基于拟牛顿法的同时扰动随机逼近算法

基于拟牛顿法原理,结合同时扰动随机逼近算法特性提出了一种搜索方向dk的计算方法,从而提高了同时扰动随机逼近算法的收敛速度和逼近精度.针对典型优化问题分别比较了改进后的同时扰动随机逼近算法、标准同时扰动随机逼近算法及二阶同时扰动随机逼近算法的优化性能,数值分析结果表明:改进后的算法在逼近精度上均优于其他两种算法,收敛速度介于其他两种算法之间.

基于同步扰动随机逼近算法的电熔镁炉智能控制系统

针对电熔镁炉熔炼过程中电极电流的调节主要依靠人工手动控制,控制效果差、产品质量不稳定、能量浪费严重的生产现状,提出了一种电熔镁炉智能控制策略.该智能控制策略根据熔炼过程中不同的熔炼工况分别设计了基于SPSA算法和神经网络的正常工况控制器以及基于规则推理技术的特殊工况控制器.将所设计的电熔镁炉智能控制系统应用于实际工业现场,实现了对电极电流的自动控制,保证了产品产量,降低了产品能耗.

基于同步扰动随机逼近算法的最大风能追踪控制

为使风力发电系统在变动风速下不受外界干扰,易使风力机保持在最大功率点运行,文中提出采用同步扰动随机逼近(SPSA)算法进行风力发电系统最大功率追踪。SPSA算法通过调节电源转换器的工作周期,间接控制风力发电机转速,使风力发电系统在任何风速下皆可运行在最大功率点,并避免实际运行时使用风力计和转速计。仿真结果表明,无论风速如何变化,SPSA算法能有效提高风力发电系统输出功率,并使叶尖速比和效能指数维持在最佳值附近。

同时扰动随机逼近算法在聚合物驱生产优化中的应用

以经济净现值为目标函数,考虑矿场聚合物驱实际特点以及油田注采设备工作能力的限制,建立了考虑约束条件的聚合物驱生产优化模型,并采用同时扰动随机逼近算法进行了高效求解.结果表明,建立的聚合物驱生产优化模型以及基于同时扰动随机逼近算法的求解方法能够辅助聚合物驱油藏开发方案的优化制定,对于高效合理开发有限石油资源、提高聚合驱项目的经济效益具有重要意义.

基于同时扰动随机逼近的“动中通”步进跟踪算法

为了提高动中通系统的跟踪性能,在对动中通系统特性分析的基础上,借鉴参数优化的思想和方法提出了一种基于同时扰动随机逼近的步进跟踪算法,算法的核心思想是利用高效的同时扰动技术对跟踪的梯度进行估计,而且算法仅利用带噪声的信号强度的测量值对梯度进行估计。该算法能够同时驱动天线波束在方位面和俯仰面以接收信号的最陡上升方向即梯度方向跟踪目标卫星。计算机模拟分析结果表明该算法不仅是有效的,而且具有较强的鲁棒性。

基于同步扰动随机逼近的混合萤火虫算法

针对标准萤火虫算法(FA)中存在的种群过早收敛、容易陷入局部最优等不足,提出一种以memetic算法为框架、将同步扰动随机逼近和萤火虫算法相结合的混合算法(FA-SPSA),即首先使用萤火虫算法对种群进行全局寻优,然后使用同步扰动随机逼近算法对选出的部分最优个体进行局部搜索,从而增强萤火虫算法跳出局部最优解的能力。通过6个标准测试函数对FA-SPSA算法的性能进行检验,并与标准萤火虫算法、果蝇算法、改进的果蝇算法等其他4种算法进行比较,结果表明,FA-SPSA算法在寻优精度、收敛速度、鲁棒性等方面的性能总体上优于对比算法。

求解随机变分不等式问题的随机逼近向前–向后算法

由于其在交通运输、随机博弈和经济均衡等领域中的广泛应用,关于随机变分不等式数值算法的研究受到广泛关注。借助于随机逼近方法,提出了求解随机变分不等式问题的向前–向后线搜索算法,该算法每次迭代只需计算一次到闭凸集上的投影,并且不要求Lipschitz常数信息,从而避免了很多不必要的计算量。在温和的假设下,证明了算法产生的序列几乎处处收敛到随机变分不等式问题的解,以及算法基于自然残差剩余函数的次线性收敛率和迭代复杂度结果。最后,通过数值算例验证了算法的可行性和有效性。

