A LEVEL SET METHOD FOR STRUCTURAL TOPOLOGY OPTIMIZATION WITH MULTI-CONSTRAINTS AND MULTI-MATERIALS

Combining the vector level set model,the shape sensitivity analysis theory with the gradient projection technique,a level set method for topology optimization with multi-constraints and multi-materials is presented in this paper.The method implicitly describes structural material in- terfaces by the vector level set and achieves the optimal shape and topology through the continuous evolution of the material interfaces in the structure.In order to increase computational efficiency for a fast convergence,an appropriate nonlinear speed mapping is established in the tangential space of the active constraints.Meanwhile,in order to overcome the numerical instability of general topology opti- mization problems,the regularization with the mean curvature flow is utilized to maintain the interface smoothness during the optimization process.The numerical examples demonstrate that the approach possesses a good flexibility in handling topological changes and gives an interface representation in a high fidelity,compared with other methods based on explicit boundary variations in the literature.

Surface Deformation with Multi-constraints Based on the Minimum Energy

A method for deformation of 3D point clouds models was proposed with multi-constraints including arc-length constraints and multi-points position constraints. The energy function was built for the polyline which had been converted from the curve. Based on the minimum energy curve method, the curve on the mesh was deformed. The test results show that the proposed method has good performance. Compared with the other method,shape preserving of the curve is better. Finally,this method is used for the deformation of the 3D mannequin model. Circumference changes of the mannequin model can be reflected by the arc-length change in the size of the cross section.

The Information Modeling and Intelligent Optimization Method for Logistics Vehicle Routing and Scheduling with Multi-objective and Multi-constraint

The vehicle routing and scheduling (VRS) problem with multi-objective and multi-constraint is analyzed, considering the complexity of the modern logistics in city economy and daily life based on the system engineering. The objective and constraint includes loading, the dispatch and arrival time, transportation conditions,total cost,etc. An information model and a mathematical model are built,and a method based on knowledge and biologic immunity is put forward for optimizing and evaluating the programs dimensions in vehicle routing and scheduling with multi-objective and multi-constraints. The proposed model and method are illustrated in a case study concerning a transport network, and the result shows that more optimization solutions can be easily obtained and the method is efficient and feasible. Comparing with the standard GA and the standard GA without time constraint,the computational time of the algorithm is less in this paper. And the probability of gaining optimal solution is bigger and the result is better under the condition of multi-constraint.

A Multi-Constraint Path Optimization Scheme Based on Information Fusion in Software Defined Network

The existingmultipath routing in Software Defined Network (SDN) is relatively blind and inefficient, and there is alack of cooperation between the terminal and network sides, making it difficult to achieve dynamic adaptationof service requirements and network resources. To address these issues, we propose a multi-constraint pathoptimization scheme based on information fusion in SDN. The proposed scheme collects network topology andnetwork state information on the network side and computes disjoint paths between end hosts. It uses the FuzzyAnalytic Hierarchy Process (FAHP) to calculate the weight coefficients of multiple constrained parameters andconstructs a composite quality evaluation function for the paths to determine the priority of the disjoint paths. TheSDN controller extracts the service attributes by analyzing the packet header and selects the optimal path for flowrule forwarding. Furthermore, the service attributes are fed back to the path composite quality evaluation function,and the path priority is dynamically adjusted to achieve dynamic adaptation between service requirements andnetwork status. By continuously monitoring and analyzing the service attributes, the scheme can ensure optimalrouting decisions in response to varying network conditions and evolving service demands. The experimentalresults demonstrated that the proposed scheme can effectively improve average throughput and link utilizationwhile meeting the Quality of Service (QoS) requirements of various applications.

基于多策略改进鲸鱼算法的船舶推力分配方法

船舶动力定位推力分配求解是一种复杂的多约束多目标优化问题,鲸鱼优化算法(WOA)处理该类问题较传统推力分配算法计算更简便、精度更高,但以牺牲时间为代价,需解决实时可靠收敛问题。针对上述问题,提出一种改进鲸鱼推力分配算法,通过采用等式约束项的特解系数为个体变量,降低搜索空间维度和范围,为算法获取可靠解和快速收敛奠定基础;通过空间区块化和“精英”筛选法初始化种群,增加初始种群分散性和“精英”个体数量,提高寻优效率和收敛稳定性;引入动态种群边界获取合理的搜索空间,提高算法收敛速度;最后运用类梯度法进行种群更新,模拟区域遍历搜寻,以较少迭代次数获取可靠解。以CybershipⅢ船模为对象进行仿真验证,结果表明该算法可行,具有较好的实时性和稳定收敛性,提高了推力分配性能。

