知识工程模型在动态多阶段多目标规划与决策中的应用

本文从系统理论的观点出发 ,提出一个求解多阶段多目标规划问题的知识工程模型。利用该模型可以用“人工智能”的算法 ,求出一个动态多阶段多目标规划问题的全部符合“规划”知识的合理“规划解” ,并对每一个“规划解”可以求得其相应的某种综合评价结果值 ,由此进一步选择出“最佳”规划解 ,作为最优决策的选择基础。

基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

卫星对空中动态目标凝视成像姿态规划方法

针对低轨卫星面阵相机对空中动态目标凝视成像需求,提出卫星平台根据像面脱靶量进行目标位置估计和凝视姿态规划方法.基于空中动态目标飞行高度的先验知识,以目标地理经纬度和经纬度变化率为状态量,以目标中心像素值为观测量,设计扩展卡尔曼滤波器,实现目标地理经纬度的精确估计和预报.在此基础上,规划卫星姿态和角速度,避免了目标像素噪声和延时对姿态稳定度的影响,并实现了单星对目标位置估计.通过数学仿真验证了所提方法的有效性.

动态式反馈联合阶段性目标教学法在内科护理临床带教中的应用

探究动态式反馈联合阶段性目标教学法在内科护理带教中的实施效果。方法 选取2022年10月~2024年1月,在徐州医科大学附属徐州市立医院内科实习护生64名为研究对象,依据随机数字法分为常规组(n=32)采用常规教学法,联合组(n=32)采用动态式反馈联合阶段性目标教学法,对比两组实习护生的考核成绩、应急能力、护理思维能力、学习效果。结果 联合组的理论知识、基础操作、专业操作、教学查房考核成绩(87.95±5.23分、86.43±4.81分、85.61±5.49分、85.26±5.12分)高于常规组(80.46±4.39分、79.05±5.17分、75.83±6.25分、77.27±4.83分),P值均<0.05;联合组的团队协作、沟通能力、紧急应对、急救技能评分(19.98±2.73分、21.06±2.48分、20.71±3.12分、20.83±3.85分)高于常规组(16.21±3.05分、17.13±2.86分、16.84±2.58分、15.97±4.12分),P值均<0.05;联合组的批判性、系统、循证评分(60.72±4.54分、61.05±5.98分、60.53±5.36分)高于常规组(52.63±5.81分、50.41±6.57分、53.05±4.93分),P值均<0.05;联合组的基本思路、护理临床决策、护理创新评分(42.73±2.95分、41.56±3.78分、40.82±6.03分)高于常规组(37.42±3.16分、35.31±4.27分、32.75±5.41分),P值均<0.05。结论 将动态式反馈联合阶段性目标教学法运用于内科护理临床带教中,能够提升实习护生应急能力与护理思维能力,实习护士的学习效果也得到显著提升,可推广。

基于双向目标偏置APF-informed-RRT^(*)算法的机械臂路径规划

针对当前机械臂路径规划算法存在搜索随机性大、目标偏置性差和路径曲折等问题,提出了一种基于双向目标偏置的APF-informed-RRT^(∗)算法。首先在双向informed-RRT^(∗)基础上引入概率自适应的目标偏置策略,降低搜索的随机性,提高采样效率;其次针对路径扩展在双向搜索树中融入人工势场法,减少算法的迭代次数;同时在路径生长阶段,采用动态步长生长策略,即根据搜索树的扩展趋势动态调整步长,避免出现局部最优,并且加快路径搜索时间;最后针对冗余节点采用三角不等式原理进行去除,进而通过B样条曲线对路径进行平滑处理,得到最优规划路径。通过与双向RRT^(∗)、双向informed-RRT^(∗)和双向P-RRT^(∗)等算法在三维环境下进行了仿真对比实验验证,相较于双向RRT^(∗)在时间上节约了41%,在采样点数量上减少了63%;相较于双向informed-RRT∗在时间上节约了58%,在采样数量上减少了68%;相较于双向P-RRT^(∗)在时间上节约了30%,在采样数量上减少了60%。

