求解约束优化问题的改进蛇优化算法

结合外点罚函数法与改进蛇优化算法求解约束优化问题,得到一种新的求解约束优化问题的算法WDFSO。算法WDFSO首先通过外点罚函数法将约束优化问题转化为一系列界约束优化问题,然后运用基于变异质心的对立学习策略与种群分类策略改进的蛇优化算法对所得界约束优化问题进行求解,进而获得所求约束优化问题的解。为验证算法WDFSO的有效性,选取CEC2006中19个标准约束优化问题进行数值实验,并使用Wilcoxon秩和检验来证明算法的显著性。实验结果表明,与对比算法相比,算法WDFSO求解约束优化问题具有更高的收敛精度和更好的稳定性。最后应用算法WDFSO求解两个工程约束优化问题,结果表明算法WDFSO求解性能更好。

基于混合策略改进的蛇优化算法及其应用

针对基本蛇优化算法求解优化问题时易陷入局部最优的问题,提出了一种基于维度选择策略、选择交配策略和重新分组策略的改进蛇优化算法(SSO)。算法SSO在基本蛇优化算法在战斗或交配阶段引入维度选择策略,由随机概率选择每条蛇个体在不同维度的位置更新模式,以避免迭代后期出现个体位置停滞现象;同时引入选择交配策略,选择适应度值小的部分个体进行战斗或交配,剩余个体利用探索阶段位置更新公式进行位置更新,以提高战斗或交配阶段的探索能力;采用重新分组策略,个体每迭代10次都将随机打乱并重新分组,以增加种群多样性,提高算法寻优能力。利用30个标准无约束优化问题进行了数值实验,结果表明,相比于基本蛇优化算法SO等6种对比算法,算法SSO的寻优能力更强,且对求解高维优化问题更有效。用算法SSO优化BP神经网络的初始权值和阈值,实验结果表明所得SSO-BP神经网络在红酒分类和预测鲍鱼年龄时的准确性和稳定性优于其他对比神经网络。

基于最小二乘支持向量机和混沌优化的非线性预测控制

针对非线性多入多出(MIMO)系统,提出一种基于最小二乘支持向量机(LSSVM)和混沌优化的预测控制策略.预测模型是预测控制的三要素之一.本文给出了基于混沌优化的Chaos-LSSVM算法,在可行域内反复搜索,从而得到最优的LSSVM算法参数,以及最优的LSSVM模型.在线优化是另一个要素.提出了基于变尺度混沌优化的MSC-MPC(变尺度混沌-模型预测控制)算法,可根据控制误差的大小,决定是否缩小搜索范围,从而迅速收敛到最优解.该算法计算简单,容易实现,避免了同类方法复杂的求导、求逆运算.仿真结果显示:Chaos-LSSVM算法和MSC-MPC算法分别具有良好的建模、控制性能.

一种求解约束优化问题的遗传算法

提出一种求解约束优化问题的遗传算法。通过可行解与不可行解算术交叉的方法对问题的决策空间进行搜索,对可行种群和不可行种群分别按照适应度和约束违反度进行选择。传统变异操作使得解往往偏离了约束区域,因此引入对可行解的边界变异和对不可行解的非均匀变异,并通过维变异方法保持种群的多样性。数值实验结果说明该算法的有效性。

基于物种选择的遗传算法求解约束非线性规划问题

将信赖域思想和基于稳定进化策略思想相结合,提出一种基于物种选择的遗传算法。根据当前代最优点,采用稳定最优种群数目和收缩最优种群边界的方法将种群划分为最优种群和全局种群,并提出基于构造优化方向的一种新的交叉算子。研究结果表明:对这2种群按不同的策略协调进化,较好地平衡了种群的多样性和选择压力,兼顾了局部搜索和全局搜索;缺少合适的搜索方向是进化后阶段收敛速度慢的重要原因之一;本算法能有效地提高遗传算法的收敛速度,并具有比较好的鲁棒性。