基于平均一致协议的分布式自适应多智能体聚集控制

分布式聚集控制问题是多智能体协同控制中的一个重要问题。由于智能体的可移动性和感知能力有限,传统的分布式聚集算法难以保证连通性,从而聚集成多个簇群。此外,去中心化的大规模聚集控制给获取全局聚集点带来了巨大的挑战。针对连通性保护问题,基于平均一致协议与约束集,提出了一个带有连通性约束的多智能体聚集协议(Multi-Agent Rendezvous Protocol with Connectivity constraints,MARP-CC)。然后针对聚集点无法预测的问题,提出了位置合成(Location Synthesis Strategy,LSS)和位置重定向(Location Redirection Strategy,LRS)两种控制策略。智能体根据当前连通情况,自适应选择最优的控制策略进行迭代。结合这两种控制策略,提出了带连通性约束的分布式自适应多智能体聚集算法(Distributed Adaptive Multi-Agent Rendezvous algorithm with Connectivity Constraints,DAMAR-CC)。对算法的收敛性和连通性进行了分析,并通过大量的仿真说明了DAMAR-CC可以引导智能体稳定地聚集在初始拓扑的几何中心。

基于分层约束强化学习的综合能源多微网系统优化调度

构建多微网系统是消纳可再生能源、提升电网稳定性的有效方式。通过各微网的协调调度,可有效提升微网的运行效益以及可再生能源的消纳水平。现有多微网优化问题场景多元,变量众多,再加上源荷不确定性及多微网主体的数据隐私保护等问题,为模型的高效求解带来了巨大挑战。为此,该文提出了一种分层约束强化学习优化方法。首先,构建了多微网分层强化学习优化框架,上层由智能体给出各微网储能优化策略和微网间功率交互策略;下层各微网以上层策略为约束,基于自身状态信息采用数学规划法对各微网内部的分布式电源出力进行自治优化。通过分层架构,减小通信压力,保护微网内部数据隐私,充分发挥强化学习对源荷不确定性的自适应能力,大幅提升了模型求解速度,并有效兼顾了数学规划法的求解精度。此外,将拉格朗日乘子法与传统强化学习方法相结合,提出一种约束强化学习求解方法,有效地解决了传统强化学习方法难以处理的约束越限问题。最后通过算例验证了该方法的有效性和优势。

基于GA-SA组合算法的山区复杂环境无人机起降点选址

针对山区复杂环境下的物流链前端无人机货运起降点选址和任务分配进行研究。首先以建设成本最小和运输时间满意度最大为目标,综合考虑无人机自身性能和禁飞空域等因素,构建多约束条件下多目标函数的起降点选址和任务分配模型。采用遗传算法(genetic algorithm, GA)和模拟退火算法(simulated annealing algorithm, SA)的组合算法进行求解,首先通过遗传算法得出较优的可行解,再以此解作为退火算法的初始解进行模型求解。仿真结果表明,构建的多约束模型能够实现预期效果,并且采用的算法解决此类问题时具有良好的适用性。

协调公平与效率的“四水四定”研究Ⅰ:方法与模型

针对水资源刚性约束落地缺抓手的问题,按照以水定发展、协调定规模的理念,提出“四水四定”的分析思路和控制指标,厘清各类发展目标与水资源利用的协调关系。以公平为社会目标,以效益为经济目标,提出“尊重现状、保障刚需、效率驱动、区域均衡”的协调优化准则,建立目标函数和约束条件,构建“四水四定”多目标协调模型,以满足保障刚性需求基础上的水量高效流转,确定发展规模和水量分配方案。模型选取人均GDP最大实现效率驱动,使有限水量产生更大效益;选取区域人均GDP差异最小、发展匹配度最高实现发展公平,缩小区域经济差异;通过约束条件反映水资源约束、刚性需求保障、水源用户配置关系、经济社会发展合理范围等要求;设置罚函数协调约束条件不能满足时的目标值调整。通过归一化方法将多目标转化为单目标,基于现状设置初始条件,采用线性规划等方法求解,得出协调产业发展和水量优化分配的整体结果,通过结果评价反馈调整,形成可服务于经济社会发展和水资源管控决策的方案。

计及多目标约束的成品卷烟销售订单配送调度优化

针对制造业供应链中的跨地域多运输中心大数据订单物流调度问题,对涉及多约束条件和多目标的异构运输车辆调度问题展开研究。根据烟草制造工业的实际运输任务需求,考虑制造订单安排、车辆准运证限制、运输车辆物理限制、运输时间窗、排产出库时间等实际约束,搭建了以包括车辆等待卷烟出库的最短运输时间,最低运输费用及最高车辆利用率为优化目标的成品烟物流车辆跨地域调度优化模型。设计了基于差分进化的混合多元宇宙算法(DE-MVO)用以解决该模型。最后基于某烟草工业企业的实际生产订单数据进行实验,将所设计的算法分别与粒子群(PSO)算法、差分进化(DE)算法、鲸鱼优化(WOA)算法、遗传优化(GA)算法、乌鸦搜索(CSA)算法、天鹰座优化器(AO)、多元宇宙(MVO)等前沿算法进行横向对比,对比结果表明所设计的算法在全局搜索能力、寻优精度等方面更优于其他算法,进一步表明所建立的模型在求解制造业供应链运输车辆调度问题中具有可行性。

