传算法和模拟退火算法对OTSU算法的阈值计算进行优化后,计算时间降低5%以上,误差不超过1%。[结论]优化后的算法为实时、准确的提取生猪运动、睡眠等活动状态提供了一定的借鉴和参考。     

使用贪心模拟退火算法求解WTA问题

目的针对当前常用智能算法在求解武器-目标分配问题时存在的不足,将贪心算法思想融入模拟退火算法中,构建贪心模拟退火算法。方法贪心模拟退火算法的思想是基于模拟退火算法容易陷入局部最优解这一缺陷,将贪心思想融入模拟退火算法中,在每次模拟退火算法产生新解后对其进行局部贪心搜索,寻找到更优解,进而提高求解质量。结果分别使用相同的数据,采用遗传算法、神经网络算法以及贪心模拟退火算法对5个案例进行求解,均得到了最优解。结论贪心模拟退火算法的求解结果远远优于其他2种算法,证明了方法的有效性。     

猪后躯被检淋巴结的形态学观察

观察测量屠宰肉尸452头,其中440头为有无腹股沟深淋巴结的形态学观察;10头为后躯被检淋巴结的形态学观察;2头为管道注射,观察引流区。结果:1.猪有腹股沟深淋巴结,在统计230头,460例肉尸中,有24头存在,占10.43％。腹股沟深淋巴结平均重0.88±0.38克,平均大小为2.82±0.70×1.64±0.36×0.47±0.13厘米;汇集股部内侧和下腹部的淋巴液,注入髂内侧淋巴结。2.髂内侧淋巴结平均重1.87±0.71克,平均大小为3.19±0.80×1.38±0.42×0.55±0.18厘米;输入管数为5—6条,管外径为0.09±0.04厘米,输出管数为1—3条,管外径为0.24±0.10厘米。3.髂内侧淋巴结收纳腘浅淋巴结,腹股沟浅淋巴结和髂下淋巴结引流区的淋巴液和部分盆腔内脏的淋巴液。管辖范围广,位置恒定,淋巴结较大,浅在胴体脏面,易找到,不破坏商品,不影响商品的外观,是屠宰肉尸后躯被检的主要淋巴结。