一类带不连续约束优化问题的研究及应用

带不连续约束的非线性优化问题在描述许多工程、经济管理问题时有着广泛的应用,而对这类问题的求解比较复杂.针对约束含跳跃间断点的优化问题进行研究,首先通过连续延拓来构造连续函数,然后通过引入逻辑变量,建立了此类问题的混合整数优化模型.作为模型的应用,给出了一个计算实例.

应用改进PSO算法求解待约束优化问题

为解决高维复杂CO问题,可将进化算法中保持物种多样性的思想引入基本PSO算法的方法。针对基本PSO算法在迭代后期粒子活性减弱的问题,引入‘吸引’和‘扩散’两个算子,对基本PSO算法的速度更新公式进行改进和考虑固定惩罚函数无法有效引导粒子向可行解方向搜索的缺点,提出LPFM方法替代固定惩罚函数法,以有效引导粒子进入可行解域,并在迭代后期加强对粒子的约束,使其不至因违背约束所获的收益大于所受的惩罚而收敛到不可行解域。最后对改进的PSO算法进行了试验,试验结果表明改进PSO算法对解决高维复杂CO问题是有效的。

电动汽车混杂非线性带约束的多目标优化方法

以优化电动汽车的安全性、舒适性和节能性为目标,建立了以稳定性因数的倒数、驾驶员座椅处垂向振动的加权加速度均方根值和百公里耗电量为指标的3目标优化模型,提出了基于Pareto最优原理的电动汽车多目标优化进化算法,该算法采用实数编码,以MATLAB/SIMULINK仿真软件获得各候选方案的目标值,基于Pareto支配原理判定候选方案的优劣,以保证优化方案具有可实现性。通过施加多种控制策略对悬架系统进行控制,完成了车辆平顺性和安全性的协同优化,之后通过加权等方式把多目标优化转化为单目标优化,然后再用数学规划的方式来求解,每次只能得到一种权值情况下的最优解。这种优化方法多针对车辆的某一性能进行优化,没有考虑车辆安全、节能、舒适多性能目标之间的协同问题。基于不同工况的仿真结果表明,该多目标优化算法有较好的性能表现,能够获得一组具有较高安全性、良好舒适性与低能耗的Pareto最优解供决策者选择。

基于强度Pareto进化算法的有约束并联混合动力汽车多目标优化

将混合动力系统多目标优化问题转化为单目标优化问题进行求解需要设置权系数。为避免设置权系数,研究基于强度Pareto进化算法(SPEA2)的有约束并联式混合动力电动汽车(PHEV)参数优化方法。该方法基于Pareto支配性原理判定候选方案的优劣,采用ADVISOR仿真PHEV,并将仿真所得的燃油消耗量与污染物排量作为候选方案的目标值。实验结果表明,该方法所获得的控制策略与传动系统参数,在提高PHEV工作效率、整车性能及降低燃油消耗与污染物排放等方面效果显著。

基于粒子群优化的有约束模型预测控制器

研究了模型预测控制(MPC)中解决带约束的优化问题时所用到的优化算法,针对传统的二次规划(QP)方法的不足,引入了一种带有混沌初始化的粒子群优化算法(CPSO),将其应用到模型预测控制中,用于解决同时带有输入约束和状态约束的控制问题.最后,引入了一个实际的带有约束的线性离散系统的优化控制问题,分别用二次规划和粒子群优化两种算法去解决,通过仿真结果的比较,说明了基于粒子群优化(PSO)的模型预测控制算法的优越性.

求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上 ,利用多目标优化算法的框架 ,把单目标优化问题中的软性约束化为新增的目标 ,把原问题化为一个多目标优化问题 ,然后利用演化多目标优化算法求解转化后的问题 ,分析了该方法处理约束的优势 。

电源网络拓扑优化方法研究

电压降问题日益严重,为了加速电源网络设计收敛,本文对底层规划阶段电源网络拓扑优化展开研究,将其描述为带约束的优化问题,并提出一种近似直接搜索法,通过不断更新电源网络拓扑,在满足约束条件的前提下,逼近目标函数.实验结果表明,该方法比均匀分布法最大节省20.12%的电源线面积,并且优化性能随电源网络规模的增大而提高.