深部地层智能压井多解性分析与优化策略

开发深部地层油气资源时普遍存在地质条件复杂、钻井周期长和井筒压力控制困难等问题,采用智能压井方法结合多源实时信息反馈,可实现井筒内气液分布状态和压力变化规律的实时预测与更新,但不同修正系数组合可能得到相同的压力计算结果,导致模型存在多解性难题。为此,分析了不同历史时间节点解空间形态的演变规律,揭示了模型多解性的本质源于少量数据约束下模型训练的不完善性;并对应建立了基于实时信息序列的模型全局训练优化方法及动态随机种群训练优化方法,测试了其对于模型全局最优解的搜索能力及适用条件。测试结果表明,全局训练优化方法在压井初期能够实现精准调控,但计算耗时较长;而动态随机种群训练优化方法在压井初期与预期值略有差异,但计算耗时较少。根据可用计算资源情况选择合适的训练优化方法,可实现多源实时数据约束下模型关于井筒气液流动规律的深度学习。

基于图优化的GNSS/双目视觉/惯性SLAM系统开发及应用

为提高机器人室外长航时定位精度,提出一种基于图优化的全球导航卫星系统(GNSS)/双目视觉/惯性同时定位与建图(SLAM)系统开发及应用。将空间中的线特征作为几何约束的补充,集成至前端的特征提取及后端的位姿优化线程,提升位姿解算精度。同时,以因子图构建联合优化的图结构,并推导出全局观测误差模型。近200 m的BullDog-CX机器人巡检结果表明,所提算法相比于VINSFusion和PL-VINS分别取得约12.6%及3.4%的定位精度提升,为室外机器人长航时导航提供了一种可行方案。

海洋一号卫星观测任务规划算法设计及系统应用

针对海洋一号卫星观测任务规划需求,提出并实现了基于遗传策略的任务规划框架,解决了卫星实际使用中成像任务受卫星其他业务影响的多类型约束成像规划问题。基于海洋一号卫星实际规划业务要求,对任务规划约束和优化目标建立数学模型,提出了由预处理、窗口约束处理和组合约束处理与优化组成的三阶段规划框架。设计了多约束任务规划优化目标函数,并利用交叉、变异和种群选择等遗传机制对优化问题进行了求解。基于海洋一号卫星实际观测需求数据,对提出的算法进行了有效性和性能验证,结果表明本算法能够给出满足多类型约束的观测规划方案,并在观测时间、观测覆盖率等方面较其他策略有显著提升。研究结果表明通过优化目标函数的设计遗传算法能够实现复杂约束条件的成像规划求解,算法框架可为与海洋卫星具有相似业务特点的对地观测规划系统设计提供借鉴。

面向能效的多约束集成维护策略研究

针对制造系统在加工过程中,由于机床退化水平提高导致的系统质量损失增加、维护成本升高和能效降低等问题,提出一种面向能效的多约束集成维护策略。基于伽马过程建立机床退化状态与质量损失、维护成本的关系,并设立质量损失和维护成本约束,通过离散化能耗递增过程得到系统的有效能效模型,提出以能效为优化目标的多约束集成维护策略,采用模拟退火算法找到最优解和约束组合。实例分析和策略对比验证了所提维护策略的优越性和有效性。

考虑动态频率约束的多能源电力系统日前-日内优化调度

提出考虑系统动态频率约束的含风电-电池储能-抽蓄电力系统协调优化调度策略。首先,建立含风电机组、电池储能和抽水蓄能的电力系统频率响应模型,并对系统调频响应过程进行分段线性化处理,降低计算的复杂度。然后,根据各机组的爬坡速度、启停约束、功率跟踪能力等因素的差异,建立日前-日内协调的多时间尺度优化调度模型。日前阶段制定考虑动态频率约束的火电机组和抽水蓄能的机组启停和出力计划;日内阶段优化电池储能的充放电状态计划,并调整火电和抽蓄的出力计划,促进风电消纳。最后,在含风电、变速抽蓄和电池储能的改进IEEE-39节点系统中进行算例分析,结果证明所提方法能提高系统频率稳定性,减少弃风量,兼顾电力系统经济调度和频率稳定目标。