基于多目标两阶段规划的虚拟电厂优化调度

虚拟电厂(virtual power plant,VPP)聚合分布式电源和负荷侧可调资源以统一整体参与能源市场交易,成为了提升新能源消纳、挖掘负荷侧需求响应潜力的有效途径。在此背景下,构建了基于多目标两阶段规划的虚拟电厂优化调度模型。日前阶段以市场运营收益和用户用能满意度最大化为目标,构建了虚拟电厂多目标优化模型,采用NSGA-Ⅱ算法求解多目标问题的帕累托最优解,并提出综合效益指标对解进行筛选;实时阶段以偏差惩罚成本和弃风成本最小化为目标,构建了虚拟电厂鲁棒优化模型,考虑了热电联产机组(combined heat and power,CHP)灵活热电比对风电消纳的促进作用。最后,对某实际虚拟电厂进行算例分析,研究结果表明所提方法能够在保证虚拟电厂综合效益的前提下提高其能源利用效率。

盾构法隧道施工地表变形阶段控制目标规划及其在盾构自主驾驶中的应用

为降低阶段地表变形目标设定中对施工人员经验依赖程度,提高盾构施工的安全性和效率,提出一种科学、有效的地表变形阶段目标规划方法。首先,对不同地质条件下各阶段地表变形量与盾构掘进效率和周边环境的关系进行分析;然后,采用机器学习方法建立盾构掘进效率评估模型和最终地表变形预测模型;最后,基于预测结果综合考虑推进效率、环境扰动和施工成本,得到工程综合效益评价,并应用粒子群优化算法计算得到各阶段地表变形控制值,以实现最优综合效益。该模型已被内置在“智驭号”盾构自主掘进控制系统中,并应用于南京地铁5号线隧道工程。工程应用结果表明,该模型通过对地表变形阶段控制目标的优化,有效提升了自主驾驶盾构施工的安全性和高效性。

基于鲁棒增广e约束法的综合能源系统多目标多阶段供能优化配置方法

综合能源园区供能优化配置是实践现代能源体系建设、实现能源高效清洁利用的重要技术手段,然而现有规划配置方法存在多能耦合转换模型各异、忽视建设时序性与缺乏多维目标选优上的不足。为此,该文建立综合能源系统多目标多阶段供能优化配置模型,该模型为一个多目标混合整数线性优化问题。为实现多目标问题的高效求解,提出了基于鲁棒增广e约束法(robust augmented e-constraint method,AUGMECON-R)的Pareto解集求解方法,并结合综合权重与逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS),选取最契合园区多维评价偏好的建设方案。通过算例仿真验证了所提模型和算法的有效性,该模型能适用于各地各类型园区的供能优化配置决策。

考虑源荷互动的综合能源系统多目标双层规划

随着综合能源系统建设的不断推进,传统的“源随荷动”模式转向“源荷互动”已成为发展趋势。为此,提出了一种考虑源荷互动的综合能源系统多目标双层规划方法。首先,引入电–热–冷可中断负荷和可转移负荷参与综合需求响应,并制定了一种基于新能源发电与等效负荷相匹配的动态定价策略。然后,构建了含电动汽车充电站的综合能源系统多目标双层规划与运行模型,在上层规划模型中以经济成本、碳排放量、自主性为目标,在下层模型中以综合能源系统和电动汽车充电站的总运行成本最小为目标。最后,利用非支配排序遗传算法(non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)算法和商业求解器CPLEX求解获得Pareto前沿解集,并利用Topsis法选择最优解。算例表明,该方法可以有效降低经济性成本、减少碳排放量、提高系统自主性。

