一、离散变量结构优化设计的改进遗传算法（论文文献综述）
陆伊宁[1]（2021）在《混凝土桥梁施工复杂支撑体系安全评价及优化方法研究》文中进行了进一步梳理为了适应桥梁向大跨、高空方向发展的趋势,由满堂支架、贝雷梁以及钢管柱组成的混凝土桥梁施工复杂支撑体系以其承载能力大,适应性强,搭设简便以及可重复利用等优点,在混凝土现浇桥梁施工中被广泛应用。但桥梁施工复杂支撑体系构件繁多、结构复杂,并且没有具体的设计标准和规范,在设计时如何实现安全性和经济性的双赢,是值得探索和研究的问题。本文采用理论研究、数值模拟和机器学习相结合的方法,对混凝土桥梁施工复杂支撑体系的安全综合评价以及结构优化方法进行研究,主要开展了以下研究工作:（1）针对桥梁施工复杂支撑体系的传力模式和受力特点进行分析,建立安全综合评价指标体系,提出综合安全度的概念作为结构安全储备定量评价结果,采用客观赋值法中的熵权法确定指标权重,并引入指标间冲突性对权重进行修正,建立了桥梁施工复杂支撑体系安全综合评价模型。（2）提出了基于支持向量机近似模型和遗传算法的结构优化方法,对遗传算法基本概念和步骤进行研究,采用罚函数法解决了遗传算法在有约束优化问题中的局限性,研究了支持向量机回归算法原理,以及训练样本选取、参数选择优化方法,提出了支持向量机构建结构近似模型的方法,以此代替遗传算法在结构优化中大量的有限元计算。（3）基于结构优化设计基本理论提出了桥梁施工复杂支撑体系优化方法,以结构总用钢量为目标函数,以各构件截面尺寸为设计变量,将结构综合安全度达到某一目标值以及各构件应力或位移满足安全要求为约束条件,建立了复杂支撑体系优化数学模型,研究了采用基于支持向量机近似模型和遗传算法的优化方法求解优化模型的步骤。（4）某斜拉桥主梁现浇施工采用由满堂支架、贝雷梁和钢管柱组合成的复杂支撑体系,对其进行安全评价和结构优化,得到原始设计参数下的综合安全度为2.51,安全储备较充足,存在一定优化空间,以综合安全度达到2.0时总用钢量最少为优化目标,优化后结构的综合安全度为2.09,相对于原始设计,总用钢量降低了20.99%,表明该桥梁施工复杂支撑体系优化方法可以使结构在保持一定的安全储备情况下达到最优经济用量。
陈刚[2]（2021）在《无线充电模式下城市电动公交充电设施选址与线网优化问题研究》文中研究表明温室气体排放已经逐渐成为威胁人类可持续发展的主要问题之一,给世界各国的经济发展都造成了巨大影响。由于城市客货运需求不断增加,交通运输业已经成为城市温室气体排放的最主要来源之一。为了降低城市温室气体排放增速,世界各个国家和地区都在致力于新能源交通技术的研究,其中纯电动公交车因其“无直接尾气排放”、“低噪音”、“无直接温室气体排放”和“高能效”等特点受到了国际社会与各国政府的广泛认可。然而,较高的电池造价,较低的持续行驶里程与较长的充电时间阻碍了其进一步推广。近年来,多个国家地区的研究机构都在致力于快速充电技术的研究,其中无线快速充电技术克服了传统快充技术安装设备占地面积大的缺点,将充电设施安装在地下,进而实现公交车辆运营过程中的无线化能源补充,被视为缓解电动公交持续行驶里程不长这个瓶颈问题的最有效手段之一。本研究以无线充电为技术背景,从网络规划层面出发,结合数学建模方法与算法编程设计,在考虑城市公交实际运行线网与运营条件的前提下,研究了无线充电技术在常规公交系统,接驳公交系统和灵活接驳公交系统中的应用与优化问题。首先,本文以城市常规公交系统为对象,研究了无线充电技术在城市常规公交系统中的应用与优化问题。研究选取了无线充电技术应用在常规公交系统的两个主要变量—无线充电设施选址和车载电池容量适配作为优化对象,在考虑电动公交车充放电约束和车载电池寿命的前提下,构建了无线充电模式下常规公交充电设施选址非线性优化模型,并针对问题结构设计了一种结合模拟二进制交叉和多项式变异的改进遗传算法对模型进行求解。通过与插电线充常规公交系统进行比对分析,从经济和环境两个角度显示出应用无线充电技术的优越性。参数分析发现:当无线充电技术应用在常规公交系统中时,车载电池容量对电动公交车的电量消耗更加敏感,而当电池单位成本降低,无线充电功率降低或无线充电设施单位成本增加时,系统倾向于使用更大容量的车载电池。其次,本文以城市接驳公交系统为研究对象,研究了无线充电技术在城市接驳公交系统中的应用与优化问题。研究选取了无线充电技术应用在城市接驳公交系统中的四个主要变量—接驳公交路径选择,线路发车频率,无线充电设施选址和车载电池容量适配作为优化对象,在考虑电动公交车充放电约束的前提下,构建了无线充电模式下接驳公交充电设施选址与运行线路非线性优化模型,并针对问题结构设计了一种内部优化公交路径,外部优化发车频率,无线充电设施选址和车载电池容量适配的嵌套遗传算法对该模型进行求解。分别使用LINGO软件,传统遗传算法和嵌套遗传算法对一系列不同规模算例分别求解,结果显示所提出的嵌套遗传算法可以有效求解该模型。通过与插电线充接驳公交系统进行比对分析,从经济层面显示出应用无线充电技术的优越性。参数分析发现:在总成本最优的前提下,当无线充电接驳系统内开行更多的接驳公交线路时,会增加线网内需要的车队规模进而降低每一条线路的发车频率,进一步增加车载电池容量,而当电池单位成本增加,无线充电功率更高或者能量消耗率更高时,接驳公交系统内需要修建更多的无线充电设施。最后,本研究以城市灵活接驳公交系统为研究对象,研究了无线充电技术在城市灵活接驳公交系统中的应用与优化问题。研究选取了无线充电技术应用在城市灵活接驳公交系统中的两个主要变量—灵活接驳公交路径优化和车型适配作为优化对象,在考虑乘客出行时间约束和电动公交车充放电约束的前提下,构建了无线充电模式下灵活接驳公交线网非线性优化模型,并针对问题结构设计了一种结合变邻域搜索策略的混合变邻域模拟退火算法。分别使用GAMS软件,传统变邻域搜索算法和混合变邻域模拟退火算法对一系列不同规模算例分别求解,结果显示所提出的混合变邻域模拟退火算法可以有效求解该模型。通过与插电线充灵活接驳公交系统进行比对分析,从经济层面显示了应用无线充电技术的优越性。参数分析发现:与其他因素相比,电动公交耗电率对无线充电灵活接驳公交系统的车型选择影响较大,而当设定的松弛时间或充电时间增加时,系统中偏向于使用车载电池容量更大的车型。
李军[3]（2020）在《定制客运选择行为分析与动态运行计划优化研究》文中指出定制客运是“互联网+”道路客运的创新服务模式,基于旅客预约出行需求精准匹配运力资源,更好地满足旅客“点到点”“门到门”的城际出行需求。然而,目前定制客运的运行计划编制大多参照现行的班车客运模式,或者依靠人工经验判断,缺乏行之有效的理论与方法支撑,阻碍了定制客运的发展和运行效率的提升。因此,研究提出定制客运的运行计划优化方法,对定制客运服务模式的推广和服务水平的提升均具有重要意义。本文面向定制客运发展的时代背景和运营需求,从分析定制客运服务特征入手,在开展定制客运选择行为调查的基础上,建模分析定制客运选择行为机理,进而研究定制客运的站点设置、线路设计与时刻表编制的优化方法,为定制客运的运行计划优化提供理论方法和技术支持。主要研究内容及结论如下:（1）在典型客运站客流时空分布特征分析的基础上,设计了包括旅客社会经济属性、出行特征、选择意向场景、心理因素测量等内容的定制客运选择行为RP-SP调查问卷,采用线下和线上相结合的方式开展了调查。调查数据分析表明,被调查者中男性比例为44.93%,26～45岁年龄段的比例为69.32%,被调查者的性别和年龄分布与基于客票提取的全样本数据基本一致;常规公交和出租车是被调查者从出行起点到客运站的主要出行方式,占比分别为46.79%和26.38%。（2）建立了考虑心理潜变量的定制客运选择行为ICLV模型,基于调查数据估计了定制客运出行行为MIMIC模型、BL模型及ICLV模型,揭示了定制客运的选择意向和行为机理,通过弹性分析、场景设计和仿真计算,研究了出行时间和票价对定制客运选择行为的影响机理。研究发现,预约时间窗、车辆到达的提前或延迟时间、换乘时间、乘行时间以及票价对定制客运选择具有显着的负向影响;与BL模型相比,ICLV模型由于考虑了旅客心理因素约束,能够更加全面地描述旅客的定制客运选择行为;随着服务水平和票价的提升和下降,定制客运的分担率分别呈现上升和明显下降趋势。