关键词： 混合时间窗   电动物流车辆   路径优化   遗传算法   冠豪猪算法  

摘要： 近年来,全球环境保护意识显著增强,物流运输行业作为环境污染的重要来源,面临着绿色转型的迫切需求。在国际政策推动下,电动物流车辆凭借零排放、低能耗等优势,逐步成为城市配送的核心载体。然而,电动物流车辆续航里程受限、充电设施布局不足及复杂时间窗约束等问题,为路径规划带来严峻挑战。B物流公司作为典型城市配送服务商,虽已引入电动物流车辆,但其配送路径规划欠优、时效偏差频发等问题导致运营成本居高不下,亟需系统性优化方案。 本文以B物流公司为研究对象,针对其电动物流车辆的路径优化问题展开系统性研究。首先通过实地调研与数据分析,系统解析了企业配送网络节点分布、车辆性能参数及混合时间窗等约束特征,发现B公司配送路径规划不合理、配送时间不准时的主要根源是系统性技术缺陷与管理失焦的双重矛盾。基于此,构建了以B公司为服务对象,以总配送成本最小化为目标的带混合时间窗的电动物流车辆路径优化模型,综合考虑固定成本、运输成本、时间窗惩罚成本、充电成本、损失成本以及碳排放成本,约束条件涵盖装载容量、行驶里程、电量、混合时间窗等多维度限制。其次利用遗传算法(Genetic Algorithm,GA)作为核心优化策略构建基础求解框架,并针对传统遗传算法的缺陷,提出融合冠豪猪算法(Crested Porcupine Optimizer,CPO)与禁忌爬山算法(Tabu Search with Hill Climbing,TS-HC)的改进遗传算法。该算法通过三重创新提升求解效能:(1)设计动态循环种群减少技术(Cyclic population reduction technique,CPR),周期性地淘汰低适应度个体并重置种群规模,平衡全局探索与局部开发;(2)引入CPO的四种防御策略(视觉、听觉、气味、物理攻击),根据个体威胁等级自适应选择变异操作,增强解空间多样性;(3)嵌入禁忌爬山操作,对变异后个体进行邻域精细化搜索,规避局部最优陷阱。 研究结果表明:(1)改进算法在CEC2017基准测试函数集不同维度的对比测试环境中均展现出优异性能;(2)与传统遗传算法及现有改进遗传算法(采用精英保留策略与局部搜索协同优化机制)对比,本文算法在B公司实际案例中表现更优。总配送成本由4673.71元降至3709.61元(降幅25.98%),较传统遗传算法(4343.82元,降幅7.59%)与现有改进算法(4038.42元,降幅15.87%)分别提升17.09%与8.86%;车辆调度数从16辆减少至14辆,优于传统遗传算法的15辆,且车辆平均重量实载率提升至87.83%(传统遗传算法为81.98%),容积实载率提升至71.47%(传统遗传算法为66.71%);总行驶里程由843.69公里缩减至671.8公里(降幅25.58%),显著优于传统遗传算法(802.9公里,降幅5.08%)与现有算法(820公里,降幅2.88%);(3)时间窗违规现象大幅减少,服务水平显著提高。基于实证结果,从充电网络优化、调度系统智能化升级、时效精准管控三方面提出管理建议。本研究不仅为电动物流车路径规划提供了理论方法与算法创新,也为同类企业实现绿色低碳转型提供了可操作的实践路径。

关键词： 飞机蒙皮检测   异构机器人协同   覆盖路径规划   遗传算法   任务分配  

摘要： 飞机蒙皮检测对于保证飞机飞行安全至关重要。采用移动机器人自主检测方式能够大大提高检测效率以及降低安全风险。但由于飞机结构复杂，仅使用单一种类机器人作业难以实现飞机蒙皮全覆盖。所以，提出了一种空-地异构机器人协同覆盖路径规划方法(AG-CCPP)。首先引入无人机(UAV)、无人车(UGV)异构机器人系统，分析规划过程中必要的约束条件，包括作业空间约束、续航时间约束等，采用整数线性规划方法建立优化模型。其次，提出一种基于贪婪分配策略的多精英种群双染色体遗传算法进行任务分配与路径规划联合求解，增加分配染色体实现任务分配与路径规划联合求解，实现全局优化；基于续航约束进行贪婪分配，充分利用异构机器人优点；多层次精英种群设计，减少低效交叉种群数量，提升算法运行效率。最后，通过波音737-300的仿真实验进行对比分析，结果表明所提方法在机器人协同覆盖完成时间与程序执行时间方面均优于现有算法。

