赛车空气动力学套件全局优化策略研究

大学生方程式赛车空气动力学套件的优化对于赛车的燃油经济性和操纵稳定性有着重要的影响。从全局角度出发,选取前翼、后翼、侧翼各翼片攻角共10个设计变量,横向对比了不同的试验设计方法、近似模型搭建方法以及多目标优化方法,之后通过圈速仿真进行验证,选择出最适合翼型攻角优化问题的优化策略,并以此策略对整车进行优化。对比优化前后整车气动性能,最终赛车的气动负升力增加19%,阻力增加2.03%,较好地改善了赛车的空气动力学性能。结果表明,此种优化策略可以为赛车翼片攻角的选定提供一定的指导。

指挥调度环节“全局优化”厂应急救援的路径研究

应急指挥调度环节作为应对处置突发公共危机事件的指挥中枢和协调枢纽,直接影响着应急救援的效率和质量,在应急管理全过程中发挥着重要作用。本文作者提出,通过三个层面、五条路径的“全局”优化补充,能够进一步提升应急救援的速度和质量、效益和效能,从而全面和持续地提升处理急难险重突发公共事件的能力。

深度神经网络结合迁移学习和基因遗传算法加速金属团簇结构全局优化

在团簇科学中,搜索金属团簇的全局最小能量结构具有重要的意义.最近,深度神经网络结合迁移学习的全局优化方法被开发出来,以提高金属团簇结构的优化效率,该方法可以大幅减少训练深度神经网络所需的样本数量.为了进一步提高势能面的采样效率和深度神经网络结合迁移学习的全局优化方法的全局搜索能力,本文提出了一种将基因遗传算法嵌入到深度神经网络结合迁移学习中的全局优化方法.在Pt_(n)(n=9-15)团簇的全局优化中,该方法只需要深度神经网络结合迁移学习的全局优化方法一半的样本数量就能优化得到全局最优结构,同时节省了约70%~80%的计算成本,这表明全局搜索能力的显著提升。在Pt_(14)团簇势能面上的采样结果显示,该方法搜索到低能量的样本(占比25%)比深度神经网络结合迁移学习方法的样本(占比<1%)更多.在Pt_(16)和Pt_(17)团簇的全局最优结构搜索中,本文报道了文献中尚未报道的新结构,证明本论文建立的方法的可行性和先进性.

耦合有机朗肯循环的换热网络全局优化

针对换热网络与有机朗肯循环耦合集成优化问题,建立了严谨的混合整数非线性规划(MINLP)模型。同时,通过添加与物流匹配的关键约束,剔除掉重复性的网络结构,开发了一种新型的枚举算法,将复杂的MINLP模型分解为混合整数线性规划(MILP)和非线性规划(NLP)两个子模型。迭代运行MILP模型,枚举出所有可行的网络结构;再利用全局求解器BARON优化每一个网络结构所对应的NLP模型,求得固定结构的年度总费用;最后对比所有网络结构的年度总费用,筛选出全局最优的设计方案。案例分析结果表明,该算法仅需16 s就能收敛至全局最优解,与文献相比,年度总费用降低33.4%,且所提出的网络结构约束能使重复性的网络结构数量减少81.25%,从而提高算法的优化求解效率。

一种两阶段求解LED光谱匹配系数高效全局优化算法

用单色发光二极管(LED)组份合成目标光谱在现实中有重要意义。当单色LED组成成份多、目标光谱合成精度要求高时,求解光谱组成成份的比例问题变成了超定方程组非负解的组合优化难题。智能优化类算法提高了解的全局最优性,但若没有利用目标函数的数学解析性质,其收敛速度慢,解的精度不高。梯度类算法收敛到局部解的速度快且精度高,但至今没有成熟理论技术求解非凸优化全局最优解,且问题中非负解的要求限制了该类算法的收敛速度。同时,目标函数的最小二乘信息在求解时没有得到充分利用。基于目标函数的数学可解析性、表现形式的二次非线性格式、最终解的非负要求,提出了一种两阶段优化算法LLR_LBFGS。第一阶段进行无约束的线性拟合,得到目标函数的最小二乘近似理论解,第二阶段借助带约束的拟牛顿方法LBFGS进一步求取问题的非负全局最优解。以标准目标光谱CIE-A、CIE-D65、CIE-D50、CIE-D55、CIE-D75的最佳拟合为研究对象,对比了新方法与拉索回归算法(LASSO)、岭回归算法(RIDGE)、差分进化算法(DE)、粒子群算法(PSO)及遗传算法(GA)的求解精度和运行速度,以及决策系数R 2。基于实际工业案例的数值结果表明,LLR_LBFGS能够较快地锁定全局解的范围,收敛速度更快;能够借助目标函数的数学可解析性提高解的精度。两个阶段的衔接融合能够获得较好的全局最优解的起始点和高精度的最优解。该方法对解决LED光谱拟合问题潜力大,有普适性。基于该设计思路,可以在算法的两个阶段中,组合设计更多、更灵活的光谱配比解决方案。这对于求取LED光谱匹配最优解的智能优化类方法改善效果有较好的启发意义。

求解大规模全局优化问题的新型三层递归差分分组方法

协同进化算法在求解大规模全局优化问题上具有较好的效果,其核心思想是利用分而治之的策略将一个高维问题分解成若干个子问题,然后分别优化每个子问题.然而,现有的分解方法通常需要花费大量的计算成本来获得精确的变量分组.通过采用递归交互检测中的历史信息简化分组过程,能够避免检测某些集合的相互关系,本文提出了一种新型三层递归差分分组策略(NTRDG).与其他4种现有的分组方法相比,NTRDG在不影响分组精度的情况下计算成本消耗较低.仿真结果表明,NTRDG在求解大规模全局优化问题时具有很强的竞争力.