（3）提出了基于班车轨迹数据与改进DBSCAN算法的班车停留站点提取方法,考虑潜在站点重要度并基于集合覆盖原理确定覆盖全部预约点的核心潜在站点,构建了以步行距离最小和动态站点数量最少为优化目标的动态站点设置混合整数规划模型,设计了基于核心班车停留站点的改进遗传算法。基于服务区域内设定的不同预约时间窗和预约点的旅客预约出行需求进行算例研究,结果表明,班车停留站点提取的正确率为90.83%,与仅利用预约出行需求数据相比,考虑班车轨迹的联合数据优化模型具有更优的求解质量、更高的求解效率,并可确保100%动态站点具备车辆通行的道路条件。（4）考虑定制客运营运利润增长与出行服务水平提升之间的平衡,根据车辆到达动态站点违反预约时间窗的惩罚函数值与定制客运出行时间减少的满意度函数值的关系,提出了旅客对选择定制客运出行需附加支付费用的支付意愿函数。以此为基础,定义了关联班车客运票价、换乘费用和旅客支付意愿的定制客运动态票价函数。算例研究表明,车辆到达动态站点时刻与旅客预约最早和最晚上车时刻差值的减少,以及定制客运出行时间与班车客运出行时间差值的增大,将导致票价的上升和旅客支付意愿的提高。（5）基于定义的支付意愿函数和动态票价函数,建立了以客运服务经营者营运利润最大化为目标的定制客运动态线路与时刻表优化模型,研究了不同运营模式和车辆配置情形下的动态线路与时刻表优化效果,对动态票价函数和预约出行需求量进行了灵敏度分析。算例研究表明,基于该优化模型编制的运行计划,能够满足旅客预约时间窗和就近乘降的出行需求,可大幅提高定制客运的客运量和营运利润,与传统班车客运相比,定制客运的日客运量提高了110.93%,日运营利润增加了8196.62元。灵敏度分析表明,预约出行需求量的增长提升了营运收入和营运利润,但并不显着增加营运成本。图55幅,表34个,参考文献197篇。
马潇雨[4]（2020）在《基于子集模拟优化的密肋复合板结构优化设计和参数识别》文中提出子集模拟优化算法是一种新型随机优化算法,对解决高维复杂优化问题具有收敛快、不易陷入局部最优解的优势,适用于连续变量无约束及有约束优化问题和离散变量优化问题。密肋复合板结构作为一种建筑结构新体系,主要由预制密肋复合墙板、隐形外框架以及楼板装配现浇而成。其主要受力构件密肋复合墙体由不同材料的构件多层嵌套组成,受力状态复杂,优化设计是其抗震设计理论的重要组成部分,对其进行优化设计时同时存在离散变量和连续变量,且未考虑动力效应的影响。因此,本文将子集模拟优化算法分别扩展用于同时包含连续和离散变量以及考虑结构动力效应的密肋复合板结构优化设计。此外,恢复力模型反映了密肋复合板结构的抗震性能,是进行响应预测的基础,对其参数的识别至关重要,本文将子集模拟优化算法与贝叶斯理论相结合,用于密肋复合板结构的层间恢复力模型参数识别。本文研究内容及所得结论如下:（1）将同时考虑离散变量和连续变量的子集模拟优化算法应用于构件承载力约束下的密肋复合板结构造价优化设计。基于分部优化思想,以密肋复合墙体承载力为约束,建立多层密肋复合板结构造价优化设计数学模型,并应用于某7层密肋复合板结构的优化设计;基于多级优化思想,首先以层间侧移为约束、以结构所受地震作用最小为优化目标,再以墙体承载力为约束、以墙体造价最小化为目标,建立中高层密肋复合板结构优化设计数学模型,并对某12层密肋复合板结构进行优化设计。优化后结构造价降低且均满足侧移及承载力要求,证明了子集模拟优化算法在同时考虑离散变量和连续变量的建筑结构优化设计应用中的可行性和有效性。（2）由于结构分部优化和多级优化并不能完全代替整体优化,同时为考虑结构在强动力荷载下的动力弹塑性效应,进一步对结构进行基于抗震性能的优化设计。以密肋复合板结构整体材料用量为约束,以地震作用下结构最大层间位移角为优化目标,提出基于有约束子集模拟优化算法的密肋复合板结构优化设计方法和流程,并分别对某4层和某12层密肋复合板结构优化设计,优化后结构层间位移角明显减小,结构地震易损性降低。（3）考虑结构恢复力模型参数识别过程中的不确定性,为有效避免局部最优解并提高计算效率,提出基于贝叶斯原理和子集模拟优化算法的恢复力参数识别方法。以密肋复合板结构实测层间位移响应作为观测数据,以贝叶斯理论推导得到的恢复力参数后验概率分布函数为目标函数,利用子集模拟优化算法识别结构层间恢复力模型参数最有可能值。使用所提方法对某4层密肋复合板结构的层间恢复力参数进行识别,采用退化双线型模型模拟结构的层间动力特性,采用子集模拟优化算法进行层间恢复力参数识别,并与TMCMC算法的识别结果进行对比,表明子集模拟优化算法的识别精度和计算效率较高。
张惠嘉[5]（2020）在《结构优化设计中郊狼优化算法的研究与应用》文中研究说明结构优化设计能在保证工程结构质量的前提下减少不必要的材料和损耗,为工程结构的经济性和安全性提供重要保障,近几十年来它成为土木领域的研究热点。由于结构优化设计涉及大量结构参数的计算分析,利用智能优化算法求解优化问题是对结构进行有效优化设计的重要手段。然而,由于结构运营条件不断变化,结构形式和构件材料不断复杂化,这些都对结构优化算法的性能提出了更高的要求,当前结构优化算法的收敛性和鲁棒性仍面临巨大挑战。另一方面,计算机领域不断发展出更高性能的智能优化算法,为其工程应用提供了潜在可能性。本研究应用计算机领域新近提出的基于仿生学的郊狼优化算法（COA）进行桁架结构优化设计,为当前结构优化算法的改进提供参考。本文学习研究了郊狼优化算法的基础理论,并在此算法的基础上针对不同类型的桁架优化设计问题做出了不同的改进,然后将算法应用于一系列关于离散变量桁架结构与连续变量桁架结构的优化设计中。研究工作主要包括以下内容:（1）郊狼优化算法是一种基于群体智能和进化机制的随机算法,其求解过程模拟郊狼种群的群体结构,遵循自然进化机制,各个种群部落之间通过学习交流增加多样性。本文研究郊狼优化算法并将其应用于桁架尺寸优化问题,无论是连续变量优化设计问题,还是离散变量优化设计问题,其优化结果都证实了该优化算法具有良好的鲁棒性和收敛性。（2）针对原算法收敛速度较慢以及在高维工况下收敛结果不稳定的问题,利用算法融合的策略,引入和声搜索算法求解策略对郊狼优化算法进行改进,提出了适用于求解桁架结构连续变量和离散变量单目标尺寸优化问题的改进郊狼优化算法（COAHS）。为验证COAHS的有效性,将其应用于各种经典桁架结构优化算例,结果证实COAHS全局寻优能力更强、收敛速度更快、且鲁棒性更高,并可有效适用于单目标尺寸优化问题。（3）在郊狼优化算法用于桁架结构单目标形状优化设计问题过程中,为了解决离散尺寸变量和连续形状变量两种不同类型的设计变量带来的挑战,本文采用将两者耦合的方法,构成混合编码形式,其中包含整数和实数编码,这样的编码方式可以解决桁架结构刚度矩阵发生奇异现象,有效求解优化问题。（4）本文在改进郊狼优化算法与pareto解集概念的基础上,提出一种新的多目标郊狼优化算法以求解多目标优化设计问题。该新算法在迭代过程中结合子代、父代郊狼个体,运用NSGA-Ⅱ中的快速非支配排序策略筛选出下一次迭代过程中的父代狼群,然后使用动态距离保持解的多样性,以使pareto最优解均匀分布,也避免陷入局部最优。（5）首先将提出的多目标郊狼优化算法应用于测试函数,分析结果的收敛性,再将其应用于多目标经典桁架优化设计问题。数值模拟的结果表明,该算法具有较好的收敛性,可以应用于多目标桁架优化设计问题。（6）对原算法、改进算法以及提出的多目标郊狼算法应用于桁架优化设计问题的研究结果进行总结,对未来研究的方向提出展望。
