基于KS函数求解多约束优化问题研究

针对机械优化设计中常见的多约束优化问题 ,提出了一种求解新方法 :利用KS函数的凝聚特性 ,将优化问题中的全部或部分约束凝聚为一个近似的、逼近精度仅由一个参数控制的约束 ,然后 ,再对约束压缩后的优化问题选用适当的约束优化方法求解。三维空间中一例可行域的图形给出了约束凝聚的几何解释。实例证明 ,由于压缩了求解规模 。

复杂布局机翼结构多约束优化设计

机翼结构需要同时满足强度、刚度、气弹和设备安装等要求,布置多个外挂设备的机翼结构设计约束更加复杂,传统方法难以得到最优方案。本文提出了通过约束机翼剖面弯曲刚度和扭转刚度来控制气动弹性的方法,研究了稳定性和位移敏度计算理论,结合工程准则法和数学规划法,搭建了适用于复杂布局机翼结构的多约束优化流程,以国产结构分析软件HAJIF为平台进行了程序实现,并结合工程机翼案例进行了方法验证。优化结果表明,本文方法能够以静力分析模型为基础,同时考虑强度、刚度和稳定性等多种约束形式,在有限计算机时内给出最优设计方案,具有一定的工程应用价值。

基于稀疏响应面的麦弗逊悬架多约束优化

针对传统优化方法需要频繁调用仿真模型的弊端,提出基于非自适应采样和稀疏响应面方法的麦弗逊悬架多约束优化方法。基于ADAMS软件构建了麦弗逊悬架模型,通过灵敏度分析确定6个设计变量;在设计空间内进行一组60个非自适应采样,以车轮跳动试验中四轮定位参数的变化值作为响应值;构建了4个约束稀疏响应面和1个优化目标稀疏响应面;采用序列二次规划方法进行优化求解。结果表明,目标函数值由5.917°降低至3.158°,较Kriging模型方法多降低9.5%。

多约束优化诊断决策方法的研究

为了提升诊断质量,更好地满足诊断需求,提出了多约束优化诊断决策方法.该方法以诊断需求作为诊断决策函数的目标约束,通过约束参数规范化方法和权值确定方法计算诊断决策函数值.诊断决策函数值决定诊断路径中测试选取的优先级,函数值越高,优先级也越高.诊断用例表明,该方法可得到更好的诊断结果.

快速启发式多约束优化路径算法研究

针对QoS路由算法中多约束算法的不足,提出了一种新的多约束算法:快速启发式多约束优化路径算法(FH_MCOP)。与现有的路由算法相比,它有两个显著的不同:增加了一个λ快速计算机制,可以降低计算复杂度和加快计算速度,缩短算法响应时间;对MCOP算法进行了有效的改进,使计算结果达到优化。计算结果表明,FH_MCOP能针对多约束优化路径问题的特点降低计算量和提高计算速度。

基于多约束优化的电动汽车再生制动控制策略

针对前后轮独立驱动纯电动汽车再生制动过程的控制问题,提出了一种基于多约束优化的再生制动控制策略。通过对汽车动力学的分析,并考虑能量回收所涉及的电机、电池组特性的影响,在保证制动过程安全可靠的前提下,结合再生功率流路径上各部件的运行效率和边界约束,以制动系统总效率最大化为目标优化前后电机的再生制动转矩分配,达到最大化回收制动能量的目的,并与原车的简单逻辑控制策略进行仿真对比,结果表明了该控制策略的有效性。

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.

基于改进蜂群算法的建筑管路布局约束多目标优化设计

针对建筑空间管路布局约束多,难以定量分析设计中多指标冲突的问题,提出一种基于改进蜂群算法的建筑空间管路布局优化设计方法。首先,构建三维建筑管路布局模型,以管路总能量值(长度、弯头数量等)、管路避障等为优化目标,构建多约束目标函数。然后,针对传统蜂群算法容易陷入局部最优和难以保证种群多样性的问题,提出基于Levy飞行策略的改进人工蜂群算法,进行多约束下的建筑管路布局优化求解。所提算法在雇佣蜂的搜索阶段,引入Levy飞行策略,根据上一蜜源的能量值及迭代次数自适应调整更新步长,从而提高全局搜索能力并加快收敛速度。实验表明,所提方法比传统蜂群算法不仅在整体探索能力上得到了提升,而且得到的管路路径长度更短、弯头更少、能量值更低,能够满足真实建筑环境中理想管路自动布局的要求。

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。

一种求解冰壶比赛对阵多约束问题的逐层优化算法

冰壶比赛对阵编排问题是一个难于收敛的多约束优化问题.为此提出一种求解此类问题的逐层优化的单亲遗传算法.首先将待求解问题的多个约束进行分层;其次设计了靶向自交叉算子进行第一层优化以提高搜索效率,设计了定点-随机自交叉算子进行第二层优化以保持种群的多样性;最后,将改进的算法用于解决冰壶比赛对阵编排的多约束优化问题,构建了该问题的适应度函数.仿真实验表明,与粒子群算法和经典遗传算法相比,所提算法能够有效求解冰壶比赛对阵编排的多约束优化问题.

求解带有多个复杂约束优化问题的乘子法

针对带有多个复杂约束的优化问题,设计一种基于有效集策略的乘子法.对于转化后的无约束问题,利用凝聚函数近似其中的极大值函数.在每步迭代中仅有一小部分函数参与计算,因此梯度计算量显著减少,进而减少了计算成本.数值试验表明了方法的有效性.

