偏最小二乘Kriging模型辅助的高效全局优化方法

针对昂贵约束优化问题中因超参数过多引发的维数灾难及优化效率不高问题,提出一种新的偏最小二乘Kriging模型辅助的高效全局优化方法。该方法通过偏最小二乘核函数提升Kriging模型建模效率,构建两种偏最小二乘权期望填充准则实现模型的自适应调整及高效全局优化。测试函数及工程实例结果表明,所提方法可有效减少超参数计算量,提升昂贵约束优化问题求解效率。尤其在高维问题中,所提方法在解的收敛速度,稳健性及精度方面均具有优势。

双层线性规划的一个全局优化方法(英文)

用线性规划对偶理论分析了双层线性规划的最优解与下层问题的对偶问题可行域上极点之间的关系,通过求得下层问题的对偶问题可行域上的极点,将双层线性规划转化为有限个线性规划问题,从而用线性规划方法求得问题的全局最优解.由于下层对偶问题可行域上只有有限个极点,所以方法具有全局收敛性.

二层线性整数规划问题的一种全局优化方法及应用

在研究了整数规划连续化途径的基础上，分别采用模拟退火算法和分枝定界法对一类二层线性整数规划的上级和下级问题进行了求解。在给出算法的同时，通过对价格控制问题算例的应用，提供了解决此类问题全局最优解的一种有效途径。

灰色线性双层指派问题的智能全局优化方法

在给出灰色线性双层指派问题数学模型及相关定义的基础上,利用灰色理论中的定位规划技术得到原问题的漂移型模型。针对其漂移型模型,基于遗传算法提出一个智能全局优化方法,并给出具体算法步骤。为了验证算法的有效性,分别构造小规模测试问题和中大规模测试问题验证了所给算法的正确性和实时性。

求解线性二层规划的一种全局优化方法

以下层问题的KT最优性条件代替下层问题,同时取互补条件为罚项,将线性二层规划转化为带线性互补约束条件的单层优化问题。通过分析单层优化问题与线性二层规划问题之间的关系,将线性二层规划等价地转化为有限个线性规划,通过求解有限个线性规划问题,就得到了线性二层规划问题的最优解。该方法不但能够得到线性二层规划问题的全局最优解,而且还简化了最优解判别条件。

一种新安江模型参数的全局优化方法

将全局优化方法SCE-UA用于新安江模型的参数优化中,以月潭流域1978—1991年共14年的实测降雨、径流资料以及1982—1988年实测洪水资料为例,对新安江模型参数全局优化方法进行研究.研究结果表明,单纯利用SCE-UA方法得到的最优参数组会随着资料长度的变化而变化,体现出了优化结果的不稳定性.进而引入赵人俊的新安江模型参数客观优化理论,将SCE-UA方法与该理论相结合.研究结果表明,该方法可避免因参数之间的相关性导致参数优化结果的不稳定现象,可大大降低模型的不确定性.通过检验,该方案可以较好地用于新安江模型参数优化中.

求解弱线性双层规划问题的一种全局优化方法

双层规划在经济、交通、生态、工程等领域有着广泛而重要的应用.目前对双层规划的研究主要是基于强双层规划和弱双层规划.然而,针对弱双层规划的求解方法却鲜有研究.研究求解弱线性双层规划问题的一种全局优化方法,首先给出弱线性双层规划问题与其松弛问题在最优解上的关系,然后利用线性规划的对偶理论和罚函数方法,讨论该松弛问题和它的罚问题之间的关系.进一步设计了一种求解弱线性双层规划问题的全局优化方法,该方法的优势在于它仅仅需要求解若干个线性规划问题就可以获得原问题的全局最优解.最后,用一个简单算例说明了所提出的方法是可行的.

基于混沌的全局优化新方法

牛顿优化技术是重要的一维及多维优化迭代技术,其迭代本身对初始点非常敏感,该敏感区是牛顿优化技术所构成的非线性离散动力系统Julia集,提出一种寻找牛顿优化迭代函数的Julia点的求解方法,利用非线性离散动力系统在其Julia集出现混沌分形现象的特点,提出一种基于牛顿优化技术的全局优化新方法,数值试验表明了该方法的有效性和正确性。

一类非线性两级整数规划问题的全局优化方法

本文研究了整数规划连续化的途径,对一类非线性两级整数规划问题的上级规划连续化以后采用模拟退火算法;其对应的下级规划问题采用离散搜索法求解,从而给出了求解一类非线性两级整数规划问题的一种全局优化算法,并通过算例验证了该算法是有效的.

新安江模型参数全局优化--以月潭流域为例

采用全局优化算法SCE-UA,以月潭流域为例对新安江模型参数优化进行研究.结果表明:采用理想资料时,SCE-UA算法可以搜索到稳定的最优参数组;采用实际水文资料时,该算法不能保证得到唯一和稳定的最优参数组;对模型优化的目标函数进行探讨,发现对于新安江日模型,目标函数选取水量平衡误差函数或确定性系数函数较好,对于次洪模型选取对数绝对值误差函数较好;对参加优化资料长度进行了研究,发现为了得到相对稳定的参数组,参加优化的实测资料长度应在12年以上;最后将SCE-UA结合赵人俊提出的客观优化理论进行分层优化,发现可以得到稳定、唯一参数组.