求解有服务顺序限制的MDMOVRPTW的IHHO算法

针对有服务顺序限制的带时间窗的多需求多目标车辆路径问题(multi-demand and multi-objective vehicle routing problem with time window,MDMOVRPTW),在考虑多种需求由不同车辆按顺序服务等约束条件的同时,构建了最小化配送成本和最大化客户满意度的多目标模型。根据模型的特点设计了改进的哈里斯鹰优化(improved Harris hawks optimization,IHHO)算法,随机地将种群中部分支配解作为父代解,用临时组合算子和4种交叉算子搜索新解。最后,算例测试结果表明,相较于传统的哈里斯鹰优化算法,IHHO算法的求解性能得到了有效改善,各操作算子中交叉算子2的求解效果最好。将IHHO算法用于实例中,求解结果得到了改善,充分验证了IHHO算法的有效性。

面向共享单车调配的带约束游牧算法研究

共享单车调配是优化城市交通资源配置的重要手段,但目前的最优路径调配方法往往对单车系统规模敏感。为此,研究一种分时段、区域间调配的共享单车投放方法,提出了带约束的游牧算法(nomad algorithm with constraints,NCA)求解调配模型的最优解。将单车调配问题建模为以单车流量为约束、以最小化运营损耗为目标的优化问题;提出求解上述模型的NCA算法,预测投放区域单车存量和区域间转移量,相比无约束的原游牧算法,改进了局部搜索和全局寻优策略,优化了部落初定位方法;基于预测的存量和转移量得出分时段区域间单车的调配方案。在上海和纽约相关数据集上的对比实验结果表明,运行时长约为其他方法的15%,租赁需求响应率高于分支定界算法0.15%,单车总数和运营损耗比遗传算法降低了约10%,验证了该方法具有更高的优化效率和用户需求响应率。

多约束边环境下计算卸载与资源分配联合优化

移动边缘计算(Mobile Edge Computing,MEC)将计算与存储资源部署到网络边缘,用户可将移动设备上的任务卸载到附近的边缘服务器,得到一种低延迟、高可靠的服务体验.然而,由于动态的系统状态和多变的用户需求,MEC环境下的计算卸载与资源分配面临着巨大的挑战.现有解决方案通常依赖于系统先验知识,无法适应多约束条件下动态的MEC环境,导致了过度的时延与能耗.为解决上述重要挑战,本文提出了一种新型的基于深度强化学习的计算卸载与资源分配联合优化方法(Joint computation Offloading and resource Allocation with deep Reinforcement Learning,JOA-RL).针对多用户时序任务,JOA-RL方法能够根据计算资源与网络状况,生成合适的计算卸载与资源分配方案,提高执行任务成功率并降低执行任务的时延与能耗.同时,JOA-RL方法融入了任务优先级预处理机制,能够根据任务数据量与移动设备性能为任务分配优先级.大量仿真实验验证了JOA-RL方法的可行性和有效性.与其他基准方法相比,JOA-RL方法在任务最大容忍时延与设备电量约束下能够在时延与能耗之间取得更好的平衡,且展现出了更高的任务执行成功率.

A multi-constraints based pose coordination model for large volume components assembly

In the assembly process of large volume product,engineering constraints limit the relative pose of components and serve as a standard for judging assembly quality.However,in the traditional process of target pose estimation,a general method is needed for establishing the correlation between engineering constraints and product pose,and it is difficult to evaluate pose by constraints comprehensively.Therefore,the process of target pose estimation and evaluation is separated.In this paper,a pose coordination model based on multi-constraints is proposed,which includes pre-processing,pose estimation,pose adjustment and evaluation.Firstly,engineering constraints are decoupled into 4 types of Minimum Geometrical Reference Constraints(MGRC),and the inequalities for solving target pose are formulated.Then the Constraint Coordination Index(CCI)is defined as the optimization objective to solve the target pose.Finally,with CCI as the numerical index,the target pose is evaluated to illustrate the quality of assembly.Taking the simulation experiment of wing-fuselage jointing as an example,the external and internal parameters of model are analyzed,and the pose estimation based on multi-constraints reduces the CCI by 12%,compared with the point-set-registration method.

一种简单的低成本航姿系统标定及修正方法

在对低成本航姿系统进行加速度计与磁力计的标定中,通常磁力计的信噪比更低,仅使用椭球拟合法标定传感器误差参数结果是不够精确的;为了提高标定结果的准确性,提出了一种在多位置条件下基于椭球拟合约束和点积法的误差参数标定及修正方法;首先,在静态多位置下获取15对低噪声的测量数据并进行椭球拟合标定,其次,用补偿后的磁力计数据分布特征构建椭球约束条件,通过点积法计算地磁矢量与水平面夹角,并以其均方差来量化修正效果,对磁力计中可观性差的轴间不正交误差参数和传感器间非对准误差参数进行修正,最终提升标定效果;仿真和实测的试验结果表明,在同等椭球拟合约束下,该方法相比于独立使用椭球拟合法和点积不变法,地磁矢量与水平面夹角的均方差下降了25%以上,且具有简单易用的特点。