黎雪莲[6]（2020）在《XX气田M区块集输管网优化研究》文中进行了进一步梳理气田集输管网系统优化问题主要是对投资建设费用的优化。投资建设费用主要包括集气站建设费用和管线长度。在优化模型中影响费用有很多因素,其中包括气站数量以及位置、气井分组结果、采集气管网拓扑布局和管线参数。因此需要对这些因素进行优化。本文针对XX气田M区块的实际情况进行优化。气田集输管网规划方案优化设计变量有集气站位置,进出站温度、压力等连续变量和集气站个数,管径规格等离散变量。对拓扑结构进行优化,其影响着管道参数优化又以管道参数为基础。为了减小优化难度以及可以优化不同连接方式模型,将气田集输管网优化问题划分为管网井站划分、采集气管网拓扑布局、管线参数以上三个优化问题。以集输管网建设费用最小为目标函数,建立气田集输管网井组布局优化模型,利用改进后的遗传算法和蚁群算法整体求解出集气站的数量、各集气站的位置及气井井组划分。以井组划分优化结果为基础,建立采气线多井串联结构优化模型,利用遗传算法与极坐标排序法相结合对其进行求解。对集气站与外输站之间连接结构,建立集气线管网优化模型,确定外输站位置以及集气站与外输站连接方式,运用遗传算法和Prim算法相结合进行求解。通过不同集输方案对比,可知对于该气田区块更适用多井串联-树枝状较节省管网的建设投资。以管网建设费用最小为目标函数建立优化模型,优化后的管网拓扑结构为基层,采用粒子群算法与枚举算法相结合求出每条管段的管径壁厚等参数,计算出其建设投资费用和总管线长度。
徐雅琴[7]（2020）在《基于NSGA-Ⅱ的RC梁多目标可持续优化设计》文中研究表明随着全球环境污染问题日渐严峻,减少温室气体排放等环境问题是本世纪面临的最大挑战,可持续发展逐渐受到广泛关注。建筑业在极大改善了人们的生活质量并促进了国民经济的发展的同时,也对生态环境产生了巨大的负担。随着人们的可持续意识的提高,降低土木工程的环境影响已成为结构工程师亟需解决的问题之一,在设计阶段通过合理优化设计方法可有效降低工程结构的环境影响。传统的工程结构优化多以成本或结构重量为目标函数,几乎不涉及环境影响。本文以成本和环境影响为目标函数,建立了工程结构的多目标可持续优化设计数学模型。采用生命周期评价方法能够科学地量化各类材料及工程结构的环境影响,为工程可持续优化提供了可能,但众多的环境影响类别增加了可持续决策制定的难度。为了增加结构可持续优化结果的简明性,本文采用Ga Bi软件对各类环境影响评价指标进行归一化处理,得到其环境影响得分,并以其作为环境影响评价指标,为可持续优化提供技术支撑。现代智能化优化工具,可以有效执行大量计算,适用于各种复杂的结构。本文基于带精英策略的非支配排序遗传算法（NSGA-Ⅱ）和随机优化方法相结合的方法,设计了适用于钢筋混凝土简支梁多目标可持续性优化模型的进化算法。优化过程是基于安全可靠的前提下进行的,得到一组帕累托（Pareto）最优解集,工程师可以选择一种折中的解决方案来使得RC梁的经济性和环境影响同时达到最优状态。优化结果表明,在合理范围内提高成本,能有效降低构件的环境影响。本文不仅分析了截面高度、宽度、混凝土强度对成本最优方案和环境影响最优方案的影响,还研究混凝土和钢筋的单位环境影响和单位成本波动对优化效果的影响。通过优化可以更有效地使用混凝土和钢材的用量,显着降低钢筋混凝土结构的环境影响。所提出的方法可以有效地帮助工程设计师权衡可持续发展目标和经济目标,这些结果也证明了将NSGA-Ⅱ算法运用到钢筋混凝土结构可持续多目标优化设计中的可行性和巨大潜力。最后,本文将大数据处理分析方法-最大信息相关系数（the maximal information coefficient,MIC）运用到识别钢筋混凝土可持续性的影响因素中来。通过分析基于大数据的RC梁的环境影响指标、成本指标、受弯承载力指标和混凝土梁设计参数指标之间的相关性,挖掘出其潜在的联系,以此来进一步了解RC梁可持续多目标设计的影响因素。上述研究结果可为工程师在快速权衡工程结构的经济性、安全性和环境友好性时提供重要的思路。
陈杰颖[8]（2020）在《考虑成本的装配式建筑结构优化研究》文中提出为了转变建筑业高能耗、高污染、低产出的局面,有必要通过技术创新,走新型建筑工业化的发展道路,当前趋势的引导下,走进工厂已然是建筑生产的最好选择。针对目前建筑业的问题,如果对装配式建筑的一些技术进行有效研究,则可以大大的提升我国建筑质量、减少建筑业的浪费、提高施工效率。对于传统的装配式建筑结构设计方法,做初步结构设计时,一般不考虑工程造价问题,并且设计人员在有限的时间内很难取得一个令人满意的最优解。假设在初步结构设计中应用考虑成本的结构设计优化,在一定程度上能够帮助设计人员在结构设计时既考虑了结构的成本,又能保证结构的安全性。论文选用遗传模拟退火算法对装配式建筑结构进行结构设计优化,以成本作为目标函数,寻求工程造价最低的最优解。首先根据结构设计的一般模型建立了预制柱、预制叠合梁、预制叠合板的目标函数和构件的约束条件。然后运用Matlab工具箱通过一个寻找Rastrigin函数的最小值的例子来实现遗传算法,再以此为依据进而实现改进遗传算法。最后针对某个项目建立了预制构件考虑成本的目标函数和限制条件,从而建立了改进遗传算法的结构优化程序,得出优化结果。用优化后的结构尺寸,利用PKPM对建筑进行结构设计,对结构的各项指标如:轴压比、位移比、周期比、剪重比、层间位移角等参照现有相关规范进行了检验校核且都满足要求。结果表明1.采用遗传模拟退火算法建立数学模型进行优化设计,避免设计人员在对结构进行初步设计时,只注重结构是否能满足规范要求的各项指标,而忽视了工程造价也是衡量设计结果好坏的标准;2.将遗传算法和装配式建筑结构优化相结合,不仅能扩大装配式建筑的结构优化算法的应用范围,而且还可以为装配式结构设计优化提供一种新的思路和一种有效的方法;3.Matlab具有编程效率高、用户使用方便、扩充能力强、语句简单,内容丰富等特点,简化了遗传算法的实现,提高结构优化效率。
孟凡祥[9]（2020）在《面向序列分类问题的机器学习算法集成及其应用》文中指出分类问题是统计学、管理学研究的重要问题。科学分类是进行数据挖掘、统计预测和科学决策的重要基础。在分类问题中,序列数据是重要的研究对象。在当今信息社会和大数据时代,人类在生产、生活和科学研究中,不断产生并积累着海量的序列数据资源。充分挖掘序列数据背后的信息,对科学认识自然世界和经济社会发展规律、更好地指导和管理经济社会活动、更好地进行统计预测和管理决策都具有重要的意义。由于机器学习具备强大的数据处理和自学习能力,能够处理传统方法难以应对的海量、高维、复杂序列数据挖掘问题,因此近年来针对机器学习的相关研究成为管理科学与工程、计算机等学科的重要研究方向。随着新一代高通量基因测序技术的发展,基因序列数据出现了爆炸性增长。过去主要依靠生物学的方法对其进行研究具有很大的局限性,造成目前人类对许多基因问题还缺乏准确的科学认知。今年春节前后,一种未知的新型冠状病毒（COVID-19）引发了重大肺炎疫情,对全球经济社会发展造成了重大影响,使得基因问题成为近期跨学科研究的热点。今年1月,国家自然科学基金委员会紧急发布“新型冠状病毒（2019-n Co V）（1）溯源、致病及防治的基础研究”专项项目指南,鼓励学科交叉,用新的科研范式理念系统解决科学问题。在基因问题研究中,对基因序列进行准确分类是重要基础和前提。为此,本文基于机器学习的理论和方法研究序列分类问题,所要解决的关键科学问题主要有三个:一是非数值型序列数据映射转换及其频谱信息挖掘的算法优化问题;二是面向序列分类的机器学习算法集成创新问题;三是不同分类算法模型的性能评价和分类结果的可信度评价问题。在应用研究层面,全文聚焦基因序列分类问题,给出了几类基因序列分类判别方法和机器学习算法集成模型,并通过构建AAA综合模糊评价模型,对各类算法模型的分类性能进行了对比评价。本文从序列分类问题、机器学习理论和生物信息理论入手,系统梳理了当前机器学习算法在数据挖掘和生物信息领域的研究进展,从现有研究存在的不足角度思考,找到了从机器学习算法集成的角度研究序列分类问题的这个切口。通过对研究问题和研究方法的进一步梳理分析,明确了本文的研究目标、研究内容和研究思路。本文从理论和应用两个层面开展研究。理论层面,本文聚焦机器学习算法的集成优化和建模问题,采用层层递进、逐步深入的研究方法,系统研究了序列数据特征表示与频谱信息挖掘算法的优化问题、靴带抽样与SVR的集成学习问题、隐马尔科夫模型与离散时间动态贝叶斯网络的集成及其预测概率的可信度评价问题、BP神经网络与遗传算法的集成问题。应用层面,本文聚焦基因序列外显子分类判别这一基础问题,通过理论研究层面构建的模型和优化的算法,针对不同基因序列进行分类判别,并对不同模型的分类性能进行对比评价分析。本文的创新点主要体现在以下四个方面:一是针对非实值型序列的映射转换方法及其频谱信息的挖掘问题,首先对3种“域变换”的映射转换方法进行了对比分析和理论证明。