多阶段系统多目标优化的模糊优选动态规划方法及应用

在模糊权距离和隶属度概念的基础上 ,根据多阶段系统前后阶段联系特点 ,将模糊优选理论与动态规划原理有机地结合起来 ,提出能够有效地寻求多阶段多目标优化问题的最优均衡策略的模糊优选动态规划技术 ,为求解多目标多阶段系统的优化决策问题提供了新路。

基于动态规划算法的资源应急分配优化模型

针对电力突发事件的资源应急分配问题,文中提出了基于动态规划的阶段优化模型。该模型依据各需求点的初始时刻需求,以最小化资源超时到达造成的损失为优化目标,进行资源的应急优化分配。同时考虑后续时刻资源需求的动态变化,基于上一阶段的优化目标叠加下一时刻资源需求缺乏量的惩罚项,从而实现不同时刻需求点之间资源的转运调度。文中采用自适应惯性系数和飞行时间来提高算法的收敛速度,并将所提IPSO应用于两阶段动态规划模型的求解。以人力资源数据进行的仿真结果表明,文中算法迭代40次即可收敛,显著优于传统PSO。且与单阶段优化模型在后续时刻出现明显人力资源缺乏的情况不同,该模型能够满足各需求点的动态需求,进而对应急资源进行合理分配。

基于深度强化学习的机械臂动态目标抓取方法

针对现有机械臂动态目标抓取方法轨迹规划困难、实时性不足、难以实现六自由度抓取等问题,提出一种基于深度强化学习(deep reinforcement learning,DRL)的机械臂动态目标抓取方法。进行马尔可夫决策过程(Markov decision process,MDP)建模,设计状态空间、动作空间以及奖励函数,实现机械臂对动态目标的六自由度抓取。基于Pybullet构建机械臂动态目标抓取仿真试验环境,对该方法进行训练,将训练得到的策略在新颖场景进行测试,并与经典规划控制的动态目标抓取方法进行对比。仿真结果表明:该方法能实现机械臂对动态目标的六自由度抓取,在抓取成功率和速度上具有优势。

全生命周期视角下多目标融合电网和气网联合动态规划

天然气机组的大规模使用使得电网和气网深度耦合,对电网和天然气网络的规划提出了新的要求。针对现有规划方法应对远景年不确定性的冗余性较高的问题,提出了一种全生命周期视角下的经济、可靠、低碳多目标融合的电网和气网联合动态规划方法。采用全生命周期管理方法,建立了电力线路和天然气管道的全生命周期成本管理模型,包括投建、运行、退役、环境、切负荷成本。构建了电网和气网的联合规划模型,其中考虑多故障场景构建了电网和气网的可靠性约束,并采用全生命周期碳排放建立了电网和天然气网络的碳排放约束。提出了基于多目标融合的动态规划框架,能够实现跨时间尺度的滚动规划,以显著降低规划结果对不确定性的冗余性。针对多目标规划,采用模糊优选方法确定最优方案,实现了经济-可靠-低碳三者之间的权衡。算例验证了模型的有效性和实用性,结果表明所提出的多目标融合的动态规划方案比单纯仅考虑经济的规划方案或多目标开环规划方案更能够提升社会福利。

城市动态灾害环境下多种类多目标路径优化算法

为提高城市应对动态灾害的响应能力,针对动态灾害环境中应急车辆行驶路线的规划问题,考虑路径安全度为乘法权重,车辆行驶路径长度和通行时间为加法权重,首先,提出一种动态环境下可同时计算乘法与加法权重的多种类多目标路径优化问题(MCMPOP)的求解模型;其次,通过改进涟漪扩散算法(RSA)求解MCMPOP;然后,为验证算法的有效性,通过510组仿真试验,对比MCMPOP下非支配排序遗传算法(NSGA)-Ⅱ与改进RSA的计算时间与解的质量;最后,选取“7·20”郑州特大暴雨事件数据进行实例验证。结果表明:与NSGA-Ⅱ相比,改进的RSA可以求解出完整的Pareto最优路径集合,有效保证算法的计算效率和Pareto最优解的质量;可在应急车辆可接受的安全范围内,筛选出行驶路线长度和时间成本较小的Pareto最优路径,为应急车辆提供更多可靠的行驶路线,提高城市的应急管理能力。