关键词： 室外热舒适度   太阳日照   遗传算法   多目标优化   参数化  

摘要： 当前我国数字化技术发展迅速，加快城市绿色转型、推进城市“双碳”进程的要求也日益明确。在这样的背景下，数字模拟技术为城市及建筑设计优化研究带来了新的发展机遇。同时，工业遗产更新取得了显著进展，成为城市发展的重要组成部分。许多旧工业建筑被改造成创意工作室、艺术中心和文化场所，为城市注入了新的活力。工业遗产更新不仅保留了历史记忆，也促进了经济增长和可持续发展。通过合理规划和创新设计，工业遗产得以与现代需求相结合，为城市创造独特的城市景观和文化空间。本文提出了一种基于气候的多目标优化设计策略，通过软件模拟识别出长春市拖拉机厂中室外热环境最差的空间，并针对该区域的建筑进行更新设计，提升建筑室外的热舒适度以及太阳日照时数。更新后的建筑室外热环境指标如下：夏至日UTCI模拟结果为12.78℃，性能提升5%，冬至日UTCI模拟结果为-18.68℃，性能提升8%，太阳日照时数模拟结果662150h，性能提升10%。

关键词： 双轮腿机器人   动力学建模   虚拟模型控制   线性二次调节器   粒子群算法   遗传算法  

摘要： 本文研究对象为双轮腿机器人,该类机器人兼具足式机器人在复杂环境中适应性强以及轮式机器人在平坦路面移动速度快、灵活性好等特点,是极具潜力的下一代移动机器人。结合当前双轮腿机器人研究现状,本文对机器人结构优化设计和平衡、转向等方面的运动控制进行了研究,主要研究内容如下: (1)优化设计双轮腿机器人的结构。首先,从机身和腿部两部分着手,介绍四连杆机构下双轮腿机器人的机械结构,并利用Solidworks进行三维建模设计。其次,对腿部四连杆机构进行运动学分析,建立末端轨迹方程,分析其对机器人运动性能的影响,设计四连杆机构优化方案。最后,采用ADAMS软件对机器人腿部结构的尺寸参数进行优化,以实现平稳运动。 (2)设计双轮腿机器人的运动控制方案。首先,针对机器人腿部运动与轮式驱动耦合导致的动态失稳问题,采用基于可变杆长倒立摆的动力学建模方法,建立双轮腿机器人的动力学模型并通过线性二次型调节器LQR(Linear Quadratic Regulator)实现平衡与转向的轮部协同控制。其次,引入虚拟模型控制VMC(Virtual Model Control)算法,模拟弹簧-阻尼系统,实现对腿部平稳运动的有效控制。最后,利用MATLAB/Simulink平台对优化后的双轮腿机器人模型进行仿真,验证LQR算法和VMC算法的可行性。 (3)研究融合改进粒子群PSO(Particle Swarm Optimization)的LQR(PSO-LQR)算法对轮部的运动控制。针对LQR控制器精度不足及PSO算法易早熟收敛的问题,提出一种改进PSO算法优化LQR控制器,从而提升轮部运动控制性能。首先,设计非线性惯性权重和线性学习因子,避免PSO算法陷入局部最优。其次,将改进后的惯性权重和学习因子引入PSO算法中,以最小机器人姿态误差为适应度函数,优化LQR控制器的状态反馈增益矩阵。最后,通过对双轮腿机器人简化后的倒立摆模型进行仿真实验,对比LQR、PSO-LQR和改进PSO-LQR控制策略,验证了改进PSO-LQR控制器更有利于机器人快速实现平衡,减小倾角波动幅度。 (4)研究融合改进遗传GA(Genetic Algorithm)的LQR(GA-LQR)算法对轮部的运动控制。首先,详细分析GA算法,包括编码方式、初始种群生成、选择、交叉和变异操作。其次,通过混沌初始化种群、动态调整交叉/变异参数和自适应高斯变异策略改进GA算法,避免局部最优且优化优良个体的生存,优化LQR控制器的权重矩阵参数,并采用分层交叉保持参数关联性、动态局部搜索精英解,输出最优结果。再次,利用MATLAB/Simulink软件,验证了相较于GA-LQR控制器和改进PSO-LQR控制器,改进GA-LQR控制器更有利于实现机器人轮部运动控制的快速稳定。最后,针对优化设计后的实际双轮腿机器人模型,通过ADAMS和MATLAB联合仿真,进一步评估改进GA-LQR控制器在不同工况下的性能表现,结果表明该算法在机器人平衡、转向以及不同腿长下的实际效果。