通过域变换,可以更好地挖掘序列数据的频谱信息,从而更直观地利用频谱信号研究序列数据的规律。在此基础上提出了一种基于稀疏优化思想的基因序列频谱信息挖掘快速算法。该算法在基因序列数据存储和频谱信息计算两个方面的性能都有较为显着的改进。在数据存储方面,理论上最高可压缩50%的计算机存储单元。在频谱信息挖掘运算方面,降低了算法的复杂度,提高了运算效率。仿真结果显示功率谱和信噪比的运算时间分别压缩了83.18%和61.33%。二是针对具有显着周期性规律的序列数据分类问题,研究了基于阈值判别的序列分类集成算法模型。构建了基于靴带抽样与SVR交互式集成学习算法模型。通过交互式集成学习,不仅可以降低对样本数量的要求,而且能够避免或改善由于训练集的选择不当而导致的支持向量机回归模型训练不佳的问题,从而实现在样本较少的情况下仍然能够得到较好的训练模型和分类预测结果。为了论证该算法模型的性能,本文将其应用到不同物种基因外显子最优频谱阈值的求解中,为此建立了多目标最优阈值判别模型。通过仿真实验,结果表明该算法模型可行有效,测试结果的平均准确率达到90%以上。三是针对不具备显着周期性规律的序列数据分类问题,研究了基于预测概率的序列分类集成算法模型。构建了动态贝叶斯网络与隐马尔可夫模型集成算法模型。该算法模型考虑了隐马尔可夫模型预测概率和分类结果的可信度评价问题。首先,借鉴事件树和故障树风险重要度指标,设计了预测概率的综合可信度评估模型。其次,构建了一种三状态基因外显子隐马尔科夫模型。最后,通过将离散时间贝叶斯网络与隐马尔可夫模型的集成,实现对基因序列分类性能的进一步提升。在模型求解和仿真中,设计了前向算法与Em算法的混合算法,进行了仿真实验。结果表明,通过该算法模型,能够得到较为准确的基因外显子起止点位置,实现了对基因外显子单个碱基的定位和判别,使得分类结果的准确性更高。四是针对特征指标多的复杂序列数据分类问题,研究了基于全局搜索优化的集成算法模型。与基于阈值判别和预测概率的方法相比,该算法模型无需精确的逻辑推理即可进行全局搜索求解优化。基于BP网络初始参数选择不当容易陷入局部最优陷阱问题,构建了基于BP神经网络与遗传算法集成学习的算法模型。通过遗传算法的优化,改进了BP神经网络最为关键的连接权值和阈值参数的取值方法和取值优化问题,从而提高了学习效率,规避了BP神经网络容易陷入局部最优解陷阱的问题,真正实现了全局搜索求解,使得分类结果准确性更高。通过仿真实验,证明通过该算法模型得到的分类结果更优。
张剑铭[10]（2020）在《面向个性化生产的3D打印车间调度智能优化算法研究》文中进行了进一步梳理个性化生产不仅实现用户对产品的功能需求,同时创造更高的附加价值,已成为制造企业应对全球市场激烈竞争的转型方向。在此环境下,3D打印的生产优越性愈发显着,其产业规模迅速增长,广泛应用于工业生产、医疗、教育等领域,已成为先进制造模式的重要组成部分。随着3D打印技术应用的普及和3D打印服务的成熟,智能制造背景下,3D打印的生产规划、调度、管理成为实现大规模个性化生产亟需解决的关键问题,旨在通过制订合理的生产调度方案,从车间优化的角度出发,降低生产成本,提高3D打印的生产效率,满足个性化生产需求,促进3D打印的应用和发展。为此,本文首先对3D打印车间调度（3D Printing Shop Scheduling,3DPSS）问题进行充分的研究和分析,建立相应的数学模型,并以工艺特点为基础,对并行车间环境下的调度问题、复杂仿真环境下的调度问题和动态环境下的调度问题的优化方法进行研究,具体内容如下:（1）阐述制造业向个性化生产发展的背景,分析个性化制造与当前先进制造模式和先进制造技术之间的关系,明确3D打印在个性化生产中的意义;在此基础上,进一步论述3DPSS问题在个性化制造中的重要性和当前理论研究上的不足,明确本文的研究方向和研究内容。（2）深入分析3D打印工艺的生产过程,对常用的3D打印技术进行归纳和分类,以及对3D打印车间的关键特征和车间生产流程进行分析。结合车间调度理论中调度问题的描述方法,明确3D打印车间的生产环境、加工特性和优化目标,构建个性化3D打印生产车间调度的数学模型。（3）针对并行机环境下设备选择问题和批次划分问题,设计了基于双层编码的改进遗传算法,以实现对设备选择、批次划分和不规则工件排样问题进行整体优化。其中对于不规则多边形排样难题,引入栅格化的临界多边形方法,保证加工过程中工件间有合适的间距;在遗传算法的基础上,结合生产工艺特点,引入考虑车间负载均衡及工件高度差的初始化策略和局部贪婪搜索策略,并通过数值仿真实验验证算法的有效性。（4）针对基于仿真的3D打印生产车间调度过程中,目标函数计算困难的问题,提出一种离散贝叶斯优化算法。采用离散距离度量方法将贝叶斯化算法扩展到离散问题的求解,然后根据3DPSS问题的特点提出一种考虑工件参数的协方差函数,提高算法寻优效率,提出以稀疏高斯过程作为代理模型降低算法的计算复杂度,并设计一种模拟退火算法对稀疏高斯模型的活动子集进行优化,从而提高模型的准确性和算法的优化能力,实验数据表明算法在复杂离散问题中有良好的优化能力。（5）针对3D打印车间中产品个性化、多样化、单件小批量生产等特点造成的生产流程复杂化、动态多变等问题,引入基于无线射频识别技术的工件标识和追踪方法,实现对工件状态和车间状态的实时感知。在此基础上提出一种复杂事件处理方法,分析生产过程中数据之间的时间、空间、因果等关系,定义车间生产中的基础事件、简单事件及复杂事件,构建车间动态追踪响应模型,并利用事件处理引擎实现动态调度。（6）构建3DPSS原型系统,验证所提出的方法和理论的可行性。具体研究包括:原型系统的应用背景、设计原则、层次结构分析,尤其着重分析系统的核心模块功能以验证原型系统的可行性。
二、离散变量结构优化设计的改进遗传算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、离散变量结构优化设计的改进遗传算法（论文提纲范文）
（1）混凝土桥梁施工复杂支撑体系安全评价及优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 支撑体系的发展现状 |
| 1.3 复杂支撑体系安全综合评价研究现状 |
| 1.3.1 综合评价方法 |
| 1.3.2 复杂支撑体系安全综合评价研究 |
| 1.4 复杂支撑体系优化设计研究现状 |
| 1.4.1 结构优化设计方法研究现状 |
| 1.4.2 优化中结构近似模型研究现状 |
| 1.4.3 复杂支撑体系优化研究现状 |
| 1.5 研究内容与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 研究技术路线 |
| 第2章 混凝土桥梁施工复杂支撑体系安全综合评价 |
| 2.1 引言 |
| 2.2 桥梁施工复杂支撑体系安全综合评价指标体系 |
| 2.3 评价指标权重确定方法 |
| 2.4 桥梁施工复杂支撑体系安全综合评价模型 |
| 2.5 本章小结 |
| 第3章 基于支持向量机近似模型-遗传算法的优化方法 |
| 3.1 引言 |
| 3.2 遗传算法理论 |
| 3.2.1 遗传算法基本概念 |
| 3.2.2 遗传算法基本步骤 |
| 3.2.3 罚函数法 |
| 3.3 支持向量机近似模型 |
| 3.3.1 支持向量机回归算法 |
| 3.3.2 样本点的选取 |
| 3.3.3 支持向量机核函数 |
| 3.3.4 支持向量机参数寻优 |
| 3.3.5 建立支持向量机近似模型的基本步骤 |
| 3.4 基于支持向量机近似模型-遗传算法的结构优化步骤 |
| 3.5 算例验证 |
| 3.6 本章小结 |
| 第4章 混凝土桥梁施工复杂支撑体系结构优化模型 |
| 4.1 引言 |
| 4.2 结构优化设计基本理论 |
| 4.2.1 结构优化设计一般数学模型 |
| 4.2.2 结构优化设计的层次 |
| 4.3 桥梁施工复杂支撑体系优化数学模型 |
| 4.4 优化模型求解步骤 |
| 4.5 本章小结 |
| 第5章 工程实例 |
| 5.1 工程概况 |
| 5.2 支撑体系受力分析 |
| 5.2.1 荷载计算 |
| 5.2.2 荷载组合 |
| 5.2.3 有限元模型 |
| 5.2.4 有限元计算结果分析 |
