有限元求解柏松方程。本文采用FORTRAN语言编制程序。程序中大部分变量采用有名公共区存储方式存储，这样可以减少内存占用量。 IFG：生成有限元网格信息，即元素节点局部编码与总体编码对照表，节点实际坐标，边界节点编码与边界点上的已知值 GKD：生成总刚一维存储对角元的地址，计算总刚一维存储长度 FIXP：设置已知节点函数值 GK(NI,NJ,ADJ,AIJ)：单元刚度矩阵计算 GF(NI,N,M,LE,YI,FE)：单元列阵的计算 AK(I,J,AIJ)：总刚度矩阵元素迭加 QEB：总刚度矩阵和总列阵合成 BDE：边界条件处理 SOLGS：Gauss-Seidel迭代法求解方程组 UDIFF(NI,NFLAG,UDIF,LE,ADJ)：标准元素内形状函数导数计算 DIFF：节点上 ， 加权平均
上传时间： 2017-09-12
上传用户：erkuizhang
有限元求解柏松方程。本文采用FORTRAN语言编制程序。程序中大部分变量采用有名公共区存储方式存储，这样可以减少内存占用量。 IFG：生成有限元网格信息，即元素节点局部编码与总体编码对照表，节点实际坐标，边界节点编码与边界点上的已知值 GKD：生成总刚一维存储对角元的地址，计算总刚一维存储长度 FIXP：设置已知节点函数值 GK(NI,NJ,ADJ,AIJ)：单元刚度矩阵计算 GF(NI,N,M,LE,YI,FE)：单元列阵的计算 AK(I,J,AIJ)：总刚度矩阵元素迭加 QEB：总刚度矩阵和总列阵合成 BDE：边界条件处理 SOLGS：Gauss-Seidel迭代法求解方程组 UDIFF(NI,NFLAG,UDIF,LE,ADJ)：标准元素内形状函数导数计算 DIFF：节点上 ， 加权平均
上传时间： 2017-09-12
上传用户：问题问题
一种流形学习算法，改正了Isomap不能对非凸流形进行降维的不足，是一种局部等距的降维方法。
上传时间： 2014-11-24
上传用户：siguazgb
一种用于非线性降维的流形学习算法，主要是先考虑用每一点处的局部切空间表示该点处的几何特征，然后都局部切空间进行排列。
上传时间： 2017-09-20
上传用户：ukuk
大型发电机定子槽楔发生松动会导致定子线棒在电磁力的作用下产生电磁振动，从而加剧定子线 棒绝缘的机械磨损及槽内放电引起的绝缘腐蚀，直接威胁着大型发电机的安全运行。通过对大电机的2种 不同固定结构槽楔的松动过程进行研究，获取槽楔受迫振动条件下的声音及位移特性来综合判断槽楔的松 动程度，并在此振动特性的理论模型及实验基础上，开发了基于DSP数字信号处理的大型发电机槽楔松动 检测系统，能够快速准确地检测槽楔的松动性。在电厂现场实测验证了本槽楔松动检测系统的有效性
上传时间： 2014-01-11
上传用户：从此走出阴霾
Ø 出动m只蚂蚁，每只蚂蚁各随机选择一条路径，记为I=[1 2 3···m]，长度记为long(I); Ø 计算出每条路径的信息素浓度，记为P(I)=1/long(I)，并进行归一化处理; Ø 重新出动m只蚂蚁，按如下规则选择路径： l 每只蚂蚁都以一个概率p1选择新路径(路径随机)； l 未选择新路径的蚂蚁以概率P(I)选择路径I； l 所有蚂蚁都以一个小概率p2对自己的路径进行局部变化； Ø 更新所有路径，计算出每条路径的信息素浓度； Ø 重复上述步骤，直至仅剩一条路径。
上传时间： 2015-04-16
上传用户：jackynie
遗传算法为群体优化算法，也就是从多个初始解开始进行优化，每个解称为一个染色体，各染色体之间通过竞争、合作、单独变异，不断进化。 优化时先要将实际问题转换到遗传空间，就是把实际问题的解用染色体表示，称为编码，反过程为解码，因为优化后要进行评价，所以要返回问题空间，故要进行解码。SGA采用二进制编码，染色体就是二进制位串，每一位可称为一个基因；解码时应注意将染色体解码到问题可行域内。 遗传算法模拟“适者生存，优胜劣汰”的进化机制，染色体适应生存环境的能力用适应度函数衡量。对于优化问题，适应度函数由目标函数变换而来。一般遗传算法求解最大值问题，如果是最小值问题，则通过取倒数或者加负号处理。SGA要求适应度函数>0，对于<0的问题，要通过加一个足够大的正数来解决。这样，适应度函数值大的染色体生存能力强。 遗传算法有三个进化算子：选择（复制）、交叉和变异。 