关键词： 改进遗传算法   电力线路   敷设规划   工频电场   敷设环境模型  

摘要： 针对传统电力电缆敷设路径规划方法存在的路径长度过长、考虑因素不足等问题,本文提出了一种基于改进遗传算法的电力线路敷设规划设计方法,以提高敷设效率和降低建设成本。首先,分析了输电线路工频电场分布,阐述了工频电场特性和等效电荷量。其次,建立了电力电缆敷设环境模型,并进行了详细的因素分析。然后,提出了基于改进遗传算法的电力线路敷设规划模型。最后,通过实验数据结果验证了该模型的可靠性和有效性。结果表明,改进遗传算法不仅收敛速度有所提高,而且优化效果显著,具有较高的应用价值。

关键词： ReaxFF力场   遗传算法   参数优化   分子动力学模拟  

摘要： 磺胺类抗生素引发的水体污染是当前亟待解决的环境问题,其中磺胺甲恶唑(SMX)因其在水体中的高残留特性成为重点管控污染物。热压缩水工艺(HCW)虽能有效降解SMX并生成小分子产物,但其复杂的降解反应机理导致传统实验手段难以捕捉反应中间体。基于此,采用ReaxFF力场开展分子动力学模拟,为揭示SMX降解机制提供了重要研究手段。针对现有分子力场在模拟磺胺甲恶唑降解过程中出现的电荷分布偏差及异常键断裂现象,本研究通过优化力场中氮、硫元素相关参数,并基于优化后的力场参数,结合分子动力学模拟,利用优化好的参数对磺胺甲恶唑的热解机理进行了探究。具体内容如下: (1)采用遗传算法程序对原有ReaxFF力场参数中N/S原子的电荷参数、N-S单键、N-O单键、S-O单键和S=O键的键参数和交叉项参数进行了优化。采用量子化学方法构建了多种训练集,选取了ADCH电荷作为训练电荷,使用MSE误差计算方法,对平衡点附近的误差进行了计算,采用范围法和百分比法交替多次迭代并得到了最终的拟合结果和电荷参数。选取了不同分子高压、平衡、高温三个阶段的结构之间的相对能量作为训练集,训练了相关键参数和交叉项参数,经过多次迭代得到了最终的拟合结果和最终参数,为了节约训练资源,探讨了训练集的等效替代策略,并使用已经优化好的参数进行了验证。为了使误差能够在平衡点附近足够小,探讨了训练集中的权重分配策略并提出了一种可供参考的方式。 (2)利用优化好的参数对SMX分子降解机制进行探究。首先对优化好的电荷参数进行了实际体系中的验证。使用两种建模方法构建了分别代表热压缩水氧化(模型1)和热压缩水气化(模型2)的基础模型,模型1采用MS建模,并探究了2100 K、2400K、2700 K、3000 K和3300 K条件下部分小分子的数目变化,列举了体系内高频次的反应式和反应物种。模型2采用Packmol建模,探究了3300 K条件下SMX分子的降解过程,并说明了优化后键参数较原参数的优势。

关键词： 生态女性视域   韩江小说   植物女性   自然与女性共生   人类暴力批判  

摘要： 随着生态危机与性别平等问题的双重凸显，生态女性主义理论为当代文学研究开拓了新的阐释维度。韩江的小说创作具有重要研究价值，其作品始终聚焦性异化与生命主体性的抗争叙事，高频出现的疾病意象与植物元素构成显著特征。本研究深度解析韩江小说蕴含的生态女性主义思想，具体从自然生态与女性命运的联结、生态女性主义伦理价值的体现、文学话语中的生态女性主义表达，以及父权制语境下的暴力批判四个维度展开论述。

关键词： 多体分离   轨迹预测   安全评估平台   嵌入式神经网络   遗传算法  

摘要： 针对高速飞行器头罩分离等高动态多体分离问题，开展气动特性智能预测与分离轨迹仿真模拟研究，为分离系统设计、分离窗口选择、分离方案优化与评估提供技术支撑。选取典型状态点进行数值模拟计算和网格测力风洞试验，建立气动数据库。采用融合高、低保真度数据的嵌入式神经网络进行学习训练，并结合遗传算法对神经网络结构进行优化，得到的气动力系数预测结果相较网格测力试验结果误差小于5%。在此基础上，采用四阶龙格-库塔法求解飞行器六自由度运动方程，建立了基于神经网络训练结果的分离轨迹仿真模拟方法。通过在不同初始分离条件下开展蒙特卡罗分析和灵敏度分析，评估了影响分离安全的主要因素。研究结果表明，与风洞CTS模拟轨迹结果相比，平台分离轨迹预测可靠，成本代价较低，可快速提升轨迹模拟能力，为分离方案设计提供有力支撑。