| 5.3 支撑体系安全评价 |
| 5.3.1 确定指标权重 |
| 5.3.2 安全评价 |
| 5.4 支撑体系结构优化 |
| 5.4.1 支撑体系优化数学模型 |
| 5.4.2 支撑体系支持向量机近似模型 |
| 5.4.3 支撑体系优化 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（2）无线充电模式下城市电动公交充电设施选址与线网优化问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究发展综述 |
| 1.2.1 车辆充电技术发展 |
| 1.2.2 城市公共充电设施选址优化 |
| 1.2.3 公交线网优化 |
| 1.2.4 国内外研究总结 |
| 1.3 本文的主要研究内容 |
| 1.4 论文框架和技术路线 |
| 第二章 电动公交技术特性分析与理论基础 |
| 2.1 电动公交技术特性分析 |
| 2.1.1 电动公交能源消耗影响分析 |
| 2.1.2 电动公交电池选择分析 |
| 2.1.3 电动公交充电技术分析 |
| 2.1.4 电动公交充电模式分析 |
| 2.2 无线充电模式下公交充电设施选址与线网优化基础模型 |
| 2.2.1 无线充电模式下城市电动公交充电设施选址优化基础模型 |
| 2.2.2 无线充电模式下公交线网优化基础模型 |
| 2.3 无线充电模式下公交充电设施选址与线网优化问题求解算法分析 |
| 2.3.1 精确算法 |
| 2.3.2 启发式算法 |
| 2.4 本章小结 |
| 第三章 无线充电模式下常规公交充电设施选址优化研究 |
| 3.1 无线充电模式下常规公交充电设施选址优化问题描述 |
| 3.1.1 问题描述 |
| 3.1.2 模型假设 |
| 3.1.3 模型构建 |
| 3.2 求解算法设计 |
| 3.2.1 遗传算法框架 |
| 3.2.2 染色体构造与算法初始化 |
| 3.2.3 交叉操作 |
| 3.2.4 变异操作 |
| 3.3 算法性能测试 |
| 3.4 应用与分析 |
| 3.4.1 算例设计 |
| 3.4.2 参数取值 |
| 3.4.3 优化结果分析 |
| 3.4.4 敏感度分析 |
| 3.4.5 电动公交耗电因素分析 |
| 3.4.6 温室气体排放分析 |
| 3.5 本章小结 |
| 第四章 无线充电模式下接驳公交充电设施选址与线网优化研究 |
| 4.1 无线充电模式下接驳公交充电设施选址与线网优化问题描述 |
| 4.1.1 问题描述 |
| 4.1.2 模型假设 |
| 4.1.3 模型构建 |
| 4.2 求解算法设计 |
| 4.2.1 染色体构造 |
| 4.2.2 路径优化 |
| 4.2.3 外部交叉与变异 |
| 4.3 算法性能测试 |
| 4.4 应用与分析 |
| 4.4.1 算例设计 |
| 4.4.2 参数取值 |
| 4.4.3 优化结果分析 |
| 4.4.4 敏感度分析 |
| 4.5 本章小结 |
| 第五章 无线充电模式下灵活接驳公交线网优化研究 |
| 5.1 无线充电模式下灵活接驳公交线网优化问题描述 |
| 5.1.1 问题描述 |
| 5.1.2 模型假设 |
| 5.1.3 模型构建 |
| 5.2 求解算法设计 |
| 5.2.1 初始解生成 |
| 5.2.2 算法主程序 |
| 5.2.3 目标函数评估 |
| 5.2.4 邻域结构设计 |
| 5.2.5 模拟退火策略 |
| 5.3 算法性能测试 |
| 5.4 应用与分析 |
| 5.4.1 参数取值 |
| 5.4.2 优化结果分析 |
| 5.4.3 敏感度分析 |
| 5.5 本章小结 |
| 结论和展望 |
| 研究工作总结 |
| 研究创新点 |
| 研究展望 |
| 参考文献 |
| 附录 |
| 附录1 第三章改进遗传算法主程序代码 |
| 附录2 第四章嵌套遗传算法主程序代码 |
| 附录3 第五章混合变邻域模拟退火算法部分主程序代码 |
| 攻读学位期间取得的研究成果 |
| 学术论文 |
| 科研项目 |
| 致谢 |
（3）定制客运选择行为分析与动态运行计划优化研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 核心概念与研究界定 |
| 1.2.1 核心概念 |
| 1.2.2 研究界定 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 技术路线与论文结构 |
| 1.4.1 技术路线 |
| 1.4.2 论文结构 |
| 2 研究综述 |
| 2.1 出行方式选择行为 |
| 2.1.1 出行方式选择行为影响因素 |
| 2.1.2 出行方式选择行为模型 |
| 2.1.3 研究现状分析与总结 |
| 2.2 站点设置 |
| 2.2.1 站点的选址问题 |
| 2.2.2 交通轨迹数据挖掘 |
| 2.2.3 研究现状分析与总结 |
| 2.3 线路与时刻表优化 |
| 2.3.1 线路优化 |
| 2.3.2 线路与时刻表的同步优化 |
| 2.3.3 研究现状分析与总结 |
| 2.4 本章小节 |
| 3 定制客运服务特征与选择行为调查 |
| 3.1 定制客运服务特征 |
| 3.1.1 定制客运特点 |
| 3.1.2 定制客运服务模式 |
| 3.1.3 定制客运运营流程 |
| 3.1.4 运行计划优化的关键要素分析 |
| 3.2 定制客运选择行为调查设计与实施 |
| 3.2.1 调查客运站客流时空分布特征 |
| 3.2.2 调查方法和问卷设计 |
| 3.2.3 调查实施 |
| 3.3 定制客运选择行为调查数据分析 |
| 3.3.1 社会经济属性分析 |
| 3.3.2 出行和选择意向特征分析 |
| 3.3.3 心理潜变量数据分析 |
| 3.4 本章小结 |
| 4 定制客运选择行为建模及其机理研究 |
| 4.1 考虑心理潜变量的定制客运选择行为建模 |
| 4.1.1 出行方式选择影响因素及其作用过程 |
| 4.1.2 模型变量选择 |
| 4.1.3 模型构建 |
| 4.2 MIMIC模型估计与定制客运选择意向机理 |
| 4.2.1 MIMIC模型估计 |
| 4.2.2 社会经济属性与潜变量的关系分析 |
| 4.2.3 潜变量间及其与测量指标变量的关系分析 |
| 4.3 ICLV模型估计与定制客运选择行为机理 |
| 4.3.1 模型估计 |
| 4.3.2 不同属性变量对定制客运选择行为的作用机理 |
| 4.3.3 考虑潜变量对定制客运选择行为机理解析的影响 |
| 4.4 出行时间与票价对定制客运选择行为的影响 |
| 4.4.1 出行时间与票价的弹性分析 |
| 4.4.2 不同服务水平与票价组合的场景设计 |
| 4.4.3 不同场景对定制客运分担率的影响分析 |
| 4.5 本章小结 |
| 5 定制客运动态站点设置优化研究 |
| 5.1 考虑班车轨迹数据的动态站点设置问题研究框架 |
| 5.1.1 动态站点设置问题描述 |
| 5.1.2 班车停留轨迹数据特征 |
| 5.1.3 研究框架 |
| 5.2 基于轨迹数据的班车停留站点提取方法及实证研究 |
| 5.2.1 轨迹数据预处理 |
| 5.2.2 提取方法 |
| 5.2.3 实证与分析 |
| 5.3 基于预约点与潜在站点的动态站点设置优化模型 |
| 5.3.1 预约点集的确定 |
| 5.3.2 优化模型建立 |
| 5.3.3 改进遗传算法 |
| 5.4 算例研究 |
| 5.4.1 算例背景 |
| 5.4.2 服务区域与需求数据的设定 |
| 5.4.3 站点设置结果 |
| 5.4.4 模型及算法比较 |
| 5.5 本章小结 |
| 6 定制客运动态线路与时刻表优化研究 |
| 6.1 研究环境界定及支付意愿和动态票价函数定义 |
| 6.1.1 研究环境界定 |
| 6.1.2 变量说明 |
| 6.1.3 旅客支付意愿函数定义 |
| 6.1.4 动态票价函数定义 |
| 6.2 线路与时刻表优化模型建立及算法实现 |
| 6.2.1 目标函数 |