基于双加点动态Kriging模型的提升塔架优化设计

为在满足强度要求的情况下尽量减小提升塔架质量,同时解决传统Kriging模型全局精度和局部精度不易同时保证的问题,提出了一种双加点动态Kriging模型,并利用该模型和人工蜂群算法对提升塔架进行了优化设计。将全局敏感性分析得到的敏感参数作为设计变量,利用拉丁超立方试验设计得到的样本数据建立初始Kriging模型,以最大应力为约束条件,通过人工蜂群算法对提升塔架进行了减重优化。优化过程中,采用双加点准则不断更新Kriging模型,以提高模型的全局精度和最优解处局部精度,直到获得最优解。研究结果表明:在最大应力不变的条件下,优化后的提升塔架质量减小了39.37%。基于双加点动态Kriging模型的优化设计与仿真模型的优化设计相比,其优化效率大幅度提高。双加点动态Kriging模型相较于静态Kriging模型和基于传统加点准则的动态Kriging模型,具有更高的全局精度、局部精度和最优解处局部精度。

基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车(HEV)相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.

基于Pareto最优原理的钻机钻进参数多目标优化

针对某双管定向钻机,提出了基于Pareto最优原理的钻进参数多目标优化方法。该方法根据钻机性能与工况,考虑水力对钻头比能影响,确定了钻进参数优化模型。针对罚函数处理约束条件的不足,引入了改进约束条件处理策略,提出了基于小生境思想拥挤度值计算方法及自适应交叉和变异算子。测试了改进算法的性能,并将改进算法用于求解基于某煤矿工程实际建立的钻机钻进参数优化模型。研究结果表明:与NSGA-Ⅱ和MOPSO算法相比,改进算法在求解测试问题时具有更好的收敛性与分布性。利用改进算法求解实际问题时得到的Pareto前端解集分布均匀,而且有效提高了机械钻速,延长了钻头寿命并降低了钻头比能。

解决约束违背问题的一种自适应调整方法

带约束的优化问题的目的是要找到满足等式或者不等式约束的最优点。在某些情况下,优化求解得到的"最优点"可能会使得某个或某几个约束条件超出目标约束限,或者在所有约束条件中的最大值远远小于目标约束限。针对这一类问题,本文提出一种在寻优过程的每一次迭代中自适应调整约束限的方法,通过动态调整迭代过程中迭代模型约束限的值,将约束条件中最大值的约束条件变为等式约束,使得迭代解始终在可行域范围内,且收敛后的最优解不违背任何约束条件。本文将该方法成功应用于位移约束下结构重量最小化拓扑优化模型,原来不满足约束条件的情况在使用该方法后都能使约束得到满足,解决了约束条件被违背的问题。

算力网络下的算力边缘服务器部署算法

算力边缘服务器部署问题是构建算力网络的基础性问题。在实践过程中,算力边缘服务器靠近算力资源并为其加入算力网络提供接入服务。然而,算力资源的整体结构往往由现实需求所决定,并时刻随需求的变化而变化。在算力边缘服务器资源有限的情况下,如何合理部署算力边缘服务器,使得其能够保障算力网络有效地建设已成为当前各界所关注的热点。首先,对算力边缘服务器部署问题进行分析,并将其转换为带约束的多目标优化问题。针对该问题,提出一种改进型遗传算法予以解决。该算法优点在于:寻找无重复可行解作为初始种群,为选择操作提供了更多挑选的余地;选择时,采用个体均衡选择策略,保证了迭代群体的多样化与分散化;交叉和变异时,分别采用不同种类的随机两点交叉与轮流随机单点变异的策略,从而保障了新生种群的多元性与多样性。实验从算力资源总量偏差率、负载平衡误差率、收敛率、期望最优解误差率四个方面验证,该算法适合应用于算力边缘服务器的部署。

