基于遗传算法的结构测试数据自动生成

生成测试数据是软件测试的主要过程,将遗传算法引入到测试数据的自动生成中,重点介绍其生成过程,并对遗传操作进行改进,在一定程度上降低算法的过早收敛性.最后构建出基于遗传算法的测试数据生成模型.并用实例证明算法的高效性.     

两栖装甲车辆车体随机应力统计

为探究某型两栖装甲车辆车体关键部位的疲劳失效原因，测取了不同路面工况下的载荷谱。采用雨流计数法对实测载荷谱进行计数，得到了相应载荷谱中应力循环的均值、幅值计数结果，利用数理统计的方法得到了各种路况的载荷分布模型，为疲劳分析提供了重要的数据并为海上试验及数据分析奠定了基础。雨流法及分布函数参数估计的程序实现，大大提高了随机应力谱的统计处理速度。     

几个小样本检验统计量的研究

证明了n个相互独立的且服从(0,1)均匀分布的随机变量的乘积X服从定义的P(n)分布,并证明了Y=-lnX服从Gamma(n,1)分布。利用此结论提出了对非正态总体的小样本参数检验的理论和方法,讨论了指数分布、威布尔分布和艾分布的小样本检验问题。     

求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

基于神经网络和遗传算法对反装甲目标威胁度评估研究

针对威胁度估计问题和装甲车辆在战场上的实际情况,运用神经网络和遗传算法理论探索反装甲目标威胁度评估问题。基于BP神经网络模型的算法,利用神经网络良好的自适应能力和遗传算法强大的全局搜索能力,通过样本数据训练,提高了威胁度估计的准确性和适应性。经过验证该算法能够有效反应出反各种反装甲目标的威胁度,其稳定性、精确性也比较高。     

高精度CFD程序的内外子区域划分异构并行算法

对计算流体力学(Computational Fluid Dynamics, CFD)程序CNS提出一种Offload模式下对任务内外子区域划分的异构并行算法,结合结构化网格下有限差分计算和四阶龙格-库塔方法的特点,引入ghost网格点区域,设计了一种ghost区域收缩计算策略,显著降低了异构计算资源之间的数据传输开销,负载均衡时CPU端的计算与MPI通信完全和加速器端的计算重叠,提高了异构协同并行性。推导了保证计算正确性的ghost区域的参数,分析了负载均衡的条件。在"CPU(Intel Haswell Xeon E5-2670 12 cores×2)+加速器(Xeon Phi 7120A×2)"的服务器上测得该算法较直接将任务子块整体迁至加速器端计算的异构算法性能平均提升至5.9倍,较MPI/OpenMP两级并行算法使用24个纯CPU核的性能,该算法使用单加速器时加速至1.27倍,使用双加速器加速至1.45倍。讨论和分析了性能瓶颈与存在的问题。     

基于多目标优化的任务计划建模及方法

针对任务计划在进行多目标优化时采用进化算法求解效率较低的问题,设计了一种结合分组策略的非支配排序遗传(NSGA-Ⅱ)算法,可以快速有效地得到合理的分组结果。基于分组结果,调整NSGA-Ⅱ算法的步骤,灵活地进行种群初始化,使最终分配结果各优化的目标有了明显的改善,提高了算法的效率。通过实验分析,验证了所提方法的可行性和有效性。     

风扇蜗壳排气段结构优化研究

为有效降低车辆封闭式冷却风道中风扇蜗壳的空气流动阻力,提出了计算流体力学分析与遗传算法相结合的蜗壳排气段结构优化方法,建立了蜗壳结构优化模型,开发了优化算法可执行程序Control CFD.EXE。对某车辆的风扇蜗壳排气段进行了结构优化。优化后蜗壳排气段的空气流动阻力比优化前减小了10.1%,空气质量流量增大了1.70%。     

支持并行工程的造船分段作业计划系统

针对传统造船模式下,车间作业计划与工艺设计串行工作方式的缺点,基于并行工程的原理,提出了分段作业计划与工艺设计的集成运行模式,为实现造船CAPP系统与PPC系统的集成化和并行化提供了实现的基础。针对集成模式的特点,建立了分段作业计划系统资源优化的数学模型,应用遗传算法解决了针对任意分段装配工艺方案的多资源平衡优化问题,可以得到每项作业最优的开工时间,同时能够给出多种资源的最优分布结果,满足了多工艺方案之间资源利用率的比较。最后,给出了计算实例,计算机模拟结果说明了这一方法的有效性。     

基于可变模板的前视目标跟踪算法

基于图像序列分析的图像制导极大地提高了成像武器的跟踪精度。给出了一种基于可变模板技术和遗传退火算法的图像序列目标跟踪算法。根据目标的物理特征构造出可变模板,定义合适的能量函数,采用遗传退火算法进行优化搜索。实验结果表明,该算法能够精确检测并跟踪目标,具有很快的收敛性和较高的抗噪声性。