关键词： 动力总成悬置   橡胶本构模型   代理模型   多目标优化   遗传算法  

摘要： 随着智能网联汽车的快速发展,人们对汽车乘坐舒适性的要求也越来越高。动力总成悬置作为直接影响整车NVH特性的核心部件,对其进行动态特性优化已经成为提升汽车乘坐舒适性的关键。针对传统经验设计方法存在效率低、耦合刚度匹配性差等行业突出问题,提出一种基于贝叶斯神经网络代理模型的橡胶悬置结构多目标优化方法。本文的主要工作可以归结如下: (1)系统性开展橡胶材料静动态力学特性试验,完成了超弹与粘弹本构模型选取与参数标定。通过单轴、平面和等双轴拉伸压缩试验,分析比较了不同超弹本构模型的精度与适用性,并标定了所选用Ogden模型的本构参数。通过动态剪切试验,标定了橡胶材料广义Maxwell模型参数,并结合Abaqus稳态动力学分析验证其在0-50Hz频域内的模型精度。 (2)研究了主要结构参数对橡胶衬套动静力学特性的影响,完成了悬置结构的参数化。通过Abaqus仿真分析,研究橡胶衬套关键结构尺寸对动静刚度的耦合影响规律。针对某型悬置胶套确定了结构优化目标,并完成了结构参数化。 (3)基于贝叶斯神经网络代理模型,开展了橡胶悬置结构多目标优化设计。基于Python脚本自动化调用Abaqus进行批量有限元仿真,建立结构参数与动静刚度响应数据库。在对比分析不同代理模型基础上,选用贝叶斯神经网络模型,并结合遗传算法,实现了满足刚度目标约束的橡胶悬置静刚度协同多目标优化。最终样件验证表明,优化结果的动刚度误差控制在1.19%,满足工程精度要求。 本研究成果为动力总成悬置构优化提供了系统性技术框架,为缩短产品开发周期、节约开发成本及提升产品质量提供了有力技术理论支撑。

关键词： 进化计算   集成学习   特征构建   可解释机器学习   数据增强  

摘要： 随着人工智能技术的快速发展,集成学习在复杂场景下的应用面临诸多挑战。首先,传统特征选择方法难以与学习器的差异性优化协同,限制了集成模型的性能提升。其次,多模态数据的异质性使得人工设计的特征融合策略难以适应复杂的数据分布。此外,小样本场景下数据多样性不足与特征表征能力有限,导致模型泛化性能下降。再者,静态集成方法采用固定的特征表示和模型组合,无法针对不同数据类型的特性进行动态调整,制约了模型的适应能力。最后,大部分模型的“黑箱”特性制约了其应用范围,模型的预测精度与可解释性之间的平衡问题亟待解决。 因此,本文围绕上述问题,开展基于进化计算的智能集成学习算法研究,利用进化算法强大的搜索和优化能力,从特征选择、模态融合、数据增强和动态集成四个维度提升模型的预测精度和鲁棒性,同时结合可解释型展开探索。具体研究内容如下: A)针对集成学习中的特征选择问题与差异学习器的集成问题,本文开展了基于进化计算的集成分类算法研究,提出了一种基于差分进化算法的分类集成学习框架,以优化特征选择过程,并设计了一种可解释分类框架用于解释模型的输出。所提算法在三种不同类型的数据集上均优于原始算法,取得了明显的性能提升。 B)针对集成学习中多模态特征的融合问题,本文提出一种基于遗传规划的多模态集成回归算法。该算法自动优化模态融合与特征构建,并考虑了数据分布差异,有效提高了模型对异质性数据的适应能力,在此基础上将加权模型与可解释框架融合用于计算特征的全局重要性。在超精密铣削加工多模态数据集上的实验结果表明,与传统的机器学习算法相比,本文算法具有更高的预测精度,更好的可解释性。 C)针对集成学习中的小样本数据集问题,本文提出一种融合进化计算与数据增强的集成回归算法。该算法利用遗传算法生成新样本,以提升训练数据的多样性。同时采用基于遗传规划的Boosting集成策略构建新特征。同时从样本生成与特征构建两个层面缓解了数据不足导致的泛化性能下降问题。在两个少样本抛光加工数据集上的实验表明,与原始数据增强方法和传统集成算法相比,本文算法预测误差更小。 D)针对集成学习中静态集成的缺陷,即对所有测试实例均使用同一模型预测,本文提出一种基于进化计算的动态集成学习回归算法,该算法使用遗传规划算法构建多个特征子空间,基于协同能力区域的样本维护集成存档,解决传统集成学习方法中共享特征表示的问题。