混合遗传算法在动力系统阻尼参数识别中的应用

"基于混合遗传算法的动力系统阻尼参数识别方法 (2004年) - 国家自然科学基金资助论文 - 李守巨, 刘迎曦, 冯颖" 这篇2004年的论文主要探讨了动力系统阻尼参数识别的问题，它将这个问题转化为一个非线性优化问题，然后提出了一种基于混合遗传算法的解决方案。动力系统在振动分析中，质量矩阵和刚度矩阵的确定相对容易，但阻尼矩阵的精确估计却较为复杂。传统的Rayleigh阻尼模型存在人为选择比例系数和缺乏物理意义的问题。 论文中，作者们创新性地结合了模拟退火算法和遗传算法，构建了混合遗传算法，以提高算法的计算效率和解决早熟问题，即算法过早收敛到局部最优而非全局最优。通过数值计算，他们证明了这种方法在解决参数识别反问题和非线性优化问题上的有效性，同时也展示出良好的鲁棒性和全局收敛性能。 混合遗传算法的工作原理是利用遗传算法的全局搜索能力和模拟退火算法跳出局部最优的能力。遗传算法通过模拟生物进化过程中的遗传和突变操作来搜索解决方案空间，而模拟退火算法则引入了一个温度参数来控制接受次优解的概率，从而避免算法过早收敛。 在动力系统阻尼参数识别中，这种混合算法可以更准确地估计阻尼矩阵，克服了传统方法的局限性，为动力系统的建模和分析提供了更为精确的工具。这一研究成果对于工程领域的振动分析、结构动力学建模以及设备性能评估等方面具有重要的理论和实践意义。 关键词涉及混合遗传算法、参数识别、阻尼矩阵、精细积分和模拟退火算法，这些是论文的核心技术点。论文的作者包括李守巨（副教授）、刘迎曦（教授、博士生导师）和冯颖，他们的工作得到了国家自然科学基金的支持。论文发表在《计算力学学报》的第21卷第5期，2004年10月，展示了在动力系统建模和优化算法领域的最新进展。