| 6.2.2 约束条件 |
| 6.2.3 遗传算法设计 |
| 6.2.4 算法步骤 |
| 6.3 算例研究基础数据与参数设定 |
| 6.3.1 算例背景 |
| 6.3.2 基础数据 |
| 6.3.3 参数设定 |
| 6.4 班车客运与定制客运的运营效果及对比分析 |
| 6.4.1 班车客运的运营效果 |
| 6.4.2 定制客运的运营效果 |
| 6.4.3 运营效果对比分析 |
| 6.5 考虑车辆配置的运营效果与关键参数灵敏度分析 |
| 6.5.1 考虑车辆配置的定制客运运营效果分析 |
| 6.5.2 动态票价函数的灵敏度分析 |
| 6.5.3 不同预约出行需求量的灵敏度分析 |
| 6.6 本章小结 |
| 7 结论与展望 |
| 7.1 主要工作及研究结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录 A 道路客运出行行为调查问卷 |
| 附录 B 旅客预约出行需求数据 |
| 附录 C 动态线路与时刻表优化计算结果 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）基于子集模拟优化的密肋复合板结构优化设计和参数识别（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 本文研究背景及意义 |
| 1.2 优化设计原理及应用研究现状 |
| 1.2.1 结构优化设计原理 |
| 1.2.2 密肋复合板结构优化设计研究现状 |
| 1.2.3 传统结构优化设计研究现状 |
| 1.3 结构优化算法研究现状 |
| 1.3.1 优化算法研究现状 |
| 1.3.2 子集模拟优化算法研究现状 |
| 1.4 结构恢复力模型参数识别研究现状 |
| 1.4.1 传统结构恢复力模型识别研究现状 |
| 1.4.2 密肋复合板结构恢复力参数识别研究现状 |
| 1.5 当前研究存在的问题 |
| 1.6 本文主要研究内容 |
| 2 基于子集模拟优化算法的密肋复合板结构造价优化 |
| 2.1 同时考虑离散变量和连续变量的有约束子集模拟优化算法 |
| 2.1.1 有约束子集模拟优化算法 |
| 2.1.2 同时考虑离散变量和连续变量的子集模拟优化算法 |
| 2.2 密肋复合墙体优化设计 |
| 2.2.1 密肋复合墙体优化设计数学模型 |
| 2.2.2 密肋复合墙体优化设计实例分析 |
| 2.2.3 基于遗传算法的密肋复合墙体优化设计及结果对比 |
| 2.3 多层密肋复合板结构的优化设计 |
| 2.3.1 多层密肋复合板结构的抗震设计计算方法 |
| 2.3.2 多层密肋复合板结构优化设计原理 |
| 2.3.3 多层密肋复合板结构优化设计实例分析 |
| 2.4 中高层密肋复合板结构的优化设计 |
| 2.4.1 中高层密肋复合板结构抗震设计计算方法 |
| 2.4.2 中高层密肋复合板结构优化设计原理 |
| 2.4.3 中高层密肋复合板结构优化设计实例分析 |
| 2.5 本章小结 |
| 3 基于子集模拟优化算法的密肋复合板结构抗震性能优化 |
| 3.1 基于抗震性能的密肋复合板结构优化设计原理 |
| 3.1.1 基于IDA方法的结构易损性分析 |
| 3.1.2 密肋复合板结构抗震性能优化设计思路及流程 |
| 3.2 密肋复合板结构等效斜撑模型的Open Sees有限元建模 |
| 3.2.1 密肋复合墙板等效斜撑模型 |
| 3.2.2 等效斜撑模型Open Sees有限元模型 |
| 3.3 密肋复合板结构优化设计数学模型 |
| 3.4 密肋复合板结构抗震性能优化设计实例分析 |
| 3.4.1 密肋复合板结构基本设计信息 |
| 3.4.2 密肋复合板结构有限元模型 |
| 3.4.3 密肋复合板结构易损性分析 |
| 3.4.4 密肋复合板结构优化设计结果分析 |
| 3.5 本章小结 |
| 4 基于贝叶斯理论和子集模拟优化的密肋复合板结构恢复力参数识别 |
| 4.1 基于贝叶斯理论的结构层间恢复力模型参数识别方法 |
| 4.1.1 恢复力模型参数识别的贝叶斯方法 |
| 4.1.2 基于子集模拟优化算法的目标函数优化 |
| 4.2 所提方法在多层密肋复合板结构中的应用 |
| 4.2.1 四层密肋复合板结构模型 |
| 4.2.2 结构层间恢复力模型 |
| 4.2.3 四层密肋复合板结构层间恢复力参数识别 |
| 4.3 基于贝叶斯理论和TMCMC算法的恢复力参数识别及对比 |
| 4.3.1 基于贝叶斯理论和TMCMC算法的恢复力模型参数识别 |
| 4.3.2 四层密肋复合板结构层间恢复力识别及结果分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）结构优化设计中郊狼优化算法的研究与应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题研究背景与意义 |
| 1.3 结构优化方法研究综述 |
| 1.3.1 传统优化设计方法 |
| 1.3.2 启发式优化算法 |
| 1.4 桁架结构优化设计发展概况 |
| 1.5 本文主要内容及结构安排 |
| 1.6 本文创新点 |
| 第2章 郊狼优化算法及其在桁架结构单目标尺寸优化中的应用 |
| 2.1 引言 |
| 2.2 郊狼优化算法 |
| 2.3 算法的基本流程 |
| 2.4 结构单目标优化设计数学模型 |
| 2.4.1 设计变量 |
| 2.4.2 目标函数 |
| 2.4.3 约束条件 |
| 2.4.4 变量连接 |
| 2.4.5 基于郊狼优化算法的桁架结构尺寸优化程序 |
| 2.5 连续变量结构尺寸单目标优化设计 |
| 2.5.1 桁架结构连续变量单目标尺寸优化数值模型 |
| 2.5.2 桁架结构连续变量单目标尺寸优化设计算例 |
| 2.6 离散变量结构尺寸单目标优化设计 |
| 2.6.1 桁架结构离散变量单目标尺寸优化数值模型 |
| 2.6.2 编码方式 |
| 2.6.3 桁架结构离散变量单尺寸优化设计算例 |
| 2.7 本章小结 |
| 第3章 郊狼优化算法改进及其在桁架结构单目标尺寸优化中的应用 |
| 3.1 引言 |
| 3.1.1 算法的融合策略 |
| 3.1.2 融合和声搜索策略的改进COA算法 |
| 3.2 算法基本流程 |
| 3.3 改进COA的桁架结构优化设计模型 |
| 3.3.1 改进COA的桁架结构连续变量单目标尺寸优化设计算例 |
| 3.3.3 改进COA的桁架结构离散变量单目标尺寸优化设计算例 |
| 3.4 本章小结 |
| 第4章 郊狼优化算法在桁架结构形状优化设计中的应用 |
| 4.1 桁架结构形状优化的数学模型 |
| 4.1.1 设计变量 |
| 4.1.2 目标函数 |
| 4.1.3 约束条件 |
| 4.1.4 算法流程 |
| 4.2 数值分析 |
| 4.3 本章小结 |
| 第5章 郊狼优化算法在桁架结构多目标优化设计中的应用 |
| 5.1 引言 |
| 5.2 多目标优化参数基本定义 |
| 5.3 多目标郊狼优化算法 |
| 5.3.1 约束条件 |
| 5.3.2 快速非支配分级 |
| 5.3.3 拥挤距离 |
| 5.3.4 二项锦标竞赛选择策略 |
| 5.4 多目标郊狼优化算法基本流程 |
| 5.5 桁架结构多目标优化设计 |
| 5.5.1 桁架结构优化数值模型 |
| 5.5.2 测试函数及数值分析 |
| 5.5.3 桁架结构多目标优化设计算例 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 未来的工作 |
| 参考文献 |
| 指导教师对学位论文的学术评语 |
| 答辩委员会决议书 |
| 致谢 |
（6）XX气田M区块集输管网优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 前言 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容 |
| 1.4 技术路线 |