基于动态随机搜索和佳点集构造的改进粒子群优化算法

针对粒子群优化算法局部搜索能力不足和易出现早熟收敛的问题,提出一种基于动态随机搜索和佳点集构造的改进粒子群优化算法。该算法通过引入动态随机搜索技术,对种群当前最优位置进行局部搜索;采用佳点集构造对陷入早熟收敛的种群重新初始化;引入负梯度方向直线搜索来加速算法寻优。仿真实验结果表明,与标准粒子群优化(SPSO)算法和耗散粒子群优化(DPSO)算法比较,提出的改进算法具有快速的收敛能力而且能有效地跳出局部最优,优化性能得到明显提高。

含维变异算子的连续域蚁群算法

针对在连续优化中,蚁群算法(ACO)存在的收敛速度慢和易陷入局部最优的问题,提出了一种新的含维变异算子的连续域蚁群算法(DMCACO)。该算法采用动态随机抽取的方法来确定目标个体,引导蚁群进行全局的快速搜索,同时在当前最优蚂蚁邻域内进行小步长的局部搜索。在定义了维多样性概念的基础上,引入维变异算子对维多样性最差的维进行变异:让所有蚂蚁在该维上的位置重新均匀分布在可行区域上。对测试函数所做的仿真实验表明,该算法具有优良的全局寻优能力和快速的收敛能力。

动态惯性权重向量和维变异的粒子群优化算法

分析了含维变异算子的粒子群优化算法全局搜索能力与收敛速度的矛盾,提出了动态惯性权重向量和维变异的改进粒子群优化算法。算法首先定义了维多样性的概念,根据维多样性的情况动态地调整惯性权重向量,并对维多样性最差的维进行变异。4个典型测试函数的仿真实验说明该算法具有更强的全局搜索能力和更快的收敛速度。

自适应梯度指导交叉的进化算法

针对进化算法随机盲目搜索的缺点,提出一种新的自适应梯度信息指导交叉的进化算法.该算法首先利用混沌序列初始化种群,在迭代过程中,根据当前最优个体的梯度信息和种群与个体的聚集程度,自适应地确定最优个体的负梯度方向范围,在该范围内随机选择个体与当前最优个体进行算术交叉操作,使交叉后的个体以较大概率向较好解的方向进化.另外,引入自适应变异算子用于平衡算法的开发和探测能力.几个典型测试函数的实验结果表明,新算法具有较高的收敛精度.

基于模糊控制的污水曝气系统的研究

针对某污水处理厂鼓风机房、生化池曝气过程系统,介绍了一般污水处理厂的污水处理工艺流程,并就其中的曝气过程,提出了基于PLC和变频器的电气控制方案,设计了基于OPC技术的上位机监控系统。考虑到污水处理曝气过程具有间歇性、时滞性的特点,采用模糊控制对出水溶解氧浓度参数进行控制。基于一定假设,对曝气过程进行数学建模,通过Matlab仿真,将传统PID控制与模糊控制进行比较,结果表明了模糊控制策略的有效性和优越性。

基于梯度信息指导交叉的遗传算法

针对基本遗传算法在解空间中盲目选取交叉个体,导致算法在后期搜索能力差、收敛速度慢的缺点,提出了一种基于梯度信息指导交叉的遗传算法。该算法通过确定当前种群中目标个体的最速下降方向,选取该方向下的一个有效范围,在该有效范围内选择个体与目标个体进行交叉操作,使交叉后的子代不断向最优解靠近,有效地保证了交叉操作的目的性和可行性。四个典型测试函数的仿真实验表明,该算法显著加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度。

嵌入共轭梯度法的混合粒子群优化算法

针对标准粒子群算法收敛速度慢和精度低的问题,提出了一种嵌入共轭梯度法的混合粒子群优化算法.算法有效结合了粒子群优化算法较强的全局搜索能力和共轭梯度法快速精细的局部搜索能力,在基本粒子群算法得到的最优解的基础上引入共轭梯度法,加快了算法的收敛速度,克服了基本粒子群算法收敛慢的弊端.相比于基本粒子群算法,它能够以较高精度和较快速度收敛到所求无约束优化问题的全局最优解.数值实验结果表明,所得混合算法是一种求解高维多峰连续函数无约束优化问题的高效方法.