SGA中，选择采用轮盘赌方法，也就是将染色体分布在一个圆盘上，每个染色体占据一定的扇形区域，扇形区域的面积大小和染色体的适应度大小成正比。如果轮盘中心装一个可以转动的指针的话，旋转指针，指针停下来时会指向某一个区域，则该区域对应的染色体被选中。显然适应度高的染色体由于所占的扇形区域大，因此被选中的几率高，可能被选中多次，而适应度低的可能一次也选不中，从而被淘汰。算法实现时采用随机数方法，先将每个染色体的适应度除以所有染色体适应度的和，再累加，使他们根据适应度的大小分布于0-1之间，适应度大的占的区域大，然后随机生成一个0-1之间的随机数，随机数落到哪个区域，对应的染色体就被选中。重复操作，选出群体规模规定数目的染色体。这个操作就是“优胜劣汰，适者生存”，但没有产生新个体。 交叉模拟有性繁殖，由两个染色体共同作用产生后代，SGA采用单点交叉。由于SGA为二进制编码，所以染色体为二进制位串，随机生成一个小于位串长度的随机整数，交换两个染色体该点后的那部分位串。参与交叉的染色体是轮盘赌选出来的个体，并且还要根据选择概率来确定是否进行交叉（生成0-1之间随机数，看随机数是否小于规定的交叉概率），否则直接进入变异操作。这个操作是产生新个体的主要方法，不过基因都来自父辈个体。 变异采用位点变异，对于二进制位串，0变为1，1变为0就是变异。采用概率确定变异位，对每一位生成一个0-1之间的随机数，看是否小于规定的变异概率，小于的变异，否则保持原状。这个操作能够使个体不同于父辈而具有自己独立的特征基因，主要用于跳出局部极值。 遗传算法认为生物由低级到高级进化，后代比前一代强，但实际操作中可能有退化现象，所以采用最佳个体保留法，也就是曾经出现的最好个体，一定要保证生存下来，使后代至少不差于前一代。大致有两种类型，一种是把出现的最优个体单独保存，最后输出，不影响原来的进化过程；一种是将最优个体保存入子群，也进行选择、交叉、变异，这样能充分利用模式，但也可能导致过早收敛。 由于是基本遗传算法，所以优化能力一般，解决简单问题尚可，高维、复杂问题就需要进行改进了。 下面为代码。函数最大值为3905.9262，此时两个参数均为-2.0480，有时会出现局部极值，此时一个参数为-2.0480，一个为2.0480。算法中变异概率pm=0.05，交叉概率pc=0.8。如果不采用最优模式保留，结果会更丰富些，也就是算法最后不一定收敛于极值点，当然局部收敛现象也会有所减少，但最终寻得的解不一定是本次执行中曾找到过的最好解。
标签： 遗传算法
上传时间： 2015-06-04
上传用户：芃溱溱123
信息化战争是一种充分利用信息资源并依赖于信息的战争形态，是指在信息技术高度发展以及信息时代核威慑条件下，交战双方以信息化军队为主要作战力量，在陆、海、空、天、电等全维空间展开的多军兵种一体化的战争，依托网络化信息系统，大量地运用具有信息技术，新材料技术，新能源技术，生物技术，航天技术，海洋技术等当代高新技术水平的常规的武器装备，并采取相应的作战方法，在局部地区进行的，目的手段规模均较有限的战争。
上传时间： 2015-06-04
上传用户：dfhjdsh
本文首先介绍了 AGV的整体控制系统结构,随后指出了设计AGV系统时的关键技术。本系统中环境电子地图采用拓扑地图方法构建。简单介绍了电子地图在数据库中的存储方式以及在计算机中的存储方法,在介绍完这些之后,又对文章中采用的数据库访问方法进行了简单讲解。除此之外,本文提出了 一种新的路径规划方法,这种方法采用改进的Dijkstra路径搜索算法作为全局路径搜索算法,采用启发式搜索算法A*算法作为局部路径搜索算法。在多AGV路径规划方面,为了实现小车防碰撞,本文介绍了多种防止冲突的方法,包括交通规则法,单向路径法,时间窗方法等。为了验证所提出算法的有效性,在文章的最后,针对小车运行的多种情形,进行了仿真试验和实际运行实验,结果表明了所设计算法的实用性,应用该算法搜索到的路径不仅长度最短,转弯最少,而且有效的防止了冲突,所有路径均为最优路径。
上传时间： 2016-04-01
上传用户：五块钱的油条
模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。
上传时间： 2016-05-11
上传用户：wkchong