基于改进的同步扰动随机逼近算法的聚表二元驱优化

聚表二元驱作为一种提高采收率的有效方法已经被广泛应用于各大油田,为实现聚表二元驱生产效益最大化,从油田实际情况出发,将油田开发的经济效益作为优化目标,选取聚合物与表面活性剂的质量浓度、注入体积、注入时机等参数作为调控变量,并结合改进随机差异化步长的SPSA算法进行优化求解,比较约束与不约束聚合物、表面活性剂使用总量。结果表明:随机差异化步长不仅可以加快算法的运行效率而且能更好地实现全局最优性;当不约束聚合物和表面活性剂使用总量时,在含水率越小时实施聚表二元驱,生产效益越好;当约束聚合物和表面活性剂使用总量时,聚合物和表面活性剂使用总量越小,在含水率越大时实施聚表二元驱生产效益越好。

一种简易的无模型控制算法——改进的同时扰动随机逼近控制

同时扰动随机逼近控制算法是一种特别适合于应用在工况变化大、非线性强的工业过程的无模型控制算法。但该算法采用了神经网络作为函数逼近器,使得在工程上的实现过于复杂,文章对此作出改进,使其大大简化,更适合于在工程上应用。

一种求解最优机组组合问题的随机扰动蚁群优化算法

针对蚁群优化算法中易出现的停滞现象 ,设计出一种新颖的随机扰动蚁群优化算法。该算法包含了两个重要方面 :一是提出了采用倒指数曲线来描述的扰动因子 ;二是设计出了相应的随机选择策略和扰动策略。此外 ,还对该算法中参数的选取方法及取值范围进行了研究和探讨。利用该算法求解最优机组组合问题 ,并在模型的转化、约束项的处理等方面进行了深入的分析。通过对两个测试系统进行计算 ,并与基本蚁群算法进行比较 ,证明了该算法可以有效地克服基本蚁群算法计算时间较长和容易出现停滞现象的缺陷 ,具有更好的全局优化能力。

基于自然选择和随机扰动的改进磷虾群算法

针对磷虾群算法在求解高维复杂优化问题时容易陷入局部最优的缺点,提出一种基于自然选择和随机扰动的改进磷虾群算法.首先提出基于时变的非线性递减策略计算诱导权重和觅食权重,对磷虾群的诱导运动和觅食运动进行了改进;其次在产生新一代磷虾种群时加入随机扰动因子,并且借鉴自然选择中适者生存的进化机制提升磷虾种群中个体的质量,有效的提升了磷虾群算法的全局搜索和局部勘探能力.最后通过9个Benchmark标准测试函数的实验,将该算法与其他算法进行性能对比分析.实验表明,该算法能够有效地避免早熟收敛,在全局搜索和局部勘探能力上有着显著优势.

非线性再生散度随机效应模型的极大似然估计及随机逼近算法

非线性再生散度随机效应模型包括了非线性随机效应模型和指数族非线性随机效应模型等．通过视模型中的随机效应为假想的缺失数据和应用Metropolis-Hastings(简称MH) 算法,提出了模型参数极大似然估计的随机逼近算法．模拟研究和实例分析表明了该算法的可行性．

用扰动逼近算法解广义混合拟似变分不等式组

引入和研究了一类广义混合拟似变分不等式组,借助η 次微分及η 逼近映射,给出了求此类变分不等式组的近似解的扰动η 逼近算法,并证明了此类变分不等式组的解的存在性及算法的强收敛性.

基于二次飞行和随机扰动的改进蝙蝠算法

针对基本蝙蝠算法存在着不易跳出局部寻优、搜索精度低等问题,提出了二次飞行和随机扰动的改进策略.每只蝙蝠对自身位置进行随机扰动后,对上代速度采用自适应学习权重,使蝙蝠能够趋好避坏地进行飞行搜索;为了保证种群多样性,对种群中最差的一部分蝙蝠进行惩罚,舍弃对上代速度的学习,进行二次飞行搜索,提高算法的全局搜索能力.通过对七个典型不同类型的基准函数进行实验测试,结果表明了改进策略对算法的优化精度和全局搜索能力有很大的提高,使改进的算法拥有更好的的收敛速度和寻优精度.