杂合型全局优化法优化水分子团簇结构

基于遗传算法、快速模拟退火及共轭梯度方法提出了一种快速的杂合型全局优化方法(fasthybridglobaloptimizationalgorithm,FHGOA),并将这一方法应用于TIP3P和TIPS2模型水分子团簇(H2O)n结构的优化.在进行TIP3P模型水分子团簇结构的优化过程中,发现了能量比文献值更低的团簇结构,且执行效率有较大提高.把该方法应用到优化TIPS2模型的水分子团簇,发现最优结构和采用TTM2-F模型优化的水分子团簇结构在n<17时完全相同,为全表面结构;而在n=17、19、22时为单中心水分子笼状结构;在n=25、27时为双中心水分子笼状结构.说明随着团簇中水分子个数的增加,采用TIPS2和TTM2-F势能函数优化的团簇最优结构有相同的变化趋势.

一类特殊DC规划的最优性条件和最优化方法

研究一类特殊DC规划(即目标函数为DC函数,约束为线性约束和箱子约束),给出这类DC规划的一个全局必要性条件,并且根据这个全局必要性条件,结合DCA算法设计了新的局部优化算法,即强局部算法.再利用辅助函数,即填充函数法,给出了一个全局优化方法.最后,通过求解数值算例以及对数值结果的分析,说明新的局部优化算法和全局优化方法的有效性.

大型车辆配载与装箱优化方法及系统设计研究

车辆的配载和装箱是物流的重要环节,直接影响物流成本。通过对配载问题进行描述和建模,基于安全经济快速的原则提出采用层次分析法(AHP)对其约束进行分析,为方案的排优和输出提供依据;提出全局协调优化方法将复杂三维布局总系统分解为一维和二维子系统,从而有效解决三维空间规划,避免因可用空间的长宽高限制出现货物“被分解”的情况;基于实际活动中配载装箱活动过程的需求,设计自动化配载装箱系统,采用C++语言的MFC模块对UG进行二次开发,并通过实例运行验证系统的可行性和有效性,实现配载装箱的自动化和智能化。

考虑高耗时约束的全电推进卫星多学科优化

为提高卫星系统整体性能与优化设计效率,本文采用多学科设计优化(MDO)方法进行全电推进卫星总体参数优化。主要考虑轨道转移、位置保持、空间环境、供配电、结构及质量六个学科,以整星质量最小为优化目标,考虑轨道转移时间等约束条件,建立了全电推进卫星MDO模型。提出一种基于增广拉格朗日乘子法的高效全局优化方法(ALM-EGO)以快速求解卫星MDO问题。标准数值算例对比研究表明,对于处理高耗时约束优化问题,ALM-EGO方法在全局收敛性与优化效率方面具有一定的优势。最后,采用ALM-EGO求解全电推进卫星MDO问题,优化后的全电推进卫星设计方案满足各类工程设计约束,实现整星减重161.09 kg,从而验证了本文所建立模型的合理性和ALM-EGO方法的有效性。

基于跨语言数据增强的事件同指消解方法

事件同指消解是一个具有挑战性的自然语言处理任务,它在事件抽取、问答系统和阅读理解等任务中发挥着重要作用。现存的事件同指消解语料库的一个问题是标注规模较小,无法训练出高效能的模型。为了解决上述问题,该文提出了一个基于跨语言数据增强的事件同指消解神经网络模型ECR_CDA(Event Coreference Resolution on Cross-lingual Data Augmentation)。该模型通过中英文语料互译来增强语料,并通过共享模型参数的方式实现中英文模型的跨语言学习,从而提高了事件同指消解的性能。在ACE 2005英文语料上的实验结果表明,ECR_CDA优于目前最先进的基准系统。

蚁群算法在水位流量关系拟合中的应用

蚁群算法是一种模拟进化算法,初步研究表明该算法具有许多优良性质.针对传统水位流量关系曲线拟合过程中存在精度不高等问题,应用连续性空间优化问题的蚁群算法模型来拟合水位流量关系,并将该方法与遗传算法及传统的优化方法进行比较.结果表明,蚁群算法具有直观、简便、快速、实用性强等优点,是一种较为优秀的全局优化方法.

基于GAOT的PID控制器参数整定研究

遗传算法是一种具有极高鲁棒性和广泛适用性的全局优化方法,遗传算法优化工具箱(GAOT)为遗传算法的推广和应用提供了良好的工具,它采用模块化设计,包含了常用的遗传算子.针对传统PID参数整定的一些局限性,利用遗传算法优化工具箱对PID控制器参数进行整定.分析了遗传算法的应用步骤、GAOT的基本用法和GAOT与控制器参数整定的接口方法,利用仿真试验将该方法与Ziegler-Nichols法和工程品质最佳法进行比较.仿真结果表明:该方法几乎无超调,且过渡时间最短,可明显提高系统性能.

多学科复杂产品仿真的改进序列Kriging优化方法(英文)

针对计算机仿真优化耗时较多的问题,Kriging模型被广泛用作原模型的近似以减少仿真时间。但是基于Kriging模型的序列优化还是比较耗时的,本文对期望改进法进行扩展并提出了改进的序列Kriging优化方法。本算法通过每次更新模型时同时增加两个以上的样本点将原方法中两次优化问题变为一次优化。在每次重新构建Kriging模型时,本算法均对新采样点进行验证以使得新加入的点既不与以往样本点重合也避免任两个样本点离得太近。本文还提出了双重收敛法则使得最终Kriging模型的均方根差在容许范围之内,保证结果精度。文中的算例表明了改进的序列Kriging优化方法可以准确并且快速地实现全局优化,并且不受初始优化值影响。本方法在汽车主动悬架系统上的应用表明本文提出的改进法是有效的。