基于贪心策略的改进动态搜索方法在武器目标分配中的应用

数学中最优化理论是解决分配管理问题的一种常用手段。在战略中对武器目标的分配为了得到最好的效益,通常会将其建立分配优化模型。当构建诸多模型时,往往代价成本都比较大,因此经常划分若干过程进行求解。传统算法设计上,较为突出的就是动态规划,它是一个多阶段决策问题。论文分析武器目标分配的数学背景以及最优化理论的应用策略,分析了动态规划等策略的实际求解过程在武器装备分配问题上的应用。并提出了一种基于贪心策略的改进动态搜索方法,这种方法在处理规模已定的情况下,查找精确值的效率相比动态规划方法具有明显的提升。在作战软件的算法设计上有良好的借鉴价值。

基于响应动态约束条件的仓储AGV路径规划协同优化模型

为了解决仓储AGV无碰撞路径规划问题,设计响应动态约束条件的仓储AGV路径规划协同优化模型。建立路径节点模型和车体坐标系模型,获得仓储AGV所在位置;建立碰撞描述模型,将全局路径规划问题简化为虚线框架的局部环境,建立时间窗,分别计算空车线段的时间窗、空车转向段的时间窗,获得不同工况下的运输时间。将路径最短作为动态约束条件,采用目标规划法对生成的多条路径求解,处理冲突问题,实现仓储AGV路径规划协同优化。算例分析结果表明:基于无人仓库二维顶视图网格系统,在没有障碍物的工况下,行走栅格较少;在有障碍物的工况下,以两条路径为例,未出现碰撞情况,路径优化效果明显。

字典序多目标多阶段决策的动态规划解法

本文提出了字典序多目标多阶段决策问题模型,并给出了其动态规划解法和数值例子。

基于多目标的动态环境智能车路径规划算法

针对传统算法无法适用多目标及动态环境的智能车路径规划问题,文中基于改进A*算法与势场蚁群算法进行了面向多目标的动态环境智能车路径规划算法研究。根据多目标的特征,采用改进A*算法识别完整的周边环境,并进行全局路径规划。对于实验场景中出现的局部变化或障碍物移动,将人工势场算法与蚁群算法相结合,获得了改进势场蚁群算法,以实现在原有全局路径规划基础上的局部修改。通过优化仿真得到了文中所提算法的最优参数值,并与蚁群算法进行对照测试。结果显示,所提算法相比对照组路径长度缩短了2.7%,具有良好的综合性能。

基于动态规划的多目标复合检测与跟踪算法

基于动态规划的多目标检测跟踪算法涉及计算量爆炸和邻近目标难分辨的问题.针对实际应用中目标个数未知和环境中强弱目标并存限制的情况,提出一种基于动态规划的多目标复合检测与跟踪算法.首先利用传统恒虚警率(CFAR)算法进行一次检测,实现对强目标的检测和剔除;然后采用基于动态规划检测前跟踪算法对一次检测后的数据进行分区动态规划,实现对微弱目标的检测与跟踪,从而实现复杂环境下密集目标的有效探测.通过仿真和实测数据对本文算法性能进行了验证,结果表明该算法的高效性和稳健性.

用多目标动态规划求解拆卸序列的Pareto最优前沿

针对拆卸序列多目标优化问题,考虑拆卸任务先后顺序约束,提出基于改进的与/或图(Transformed AND/OR Graph, TAOG)和基于Pareto占优概念的多目标动态规划(Multi-Objective Dynamic Programming, MODP)求解方法。与其他多目标优化方法相比,MODP不需要调整计算参数和考虑参数变化对解的影响,并可获得问题的Pareto最优前沿,是求解拆卸序列多目标优化问题的精确算法。通过求解算例,验证了提出方法的可行性和高效性。