大规模界约束优化的子空间截断牛顿法

给出了大规模界约束优化的一个子空间截断牛顿法 .利用截断牛顿法修正非有效约束所对应的变量 ,用投影梯度法修正有效约束所对应的变量 ,文中证明了方法的整体收敛性 ,并对方法进行了数值试验 ,且与子空间有限内存拟牛顿法进行了数值比较 .

基于记忆表的连续蚁群优化算法

蚁群算法的离散本质限制了其在连续问题求解中的应用,针对该问题提出求解连续函数优化问题的连续蚁群优化算法。对概率密度呈高斯分布的分布函数进行随机采样,为每只蚂蚁产生下一步迭代的M(M≥2)个候选位置,引入记忆表取代基本蚁群算法中的禁忌表,通过对记忆表中的优良解进行动态替换实现信息素更新。与其他连续优化算法的比较结果证明,该算法在复杂度、稳定性等方面具有优势。

分时二次优化控制的空调温湿度控制系统

空调温湿度自控系统是一个多输入多输出、典型强耦合的非线性时变系统,具有鲜明的纯滞后、大惯性特点。针对此特点,结合在制药行业空调控制的具体应用、预估模型和传统PID,提出了一种新型空调控制模式-分时二次优化控制方法。此方法运用前面机理建模方法得出的系统模型,使用现场实验数据确定系统模型参数,通过二次优化得到不同的控制参数,根据现场不同环境及控制要求切换成不同的二次优化控制。实验结果证明此方法具有很好的控制性能且编程简单,灵活性高,适应力强。

隐性知识条件下变论域模糊控制器的设计

阐述了变论域模糊控制器的基本结构,给出了在隐性知识条件下的设计方法,即把推理前件的隶属度函数峰点在论域内作平均分配,把推理后件的隶属度函数峰点视作待定参数,以递推最小二乘辨识算法作为其实现算法,并讨论了递推算法的截止条件.仿真实验表明,由该辨识算法设计的控制器能够较好地逼近原始的输入输出数据.

基于PCA的传感器网络的故障诊断分析

主成分分析属多元统计方法,正逐步成为控制领域中一种重要的数据处理方法,用于生产监测和质量控制。本文简要地介绍了PCA中两种常用的图形分析法——Q图和主元得分法,利用统计软件——SPSS对数据进行处理,简化了复杂的运算过程,并对其数据处理过程进行了说明。最后,通过空压机远程监控系统传感器网络的实例模型,运用SPSS软件,说明了这一数据处理方式的简便、有效性和缺陷。

石油生产过程设定点优化模型及其求解算法

控制系统实时优化的关键是及时获得其最优设定点,本文利用石油生产过程中积累的丰富历史数据,建立了石油生产过程的稳态模型,基于石油生产企业最大化石油生产利润或最小化生产成本的经济指标形成了一个设定点优化模型,并结合修改增广Lagrange乘子法和粒子群优化算法提出了一个新型混合方法,以对所形成的石油生产过程设定点优化问题进行有效的全局寻优,利用商业软件Eclipse对一个非均质油藏Synfield进行模拟所得的一组数据进行了数值仿真试验,试验结果验证了所给模型和方法的有效性.

嵌入极值优化的混合粒子群优化算法

针对标准粒子群算法容易陷入局部极值和精度低的问题,提出一种嵌入极值优化算法的粒子群优化算法。在线性下降的惯性权重粒子群算法运行过程中,间隔一定迭代次数与极值优化算法相结合,利用其波动性增加种群的多样性,并有效结合粒子群算法较强的全局探索能力和极值优化算法精细的局部搜索性能,以较高精度收敛到全局极值。仿真实验结果表明,该混合算法是一种求解高维多峰连续函数极值的有效方法。

基于子聚类约简支持向量机的说话人识别研究

由于支持向量具有边界性,在利用语音训练集对基于支持向量机(SVM)的说话人识别系统进行训练之前,需要对该训练集进行约简。考虑到该训练集一般十分庞大且具有非线性可分的特性,提出子聚类约简的概念。首先对训练集进行模糊核子聚类并过滤掉非边界的聚类区,然后依照提出的算法对保留的聚类区中的向量集做进一步地约简,使支持向量集更加集中在边界。理论和实践表明,经过两层的约简既保留了充足支持向量,保证了SVM良好的泛化性能,又提高了系统的时间和空间效率。