基于鸽群启发算法的风电场多目标优化功率控制方法研究

风力发电作为一种清洁能源发电方式获得了大力发展,但风力发电存在波动性、间歇性和不可控性等缺点,因此优化风力发电场的功率控制这一问题日益受到关注。现对鸽群算法种群初始化方法进行改进,提出一种能够同时实现多个优化目标的功率控制方法。该功率控制方法可使风电场在满足多种约束条件的情况下获得最优收益,解决了现有方法控制目标单一的问题,最后通过实验仿真验证了算法的有效性。

QPSO算法和罚函数在代谢通量评估中的应用

针对代谢通量的评估问题属于带约束的优化问题,提出了使用罚函数(penalty function,PF)的量子粒子群优化(Quan-tum-behaved particle swarm optimization,QPSO)算法来解决上述问题,通过处罚约束条件建立单一的目标函数,把带约束的化学计量转换成无约束的,然后使用QPSO算法最小化内部代谢通量。算法可用于评估谷氨酸棒杆菌(Corynebacterium glu-tamicum)的内部代谢通量,实验结果表明,提出的算法能够以较快的收敛速度找到较好的接近最优点的量化值。

基于聚类分析和可视化的增强遗传算法—I.算法的引出、原理与分析

提出了一种基于数据可视化的聚类分析法(ClusterConstrainedMapping,CCM)和人机结合的增强遗传算法,可保证进化过程在可行域中进行,不需要任何惩罚函数参数,可有效地进行带约束问题的优化.

基于自适应罚函数的QPSO算法的代谢通量评估

针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。

菠菜硝酸盐含量符合安全生产的氮肥用量研究

采用田间试验在灰埭田和灰沙泥田两种土壤类型上研究了不同氮素水平对菠菜生长的影响,分析了土壤硝态氮的变化及氮肥用量与菜体硝酸盐含量、菠菜产量的关系,采用非线性的带约束条件优化法进行搜索求解,确定菠菜体内硝酸盐含量在符合安全生产标准条件下,菠菜最高产量的适宜氮肥用量。结果表明:两种土壤类型硝态氮含量均随氮肥用量的增加而提高,且随着时间推移,硝态氮含量下降,尤其是在灰沙泥田上。菠菜硝酸盐含量和产量也均随氮肥用量的增加而增加,前者呈直线关系(y灰埭田=3.6813+5.6869x和y灰沙泥田=11.6640+7.7001x),而后者呈二次曲线关系(y灰埭田=10.0710+0.122x-0.0002x2和y灰沙泥田=11.8480+0.1664x-0.0003x2)。用非线性规划的带约束条件优化法,以氮肥用量与菠菜硝酸盐含量关系模型为约束条件,氮肥用量与菠菜产量关系模型为目标函数搜索求解,得出灰埭田和灰沙泥田种植菠菜的菜体硝酸盐含量在符合无公害蔬菜生产安全的条件下,菠菜产量最高时的氮肥用量分别为210.30和154.35 kg/hm2,且灰沙泥田的投入产出比优于灰埭田。

基于分等级公平竞争模型的可持续模拟退火算法的应用

通过改进可持续模拟退火算法(HFCSA)算法的个体定义与编码方式、种群的生成方式以及设计新的算子,成功解决了医学实验安排这种带约束的优化问题。设计的最优实验方案所需时间是某医学院所使用方案的77%,拓宽了算法的应用领域,为带约束优化问题的求解找到了新的途径。

基于聚类分析和可视化的增强遗传算法——II.算例分析及有效性验证

通过比较K平均算法与聚类约束映射(CCM)的聚类结果,表明了CCM在降维过程中保持拓扑信息的有效性. 应用前文提出的增强遗传算法(IGA)对3个有约束优化算例进行了求解. 结果表明,这种可视化、聚类分析与遗传算法相结合的方法可以帮助用户参与选择聚类参数,比以往一些方法更有效.

基于遗传算法的自动组卷问题的研究

对自动组卷问题进行分析,使用遗传算法来解决这个带约束的多目标优化问题。为组卷系统建立了一个合适的数学模型,并在此数学模型的基础上,应用遗传算法全局寻优和智能搜索的特性,在试题的各种属性满足数学模型的控制指标的基础上,从题库中既快又好的抽出一组符合教师要求的试题,有效地解决了试题库中的自动组卷问题,具有较好的性能和实用性。