基于优化的人工神经网络的金属保护结构的反透随机性研究
Lan Liu1, Weidong Chen2, Shengzhuo Lu3
1College of Aerospace and Civil Engineering, Harbin Engineering University, Harbin, 150001, China. wangyi_liulan@163.com.
Scientific reports
|May 13, 2025
概括
这项研究引入了一种新的动态生命周期遗传算法 (DLGABPNN),用于分析金属保护结构 (APRMPS) 的反透随机性. DLGABPNN-MCS方法提高了透概率预测的效率和准确性.
科学领域:
- 工程机械 工程机械 工程机械
- 计算智能是一种计算智能.
- 材料科学 材料科学 材料科学
背景情况:
- 评估金属保护结构 (APRMPS) 的反透随机性对于安全和设计至关重要.
- 现有的方法在分析复杂的随机变量和结构反应时可能缺乏效率.
研究的目的:
- 开发一种先进的计算方法来研究金属保护结构的反透随机性.
- 引入和验证动态生命周期遗传算法 (DLGABPNN) 以优化APRMPS分析中的代孕模型.
主要方法:
- 分析基本随机变量和APRMPS的随机响应.
- 开发和应用动态生命周期遗传算法 (DLGABPNN) 来优化反向传播神经网络.
- 实施DLGABPNN-MCS (蒙特卡洛模拟) 技术路线用于APRMPS分析.
主要成果:
- 通过对金属目标的两个案例研究,展示了应用程序.
- 证明了动态生命周期遗传算法在优化逆向传播神经网络方面比标准遗传算法更高效.
- 验证了DLGABPNN-MCS方法用于研究APRMPS的有效性.
结论:
- 提出的动态生命周期遗传算法是一种新的,通用的启发式算法.
- DLGABPNN-MCS为APRMPS研究提供了一个共同的技术方法.
- 这些发现为将DLGABPNN应用于其他优化问题以及未来的APRMPS研究提供了参考.