| 第2章 气田集输管网工艺计算 |
| 2.1 气田集输管网基础工艺流程 |
| 2.2 天然气集输管道工艺热力计算模型 |
| 2.3 天然气集输管道工艺水力计算模型 |
| 2.4 天然气物性参数计算 |
| 2.5 多相流混输管道水力热力模型耦合计算 |
| 2.6 本章小结 |
| 第3章 气田集输管网井组优化研究 |
| 3.1 气田集输管网井站布局优化模型建立 |
| 3.2 气田集输管网井站布局优化模型求解 |
| 3.3 实例计算 |
| 3.4 本章小结 |
| 第4章 气田集输管网拓扑布局优化研究 |
| 4.1 采气管网拓扑布局优化研究 |
| 4.2 集气管网拓扑布局优化研究 |
| 4.3 实例计算 |
| 4.4 本章小结 |
| 第5章 气田集输管网系统参数优化 |
| 5.1 气田地面集输系统参数优化模型 |
| 5.2 气田地面集输系统参数优化模型约束条件 |
| 5.3 气田地面集输系统参数优化模型求解 |
| 5.4 实例计算 |
| 5.5 本章小结 |
| 第6章 结论 |
| 附录1 M区块气井坐标参数 |
| 致谢 |
| 参考文献 |
| 个人简介 |
（7）基于NSGA-Ⅱ的RC梁多目标可持续优化设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 结构优化研究现状 |
| 1.2.2 工程可持续发展研究现状 |
| 1.3 研究目标及研究内容 |
| 1.3.1 本文主要内容 |
| 1.3.2 技术路线 |
| 1.3.3 本文创新点 |
| 1.4 本章小结 |
| 第二章 多目标优化理论和NSGA-Ⅱ算法的基本理论 |
| 2.1 多目标优化理论 |
| 2.1.1 多目标优化方法简介 |
| 2.1.2 多目标优化算法的数学表达式 |
| 2.2 离散多目标优化方法 |
| 2.2.1 离散多目标优化方法简介 |
| 2.2.2 离散多目标优化的数学表达式 |
| 2.3 NSGA-Ⅱ算法原理和技术实现 |
| 2.3.1 NSGA-Ⅱ原理及简介 |
| 2.3.2 NSGA-Ⅱ算法主要步骤 |
| 2.3.3 NSGA-Ⅱ参数控制 |
| 2.4 本章小结 |
| 第三章 基于NSGA-Ⅱ的RC梁离散多目标可持续优化设计 |
| 3.1 引言 |
| 3.2 优化问题描述 |
| 3.3 钢筋混凝土梁离散多目标可持续优化数学模型 |
| 3.3.1 设计变量的选取 |
| 3.3.2 目标函数的建立 |
| 3.3.3 约束条件 |
| 3.4 基于NSGA-Ⅱ的RC梁离散多目标可持续优化设计算法实现 |
| 3.5 优化结果分析 |
| 3.5.1 可行域分析 |
| 3.5.2 单目标优化结果分析 |
| 3.5.3 成本和环境影响最优方案的敏感系数 |
| 3.5.4 多目标可持续优化结果分析 |
| 3.5.5 Rcc,Rcs,Rec和 Res对优化设计的影响 |
| 3.6 本章小结 |
| 第四章 基于大数据的RC梁经济环境指标信息相关性研究 |
| 4.1 引言 |
| 4.2 最大信息相关系数MIC |
| 4.2.1 MIC相关原理 |
| 4.2.2 数学原理及计算步骤 |
| 4.2.3 MIC网格划分原则 |
| 4.2.4 MIC的特征性 |
| 4.3 基于大数据的RC梁经济环境指标信息相关性研究 |
| 4.3.1 基于MIC的RC梁的相关指标的最大信息相关系数 |
| 4.3.2 环境影响指标与成本指标之间信息相关性 |
| 4.3.3 环境影响指标、成本指标和受弯承载力之间信息相关性 |
| 4.3.4 环境影响指标、成本指标与RC设计参数之间信息相关性 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 展望 |
| 参考文献 |
| 附录1 MATLAB计算程序 |
| 致谢 |
| 作者简介 |
| 1 作者简历 |
| 2 攻读硕士期间发表的学术论文 |
| 学位论文数据集 |
（8）考虑成本的装配式建筑结构优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与选题意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 装配式建筑概述 |
| 1.2.1 装配式建筑的概念 |
| 1.2.2 装配式结构国内外研究现状 |
| 1.3 结构设计优化研究现状 |
| 1.3.1 结构设计优化的方法 |
| 1.3.2 建筑结构设计优化研究 |
| 1.3.3 装配式结构设计优化研究 |
| 1.4 研究方案 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 遗传算法的基本理论 |
| 2.1 遗传算法简介 |
| 2.1.1 从生物进化到遗传方法 |
| 2.1.2 遗传算法的发展简史 |
| 2.1.3 遗传算法的研究内容及前景 |
| 2.2 遗传算法基本原理 |
| 2.3 遗传算法与其它搜索方法的比较 |
| 2.4 遗传算法的优化过程 |
| 2.4.1 遗传算法的基本流程 |
| 2.4.2 确定编码方案 |
| 2.4.3 初始群体的设定 |
| 2.4.4 适应度函数(评价函数) |
| 2.4.5 遗传算子的设计 |
| 2.4.6 控制参数的选择 |
| 2.5 改进遗传算法 |
| 2.5.1 改进遗传算法的介绍 |
| 2.5.2 本文采用的改进策略 |
| 2.6 本章小结 |
| 第3章 基于遗传算法的装配式建筑结构优化设计 |
| 3.1 结构优化设计的一般数学模型 |
| 3.2 预制构件的优化模型 |
| 3.2.1 预制柱目标函数的建立 |
| 3.2.2 预制叠合梁目标函数的建立 |
| 3.2.3 预制叠合板目标函数的建立 |
| 3.2.4 预制构件约束条件的建立 |
| 3.3 基于Matlab遗传算法的实现 |
| 3.3.1 Matlab的简介 |
| 3.3.2 基本遗传算法的实现 |
| 3.3.3 改进遗传算法的实现 |
| 3.3.4 仿真实验与结果分析 |
| 3.4 本章小结 |
| 第4章 案例分析 |
| 4.1 项目介绍 |
| 4.1.1 工程概况 |
| 4.1.2 设计依据 |
| 4.2 考虑成本的目标函数的建立 |
| 4.2.1 预制柱目标函数的建立 |
| 4.2.2 预制叠合梁目标函数的建立 |
| 4.2.3 预制叠合板目标函数的建立 |
| 4.3 约束条件的建立 |
| 4.3.1 预制柱约束条件的建立 |
| 4.3.2 预制叠合梁约束条件的建立 |
| 4.3.3 预制叠合板约束条件的建立 |
| 4.4 基于Matlab的遗传算法的结构优化 |
| 4.4.1 预制柱遗传算法优化 |
| 4.4.2 预制叠合梁遗传算法优化 |
| 4.4.3 预制叠合板遗传算法优化 |
| 4.5 结构安全性验证 |
| 4.5.1 PKPM的简介 |
| 4.5.2 PKPM建模及参数输入 |
| 4.5.3 PKPM计算结果分析 |
| 4.6 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录1 退火交叉算法程序 |
| 附录2 预制柱遗传算法程序 |
| 附录3 预制叠合梁遗传算法程序 |
| 附录4 预制叠合板遗传算法程序 |
| 攻读硕士学位期间发表的论文及科研成果 |
（9）面向序列分类问题的机器学习算法集成及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 第一节 研究背景与意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 研究目标与思路 |
| 一、研究目标 |
| 二、研究思路 |
| 第三节 研究内容与安排 |
| 一、研究内容 |
| 二、结构安排 |
| 第二章 理论基础与文献综述 |
| 第一节 引言 |
| 第二节 序列分类问题与文献综述 |
| 第三节 机器学习理论与文献综述 |
| 第四节 生物信息理论与文献综述 |