基于多级惩罚函数的粒子群约束优化算法

基于多级惩罚函数和粒子群算法解决多约束优化问题,采用粒子种群中的多个粒子并行寻优,避免多约束优化问题收敛于局部优化解。定义了多级分配函数作为约束因子表达惩罚函数与约束条件间函数关系,约束因子按照约束条件的不同分为多个等级。提出了粒子群多级惩罚函数算法,应用于三个经典约束优化问题,均在较少迭代次数内得到高精度优化解。

动态流量多约束优化路径算法

基于多重上联链路网络,建立一个考虑多服务质量(QoS)度量约束限制的网络路径寻优调度模型,并针对时延和剩余带宽提出动态流量多约束优化路径算法(MOPA).基于MOPA和最短路径约束,给出了具有一个多重上联链路的确定性网络拓扑中实现优化流量费用的工程方法.通过分析网络资源现状及目标作用的重要程度,以主次目标形式考虑,建立目标之间的关联,简化多目标之间关系,使用迭代方法求解非线性约束条件下的流量和代价的优化解,动态选择最优路径使流量费用比最优化并实现工程应用.实验表明,该算法适用于多链路网络各种负载下的流量优化.

基于方向性靶标和多约束优化的双目相机标定

提出了一种基于方向性靶标和多约束优化的双目相机标定方法。新型方向性平面靶标能够判断靶标的旋转方向,并对每个标定角点进行编码,以保证双目相机在拍摄到局部靶标的情况下依然能够完成同名点匹配,进而完成双目相机标定。根据方向性靶标建立双目相机标定模型,引入用于描述平面靶标姿态的天顶角和方位角,通过天顶角和方位角筛选出在不同位置上的靶标姿态均具有明显差异的图像作为标定图像,这提高了双目标定结果的稳定性;结合靶标的三维几何信息,建立了多维度约束的双目参数优化模型,提高了双目标定结果的精度。实验结果表明,与传统的张氏标定方法相比,所提出的标定方法能够有效提高所获得的标定结果的稳定性和精度;通过对标准量块进行多次测量,进一步验证了所提方法的有效性。

分布式雷达节点位置优化的多约束遗传算法研究

分布式雷达是近年来国内外广泛关注的一种新体制雷达,具有机动性强、成本低、可靠性高等优点。但是由于分布式雷达节点的稀疏布置,容易产生栅瓣、高旁瓣等问题,严重影响雷达系统性能。本文基于多约束遗传算法提出了一种分布式雷达节点位置优化方法。该方法首先基于约束最小间距对节点位置进行实值映射编码,并对遗传算法的种群进行初始化,然后对种群进行先增广后收缩的选择处理,再根据自适应概率进行交叉和变异处理,最后经迭代实现分布式雷达节点位置的优化设计。该方法不仅能够有效抑制系统栅瓣,还能够满足多约束需求显著降低系统旁瓣电平。与已有方法相比,该方法简单易行、全局搜索能力强。通过仿真验证了所提方法的有效性和稳健性。

基于多约束优化的自由飞模型结构设计

模型自由飞试验要求模型能够模拟真实飞机的质量、重心和惯量矩,而当前自由飞模型结构设计时仅考虑强度约束,通常会造成质量分布不合理,后期需要增加配重,对于小质量的缩比模型极易出现惯量矩超出限制范围的情况。利用CAE软件构建全机模型,以缩比模型的强度、质量、惯量矩等为约束条件进行多约束优化,可以得到合理的结构设计,满足惯量矩要求,节省后续工作时间,具有较强的工程实用价值,并在实际应用中得到了验证。

多目标多约束模糊优化在冶炼中的应用

根据FUZZY SETS基本理论,构造一个数学模型,应用此模型对炼钢原料-废钢类型进行了优化, 取得了较好的效果.

遗传算法在多约束组合优化中的应用

对遗传算法(genetic algorithms,GA)的搜索过程进行了分析,并着重研究了遗传算法在组合优化问题中的应用,最后对遗传算法的收敛性与其他数学优化方法的区别进行了介绍.

升力式再入飞行器多约束多阶段弹道优化设计

结合再入飞行器实际任务需要,以升力式再入飞行器机动突防弹道优化设计为研究目的,给出了多约束多阶段弹道优化模型,研究了弹道优化数值解法理论,将该多约束多阶段优化问题的多个阶段弹道优化模型统一于1个优化算法;采用直接法+序列二次规划法解该优化问题,得到了满足相应约束的再入机动突防弹道.仿真结果表明,采用该方法能够进行升力式再入飞行器的再入机动突防弹道的优化设计,并具有较好的效果.

基于智能优化算法的社区养老服务点选址研究

社区养老服务点的科学选址对于优化社区养老服务资源配置,促进社区老年人公平、便利获取养老服务具有重要意义。目前服务点的选址仍偏重人工决策,使用科学方法实现社区养老服务点科学布局的研究还十分匮乏。提出一种基于智能优化算法的社区养老服务点选址方法,以最近可及距离为求解目标,以区域内社区数量、老年人数量、最远可及距离、最大服务承载量以及各服务比例配置为约束建立计算模型并求解。根据相应情境,建立不同的目标函数,针对每个目标函数都实施了仿真实验。实验结果表明,提出的优化方法对多约束非线性条件下的社区养老服务点定位均可以找到最优解,为科学解决社区养老资源配置优化问题提供了一种新的思路。