非线性随机扰动的粒子群优化算法

在惯性权重非线性递减策略的基础上,引入小阻尼振荡函数,提出一种新的非线性递减随机扰动的粒子群算法,通过2个基准测试函数对算法性能和收敛性进行了分析.实验仿真表明:相对于标准粒子群算法,新策略加快了收敛速度,在一定程度上避免了粒子群优化算法的早熟收敛问题.

多维异步随机扰动的粒子群优化算法

针对粒子群优化算法存在易陷入局部最优和在多维空间中搜索效率降低的问题,结合惯性权重凹函数递减策略,提出了随机扰动和多维异步策略。该策略不仅能提高算法的全局搜索能力,而且还能改善维数的束缚。通过对四个典型基准函数的实验表明,该改进算法能够兼顾局部和全局搜索,使得搜索达优率得到较大提高,所得结果精度较高。

用扰动逼近算法解广义混合拟-似变分包含

本文在无限维实Hilbert空间中引入和研究了一类广义混合拟-似变分包含问题GMQLVIP(A,B,C,D,F,η,φ),在η-次微分和η-近似映象等概念的基础上,证明这类广义混合拟-似变分包含问题的一个等价命题,即设x∈H,a∈A(g(x)),b∈B(x),c∈C(x),d∈D(x),f∈F(x),则(x,a,b,c,d,f)为问题GMQLVIP的解当且仅当(x,a,b,c,d,f)满足关系g(x)=JρΔφ(.,f)(g(x)-ρ(a-N(b,c,d)+w)),提出了求该变分包含近似解的扰动η-逼近算法,并且该算法的强收敛性也被讨论和分析,所得结果改进和推广了在这个领域最近的一些结果。

简化的位置随机扰动粒子群算法

针对基本粒子群算法(PSO)易陷入局部极值,后期迭代效率不高的缺点,提出了一种简化的位置随机扰动粒子群算法(SPSDPSO)。新算法通过取消粒子的速度项改善了算法的收敛性能,同时,在满足种群多样性的评价指标阈值的条件下引入粒子位置的随机扰动,提高了算法的全局收敛性,减少了算法陷入局部极小值的可能。仿真表明,新算法具有较强的全局搜索能力,而且能有效地避免常规算法的早熟收敛问题,显著的提高了优化性能。

融合随机逼近算法的粒子群优化算法

针对粒子群优化算法(PSO)在寻优进程中的缺陷,提出一种融合随机逼近算法的粒子群优化算法,该算法选择合适时机将随机逼近算法融入粒子群优化算法维持种群的多样性,并且在算法寻优进程中充分利用已有的计算资源提高算法寻优效率,最后通过典型标准函数数值实验表明,改进后的粒子群优化算法寻优速度快、精度高、具较好的稳定性.

基于改进蜘蛛蜂算法的无人机三维路径规划

为了提高无人机路径规划在复杂环境中的收敛速度和收敛精度,避免陷入局部最优,提出了一种基于改进蜘蛛蜂算法的无人机三维路径规划方法。本文在传统SWO算法中引入自适应t分布扰动变异和Cubic映射策略更新搜索阶段位置,避免局部早熟收敛;然后,引入周期性随机振幅动态调整追逐和逃逸阶段搜索方向,帮助算法跳出局部最优,并结合螺旋更新机制和Levy飞行策略增强算法全局寻优能力,提高算法收敛精度;最后,将ISWO算法在8个测试函数中进行性能验证并实验仿真,结果表明,复杂地形环境中ISWO算法执行时间相比传统SWO算法减少了26.86%,并且较CPO、COA、GOOSE、PSO、GWO算法执行时间减少了13.80%~28.27%不等。同时,ISWO算法最小适应度值较传统SWO算法减小49.76%,较其他算法至少减小27.73%。由此得出,本文所提改进算法能够在复杂地形环境中快速得到一条更短且更安全的路径。