基于CACO-SVM的高速列车头型多目标优化
张业; 郭迪龙; 姚拴宝; 杨国伟
2014
会议名称第八届全国流体力学学术会议
会议日期2014-09-18
会议地点中国甘肃兰州
关键词混沌蚁群算法 SVM代理模型 多目标优化 气动外形 高速列车
其他题名中国科学院力学研究所流固耦合系统力学重点实验室;
中文摘要基于混沌优化理论和蚁群算法构造出了一种混沌蚁群算法(CACO),解决了基本蚁群算法容易陷入局部最优解和随机变异方法导致的搜索效率低的问题。对不同种类的算法进行了对比分析,发现混沌蚁群算法的寻优能力明显优于遗传算法和粒子群算法。针对头型优化中小样本、非线性的特点,提出了基于RBF核函数的支持向量机(SVM)代理模型,并结合混沌蚁群算法对三辆编组的高速列车简化气动外形进行了多目标优化。优化结果表明,提出的基于SVM和混沌蚁群算法的优化方法寻优能力强、预测精度高,优化后,三辆编组简化外形头车气动阻力和尾车气动升力均明显减小,提出的优化设计方法高效、方便,可以为高速列车气动外形多目标优化提供参考。
会议主办者国家重点基础研究发展计划(2011CB71100)资助
会议录第八届全国流体力学学术会议论文摘要集
语种中文
内容类型会议论文
源URL[http://dspace.imech.ac.cn/handle/311007/52170]  
专题力学研究所_流固耦合系统力学重点实验室(2012-)
推荐引用方式
GB/T 7714
张业,郭迪龙,姚拴宝,等. 基于CACO-SVM的高速列车头型多目标优化[C]. 见:第八届全国流体力学学术会议. 中国甘肃兰州. 2014-09-18.
个性服务
查看访问统计
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。


©版权所有 ©2017 CSpace - Powered by CSpace