基于改进的填充函数法求解全局优化问题的全局最优解

本文构造一个新的单参数填充函数.此函数用于寻求全局优化问题的全局最优解.首先在合理的假设条件下,探究并且证明了该填充函数的填充性质和其他的必要性.此单参数填充函数与目标函数有相同的局部极小值点.意味着在算法执行中仅需在第一步迭代中极小化目标函数.此外,极小化填充函数得到的点就是原问题更优的局部极小点.其次,给出相应的填充函数算法.最后,进行了经典数值实验,并与其他文献的结果比较.结果表明,该算法迭代次数较少,结果精确度较高,算法有效.

基于全局优化的列车自动驾驶实时规划算法

[目的]针对现有城市轨道交通列车自动驾驶中目标速度规划算法运算量大、运算时间长而无法实时应对突发状况时线路限速临时改变的问题,提出一种基于全局优化的目标速度实时规划算法,实时生成规划速度曲线。[方法]依据列车当前位置、当前速度、运行前方线路限速等条件,首先通过逐点计算的方式生成最短用时规划速度曲线;接着调整牵引、制动级位使列车保持匀加速/减速运行,优化列车运行的舒适度指标;并结合调整最高限速段的巡航速度减少不必要的牵引和制动时间,优化列车运行的能耗指标,最后输出列车规划速度曲线。[结果及结论]仿真结果表明,采用该算法实时生成的规划速度曲线满足了安全、准时和精准停车等基本约束条件,相比传统规划算法,提高了列车的运行舒适度,降低了列车运行能耗;同时,也可以有效应对突发状况时线路限速临时改变的情况,实现多个运行指标的优化。

基于全局优化GAN的不平衡数据故障诊断

为解决不平衡数据深度学习特征提取不准确,导致误分类率高的问题,提出了一种基于全局优化生成对抗网络的不平衡数据故障诊断方法。首先利用自动编码器解码网络和深度神经网络故障诊断结果指导生成器的训练,有效地避免了模型崩溃和梯度消失的问题。然后设计了一种两级判别器,通过增加深度神经网络故障诊断模型作为附加判别器,同时,采用传统的判别器对不合格的故障样本进行滤波。通过生成器和两个分级鉴别器交替优化,同时提高了生成器的生成能力以及鉴别器的识别能力。实验结果表明提出的方法能够有效地提升不平衡样本故障诊断精度。

求解全局优化问题的SCA-VPPSO算法及其应用

正余弦算法和速度暂停粒子群算法是两个优秀的元启发式算法,用于解决连续全局优化问题。在解决实际问题中,它们始终面临着跳出局部极小的问题。为此,基于二者,提出了一种新的混合搜索算法,称为SCA-VPPSO算法。该算法以速度暂停粒子群算法的搜索框架为基础,将正余弦搜索算子从原先的全维度更新策略转变为部分维度更新策略,并将之用于开发探索上,与速度暂停粒子群算法中的局部搜索行为进行了融合,形成双模式局部探索模式。混合后的SCA-VPPSO算法能够更加有效地平衡局部利用和全局探索,从而增强算法跳出局部最小的能力并获得更好的结果。所提算法与正余弦算法、速度暂停粒子群算法和2个近期发表的优秀算法在CEC2019测试集和一个工程实际应用上进行了性能分析,结果表明所提算法的优化性能有显著提高,扩展了算法的应用范围,为元启发式算法的发展提供了新的混合搜索模式。

基于点云的椎弓根置钉通道全局优化方法研究

针对现有全局优化方法规划椎弓根置钉通道时出现的上关节突结构破坏现象,提出了基于修剪模型实体点云规划方向线的方法,对比方向线的规划结果、分析误差来源。针对现有内轮廓拟合法获取投影点云最大内切圆时操作繁复冗杂、精度不高、学习曲线长的缺点,提出了3D Reshaper内置功能法和BFGS法。以L1、L3、L5椎弓根样本的规划过程、参数比对检验规划方法的可行性、鲁棒性和简约性,推荐采用具有综合优势的3D Reshaper内置功能法。

