赖文星;邓忠民;张新杰 基于NSGA2改进算法的结构动力学模型验证。 （中文。英文摘要） Zbl 1438.90304号 下巴。J.计算。机械。 35，第6号，669-674（2018）. 摘要：传统的结构动力学模型验证方法通常采用单目标优化。由于精度和稳定性较差，难以满足实际工程需要。本文以神经网络为主体模型，建立以马氏距离和鲁棒性为优化目标的多目标优化模型，并用NSGA2进行求解。针对NSGA2算法在识别伪非优势个体方面存在效率低、收敛性和分布性差等设计缺陷，提出了一种基于优势强度的改进NSGA2（INSGA2-DS）算法。INSGA2-DS将优势强度引入非优势排序方法，并采用新的拥挤距离公式和自适应精英保留策略来提高收敛效率和Pareto解质量。GARTEUR飞机的仿真结果表明，INSGA2DS在解决复杂工程问题时具有更好的收敛性和分布性。考虑鲁棒性的结构动力学模型验证方法可以提供满足不同目标要求的多种Pareto解集，提高模型验证的准确性和稳定性。 MSC公司： 90立方厘米29 多目标和目标规划 92B20型 生物研究、人工生命和相关主题中的神经网络 关键词：模型验证;结构动力学;稳健性;多目标优化 PDF格式BibTeX公司 XML格式引用 \textit{W.Lai}等人，Chin。J.计算。机械。35，第6号，669--674（2018；Zbl 1438.90304） 全文： 内政部