| 第五节 本章小结 |
| 第三章 基因序列数据转换处理及频谱信息的快速算法 |
| 第一节 引言 |
| 第二节 序列数据特征表示 |
| 一、序列数据特征表示方法 |
| 二、基因序列特征表示方法 |
| 第三节 序列数据映射转换 |
| 一、基于Voss映射转换 |
| 二、基于Z-curve映射转换 |
| 三、基于实数映射转换 |
| 第四节 序列频谱信息挖掘 |
| 一、基因识别原理 |
| 二、频谱信息计算 |
| 三、不同映射对比 |
| 第五节 频谱挖掘快速算法 |
| 一、稀疏优化原理 |
| 二、快速算法设计 |
| 三、复杂度的优化 |
| 四、优化效果评价 |
| 第六节 本章小结 |
| 第四章 基于阈值判别的基因序列分类机器学习算法集成 |
| 第一节 引言 |
| 第二节 靴带抽样与回归型支持向量机算法 |
| 一、靴带抽样 |
| 二、SVR算法 |
| 第三节 基于靴带抽样的最优阈值判别算法 |
| 一、推断原理 |
| 二、评价指标 |
| 三、推断模型 |
| 第四节 基于SVR学习的最优阈值判别算法 |
| 一、SVR学习步骤 |
| 二、SVR算法求解 |
| 第五节 基于集成学习的最优阈值判别算法 |
| 一、集成学习步骤 |
| 二、实验结果分析 |
| 第六节 分类结果可信度评价及其实验分析 |
| 一、基于给定阈值的分类结果可信度评价方法 |
| 二、基于ROC曲线的分类结果可信度评价方法 |
| 三、基于评级模型的分类结果可信度评价方法 |
| 四、模型求解及有效性探讨 |
| 第七节 本章小结 |
| 第五章 基于概率判别的基因序列分类机器学习算法集成 |
| 第一节 引言 |
| 第二节 动态贝叶斯网络与隐马尔可夫模型 |
| 一、动态贝叶斯网络 |
| 二、隐马尔可夫模型 |
| 三、参数估计和学习 |
| 第三节 基于动态贝叶斯网络的基因序列分类可信度评价 |
| 一、事件树向离散时间贝叶斯网络的转换 |
| 二、基因序列离散时间贝叶斯网络的构建 |
| 三、基因外显子预测概率可信度评估模型 |
| 第四节 隐马尔可夫判别模型及其综合可信度指标的引入 |
| 一、基因序列的隐马尔科夫模型构建 |
| 二、模型的算法设计与训练优化原理 |
| 三、分类结果的可信度综合评价方法 |
| 第五节 仿真实验与结果分析 |
| 一、实验结果 |
| 二、结果分析 |
| 第六节 本章小结 |
| 第六章 基于全局优化的基因序列分类机器学习算法集成 |
| 第一节 引言 |
| 第二节 BP神经网络模型的构建 |
| 一、建立指标体系 |
| 二、构建网络模型 |
| 第三节 与遗传算法的集成优化 |
| 一、遗传算法设计 |
| 二、集成学习步骤 |
| 第四节 仿真实验及其结果分析 |
| 一、有效性分析 |
| 二、准确性分析 |
| 第五节 在基因突变预警中的应用 |
| 一、基因突变概述 |
| 二、基因突变预警 |
| 第六节 本章小结 |
| 第七章 总结与展望 |
| 第一节 论文总结 |
| 第二节 研究展望 |
| 参考文献 |
| 附录一 |
| 附录二 |
| 附录三 |
| 致谢 |
| 个人简历及在学期间完成的研究成果 |
（10）面向个性化生产的3D打印车间调度智能优化算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 从大规模生产到个性化生产 |
| 1.3 3D打印相关领域国内外研究现状 |
| 1.4 3D打印车间调度问题国内外研究现状 |
| 1.4.1 相关车间调度问题研究现状 |
| 1.4.2 3D打印车间调度问题研究现状 |
| 1.4.3 车间调度方法 |
| 1.5 研究现状分析和总结 |
| 1.6 课题来源及章节安排 |
| 1.6.1 课题来源 |
| 1.6.2 主要研究内容 |
| 1.7 本章小结 |
| 第二章 3D打印生产车间调度问题模型 |
| 2.1 3D打印生产特点 |
| 2.1.1 3D打印生产过程 |
| 2.1.2 3D打印技术的分类 |
| 2.1.3 打印空间的分类 |
| 2.2 3D打印车间关键特征 |
| 2.3 3D打印生产车间的构建 |
| 2.3.1 车间架构 |
| 2.3.2 车间自动化生产流程 |
| 2.4 3D打印车间调度数学模型 |
| 2.4.1 车间调度问题描述 |
| 2.4.2 数学模型 |
| 2.5 本章小结 |
| 第三章 并行机环境下3DPSS的改进遗传算法 |
| 3.1 问题描述 |
| 3.2 基于NFP的不规则零件排样方法 |
| 3.2.1 启发式排放方法 |
| 3.3 基于改进遗传算法的调度方法 |
| 3.3.1 算法基本流程 |
| 3.3.2 染色体编码 |
| 3.3.3 初始化 |
| 3.3.4 适应度值计算 |
| 3.3.5 选择操作 |
| 3.3.6 交叉和变异操作 |
| 3.3.7 局部贪婪搜索策略 |
| 3.4 实验验证及结果分析 |
| 3.4.1 实验设计 |
| 3.4.2 实验结果分析 |
| 3.5 本章小结 |
| 第四章 复杂仿真调度下3DPSS的贝叶斯优化方法 |
| 4.1 问题描述 |
| 4.1.1 概述 |
| 4.1.2 问题模型 |
| 4.2 基于高斯过程的贝叶斯优化算法 |
| 4.2.1 贝叶斯优化算法的基本原理 |
| 4.2.2 高斯代理模型 |
| 4.2.3 采集函数 |
| 4.3 贝叶斯离散优化算法 |
| 4.3.1 基于领域知识的协方差函数设计 |
| 4.3.2 稀疏高斯过程 |
| 4.4 试验及结果分析 |
| 4.4.1 稀疏GP对BDO的影响 |
| 4.4.2 新协方差函数对BDO的影响 |
| 4.5 本章小结 |
| 第五章 事件驱动的3D打印车间动态调度方法 |
| 5.1 基于RFID的感知车间 |
| 5.2 事件驱动的集成框架 |
| 5.3 事件模型定义 |
| 5.3.1 原始事件 |
| 5.3.2 简单事件 |
| 5.3.3 复杂事件 |
| 5.4 生产车间中的复杂事件处理 |
| 5.4.1 车间中的复杂事件 |
| 5.4.2 事件处理系统 |
| 5.4.3 事件处理实例 |
| 5.5 实验验证及结果分析 |
| 5.6 本章小结 |
| 第六章 实验及应用研究 |
| 6.1 应用背景 |
| 6.2 3D打印生产系统体系结构 |
| 6.2.1 设计原则 |
| 6.2.2 系统层次结构 |
| 6.3 系统功能模块 |
| 6.4 应用验证 |
| 6.4.1 系统实现 |
| 6.4.2 生产调度验证 |
| 6.4.3 动态响应验证 |
| 6.5 本章小结 |
| 总结与展望 |
| 1.本文的主要研究结论 |
| 2.展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
四、离散变量结构优化设计的改进遗传算法（论文参考文献）
- [1]混凝土桥梁施工复杂支撑体系安全评价及优化方法研究[D]. 陆伊宁. 广西大学, 2021(12)
- [2]无线充电模式下城市电动公交充电设施选址与线网优化问题研究[D]. 陈刚. 长安大学, 2021(02)
- [3]定制客运选择行为分析与动态运行计划优化研究[D]. 李军. 北京交通大学, 2020(03)
- [4]基于子集模拟优化的密肋复合板结构优化设计和参数识别[D]. 马潇雨. 北京交通大学, 2020(03)
- [5]结构优化设计中郊狼优化算法的研究与应用[D]. 张惠嘉. 深圳大学, 2020
- [6]XX气田M区块集输管网优化研究[D]. 黎雪莲. 长江大学, 2020(02)
- [7]基于NSGA-Ⅱ的RC梁多目标可持续优化设计[D]. 徐雅琴. 浙江工业大学, 2020(02)
- [8]考虑成本的装配式建筑结构优化研究[D]. 陈杰颖. 西南交通大学, 2020(07)
- [9]面向序列分类问题的机器学习算法集成及其应用[D]. 孟凡祥. 上海财经大学, 2020(04)
- [10]面向个性化生产的3D打印车间调度智能优化算法研究[D]. 张剑铭. 华南理工大学, 2020