一种全局优化混合动力牵引计算仿真软件

[目的]混合动力列车的配置最优化设计问题涉及系统成本、能耗及运营要求,有必要对具有全局优化功能的混合动力仿真软件进行研究。[方法]介绍了一种全局优化混合动力牵引计算仿真软件功能及架构,阐述了该软件关键模块的计算模型及计算原理。以某混合动力有轨电车项目为案例,进行混合动力列车车载储能与地面充电方案系统优化的仿真,验证软件的应用效果。[结果及结论]采用该全局优化混合动力牵引计算仿真软件,对列车储能装置及线路充电桩的排布方案进行全局优化后,不仅优化后的方案造价相较未经优化的方案造价有所降低,而且优化后方案完全能满足列车的正常运行要求。

改进高效全局优化算法在船型优化中的应用

船型优化问题的复杂度越来越大,导致昂贵数值计算量越来越大,进而优化成本越来越高,对优化技术提出了更高的要求:精简计算量,降低优化成本。本文针对高效全局优化算法进行研究和开发,对其初始样本点、加点法则以及收敛条件等进行了探讨,采用多种初始样本点数启动优化,采用“期望函数”作为单目标加点法则以及欧氏距离EIM函数作为多目标加点法则,使用遗传算法对加点函数进行寻优精确定位最佳新增样本点,并通过标准优化测试函数进行了验证。为船型优化问题提供了新的思路。

我校在利用混合代理模型提高黑箱问题全局优化精度方面取得重要进展

许昌学院电气与机械工程学院李耀辉博士课题组针对目前Kriging代理模型存在建模效果欠佳、优化收敛精度不高等瓶颈问题,提出了一种基于自适应加权混合代理模型(GOAAWHS)的全局优化算法,并应用到黑箱工程问题的仿真优化设计中。在每次迭代过程中,该方法能够自适应选择权重系数来构建基于Kriging和RBF的混合模型;接着,对由预测目标、均方根误差和距离参数组成的两个目标函数进行双目标优化,以生成Pareto前沿;最后,对Pareto前沿数据作进一步筛选来获取价值更大的全局最优解。

一种新的全局优化搜索算法——人口迁移算法(I)

对函数全局优化和人口迁移的比较研究表明 ,两者存在相似之处 .文中通过模拟人口迁移机制建立了一种新的全局优化搜索算法———人口迁移算法 (PMA) .它模拟了人口随经济重心而转移、随人口压力增加而扩散的机制 ,前者促使算法选择较好的区域搜索 ,后者可在一定程度上避免陷入局部最优点 .数值实验表明了PMA的全局优化能力 .

基于EGA与Alopex算法的非可微函数混合全局优化算法

遗传算法是一种全局优化算法,能以较大概率搜索到全局最优解。本文将Alopex算子嵌入到保留最优个体遗传算法(EGA)中,对非可微或求导困难函数从而得到既能以较大概率搜索全局极值,又能进行局部细致搜索的混合全局优化算法;并对其全局收敛性和计算效率作了证明与分析。数值计算结果表明该算法优于求解函数优化的EGA和Alopex算法。

求解全局优化问题的两阶段模式搜索算法

将Matlab中全局优化工具箱中的模式搜索求解器与割峰函数结合,提出一个两阶段模式搜索算法。首先通过模式搜索求解器求解包含多个极小值的优化问题,返回结果后,在当前迭代点处定义割峰函数,继而采用模式搜索求解器进一步极小化辅助函数寻找比当前结果更好的下降点。该算法简单易行,数值结果表明新算法提高了模式搜索求解器获得全局解的效率。

实现快速全局优化的跨越函数方法

本文提出了一种快速求解全局优化问题的跨越函数方法,与以填充函数法为代表的一类全局优化方法相比,本文定义的跨越函数直接凸显了在求解全局优化问题时构造辅助函数的目的,更重要的是跨越函数方法能够一步跨过函数值比当前局部极小值高的区域,而直接找到原函数f(x)的位于函数值比当前局部极小值低的区域中的局部极小点,加快了全局寻优的过程,并且通过有限次迭代,找到全局最优解.

跨越函数法:一类全局优化的新策略

提出了一类求解全局优化问题的新策略:跨越函数法.与以填充函数法为代表的一类全局优化方法相比,跨越函数法直接凸显了在求解全局优化问题时构造辅助函数的目的,并能仅通过一次迭代跨越函数值比当前局部极小值高的区域,而直接找到原函数f(x)的位于函数值比当前局部极小值低的区域中的局部极小点,通过有限次迭代,找到全局最优解.

光伏发电系统的小信号建模及其控制器参数的全局优化设计方法

研究光伏发电系统的暂态稳定性有利于认识太阳能发电与电力系统之间的交互式影响规律。在充分考虑光伏发电系统中各重要环节的详细模型的基础之上,建立了适用于暂态稳定分析的全系统小信号模型,并据此分析了光伏发电系统的小干扰稳定性和低频振荡特性。研究结果表明:光伏逆变器的电压外环以及有功电流内环对系统的特征值影响较显著且较全面,对系统的稳定性影响较大。电压外环的积分系数以及有功电流内环的比例系数过大均可能会对电力系统阻尼产生负面影响,甚至改变光伏发电系统的阻尼性质。最后提出了一种提高系统稳定性的控制器参数全局优化设计方法,为科学合理地设计控制器参数提供了方法支撑。